【正文】 225）（ 66， 235） 為頂點的矩形區(qū)域，像素點數(shù)為 600 16， 17， 42，47， 51， 61，91， 129， 147，151（共 10 幀） 133142 （共 10 幀） 其中 HighwayI的視頻來自加州大學(xué)圣迭戈分校計算機視覺和機器人研究實驗室 (Computer Vision and Robotics Research Laboratory， CVRR)所公布的測試視頻（ ： //） 。為了便于實際處理 ， 我們在進行 RGB 轉(zhuǎn)換到 HSV 顏色空間轉(zhuǎn)換時 ， 將各個子空間都縮放到 [0， 1]范圍內(nèi) ， 其轉(zhuǎn)換公式如 下 所示 ： H=H′/360 第二章 基于統(tǒng)計特征的陰影建模 11 S=S′255 V=max（ R， G， B） 陰影統(tǒng)計數(shù)據(jù)提取 為了獲得統(tǒng)計數(shù)據(jù)，我們需要對某個視頻進行手動標(biāo)記，統(tǒng)計同一區(qū)域在有陰影和美陰影時的 HSV空間各通道的像素值。像素點的 H 值和 S 值代表了物體的色度 ， 而 V 值則代表了物體的強度。在圖像處理中常用的是 HSV 顏色空間。通常情況下 ， 陰影會導(dǎo)致對應(yīng)區(qū)域的強度發(fā)生變化 ， 而色度的變化不大。 它們之間可以互相轉(zhuǎn)化，具體轉(zhuǎn)化過程如下 max=max(R， G， B) min=min(R， G， B) if R = max， H = (GB)/(maxmin) if G = max， H = 2 + (BR)/(maxmin) if B = max， H = 4 + (RG)/(maxmin) H = H * 60 if H 0， H = H + 360 V=max(R， G， B) S=(maxmin)/max 陰影和環(huán)境光的強度 ， 物體的透明程度以及地面的質(zhì)地有關(guān)。 HSV色彩模型屬于面向視覺感知的彩色模型，由于 RGB模型中，人很難判定其中的 R， G， B分量，這時使用面向視覺感知的顏色模型就比較方便一些。每種原色的數(shù)值越高，色彩越明亮。 最里面 1圈是飽和度為 0％ 的顏色，呈白色；第二圈是 飽和度約為 25%的淡色調(diào)顏色，第三圈是飽和度約為 50%的低純調(diào)顏色，第四圈是飽和度約為 75%的中純調(diào)顏色，最外一層是飽和度為 100%最高的純色調(diào)顏色。時，色相又回到 0176。到 359176。這 6個顏色構(gòu)成了六邊形的 6個頂點。到 360176。夾角，色相就有細(xì)微的變化。飽和度的變化由六邊形中心向六邊形外框逐漸增大，位于六邊形外框上的顏色的飽和度最高。在六邊形中， S（ saturation） 表示色彩飽和度變化的量。 HSV模型的坐標(biāo)系統(tǒng)也是圓柱坐標(biāo)系統(tǒng)，但一般用六棱錐來表示，見圖 第二章 基于統(tǒng)計特征的陰影建模 9 圖 HSV彩色模型 在 HSV 色彩模型中，六棱椎頂面的正六邊形，是一個飽和度最高的有彩色系的色相環(huán)。對彩色來說，顏色中摻入白色越多就越明亮，摻入黑色越多亮度就越小。人區(qū)分顏色就常用三種基本特性兩：亮度、色度和飽和度。所以顏色可用亮度和色度共同表示。色調(diào)和飽和度合起來成為色度。色調(diào)是與混合光譜中主要光波長相聯(lián)系的。對應(yīng)綠色， 240176。其中 0176。但由于許多光線混合運算、光照強度的運算無法使用HSV來實現(xiàn)，所以它不適合 光照模型的使用。因為它用色彩的直觀屬性來描述顏色，它的三個顏色參數(shù)正好對應(yīng)色彩的主觀三屬性（色相、明度、彩度），跟我們傳統(tǒng)的顏料色彩設(shè)計相類似，所以它稱為設(shè)計師直觀的色彩模型。 HSV 顏色空間 面向硬設(shè)備的彩色模型與人的視覺感知有一定距離且使用時不大方 便，例如給定一個彩色信號，人很難判定其中的 R， G， B分量，這時使用面向視覺感知的顏色模型比較方便。 根據(jù)這個模型，每幅彩色圖包括三個獨立的基色平面，或者說可分解到三個平面上。在這個模型中，從黑到白的灰度值分布在從遠(yuǎn)點到離遠(yuǎn)點最遠(yuǎn)頂點間的連線上，而立方體內(nèi)其余點對應(yīng)不同的顏色，可用從遠(yuǎn)點到該點的矢量表示。 RGB模型可以建立在笛卡爾坐標(biāo)系統(tǒng)里，其中三個軸分別為 R， G， B，見圖。猶豫光源的光譜是連續(xù)漸變的，所以并沒有一種顏色可準(zhǔn)確地叫做紅、綠、藍(lán)。根據(jù)人眼結(jié)構(gòu)，所有的顏色都可看做是三個基本顏色 紅（ R， red），綠（ G， green）和藍(lán) （ B， blue） 的不同組合。電視攝像機和彩色掃描儀都是根據(jù) RGB模型工作的。 第四章對得出的前景圖像進行陰影消除的仿真實驗。 第二章為基于統(tǒng)計特征的陰影建模，通過對陰影特征統(tǒng)計、分析，再對其進行建模獲得一些需要的參數(shù)。將本文算法與同類算法進行實際視頻測試，實驗結(jié)果表明本文算法對于不同場景下的陰影都能夠很好地消除 ， 相對已有算法在陰影檢測率和陰影區(qū)分率兩個指標(biāo)上均有提高。在陰影模型的基礎(chǔ)上 ， 提出一種基于統(tǒng)計模型的前景陰影檢測算法 ， 在各個通道上計算當(dāng)前像素與陰影模型的匹配程度 ， 對各通道的匹配值進行加權(quán) ， 與預(yù)定閾值進行比較從而判定是否為陰影。文獻 [13]基于 HSV彩色空間的色調(diào)值 ， 融合 RGB色彩模型中的藍(lán)色分量信息對陰影進行檢測 ， 采用 RGB彩色空間中的藍(lán)色分量為模板 ， 計算該模板與提取出的陰影區(qū)域間的直方圖 ， 采用單閾值化分割方法來確定陰影區(qū)域 ， 對于復(fù)雜場景 ， 但閾值的方法往往不能取得很好的效果。 Trattersail[12]對 Cucchiar算法進行了改進 ， 通過利用多個約束條件求取一個最優(yōu)閾值 ， 實現(xiàn)陰影檢測?；陉幱皩傩蕴卣魇峭ㄟ^分析陰影的亮度、幾何結(jié)構(gòu)和色彩方面的性質(zhì)而對陰影進行檢測。 Wang等 [10]在動態(tài)條件6 圖像陰影消除算法研究與實現(xiàn) 隨機場中 ， 利用梯度特征 檢測陰影。由于其需要大量的映射和比較操作 ， 在檢測過程中計算量較大。文獻[8]使用基于 Gabor小波紋理分析的方法 ， 將可能的陰影區(qū)域劃分成若干圖像子塊 ，再將這些子塊投射到 Gabor小波函數(shù)上 ， 獲得子塊的 Gabor特征。基于紋理的陰影檢測方法根據(jù)陰影區(qū)域的灰度有所加深但紋理 沒有改變的原理進行檢測。根據(jù)是否需要參數(shù)或模型支持又可以將這兩類細(xì)分 ，最后得到四類算法 ： 統(tǒng)計參數(shù)法 [4] (Statistical ParametricApproach， SP)、統(tǒng)計非參數(shù)法 [5] (Statistical Nonparametric Approach， SNP)、判定性模型法 [6](Deterministic ModelBased Approach DM) 和 判 定 性 非 模 型 法 [7](Deterministic NonmodelBasedApproach DNM)。其中 ， 判定性算法通過一些條件對像素是否為陰影進行判斷。對不同圖像的適應(yīng)能力差，所以現(xiàn)在的陰影消除方法希望能夠在模擬人類感官視覺的基礎(chǔ)上，要快速可靠，能夠達到實時性的要求，同時在處理過程中減少人工的干預(yù)，對各種圖像 有不同的適應(yīng)能力。 第一章 緒論 5 陰影消除發(fā)展現(xiàn)狀 從以上的傳統(tǒng)陰影消除方法中可以看到，傳統(tǒng)方法都有自己的不足。圖 像復(fù)原技術(shù)與圖像增強相似，主要通過退化圖像的某種先驗知識對圖像進行建模，然后采用相反的過程進行處理。其中空域方法是在圖像平面上對其進行各種處理，如直方圖均衡化。 在傳統(tǒng)的陰影消除方法中，主要有圖像增強和圖像復(fù)原技術(shù)兩種。 傳統(tǒng)中陰影消除的方法有許多種。在彩色圖像中出現(xiàn)的陰影足以擾亂許多圖像處理的任務(wù)執(zhí)行，大大超出了傳統(tǒng)意義上的噪聲對圖像的品質(zhì)的影響，比如傳統(tǒng)方法中的基于濾波或者去噪聲的圖像增強和圖像復(fù)原技術(shù)已經(jīng)遠(yuǎn)遠(yuǎn)不能滿足人類對陰影消除的要求。 相信隨著生活水平和科技的發(fā)展，數(shù)字圖像處理乃至計算機技術(shù)在我們的生活中將起到更大的作用。 (4)另外在距離我們最近的生活領(lǐng)域，數(shù)字圖像處理也扮演著重要的角色。在工業(yè)和工程領(lǐng)域中圖像處理技術(shù)有著廣泛的應(yīng)用，如自動裝配線中檢測零件的質(zhì)量、并對零件進行分類，印刷電路板疵病檢查，彈性 力學(xué)照片的應(yīng)力分析，流體力學(xué)圖片的阻力和升力分析，郵政信件的自動分揀，在一些有毒、放射性環(huán)境內(nèi)識別工件及物體的形狀和排列狀態(tài)，先進的設(shè)計和制造技術(shù)中采用工業(yè)視覺等等。除了已應(yīng)用較廣泛的熵編碼、 DPCM編碼、變換編碼外，目前國內(nèi)外正在大力開發(fā)研究新的編碼方法，如分行編碼、自適應(yīng)網(wǎng)絡(luò)編碼、小波變換圖像壓縮編碼等。要將這樣高速率的數(shù)據(jù)實時傳送出去，必須采用編碼技術(shù)來壓縮信息的比特量。具體地講是將電話、電視和計算機以三網(wǎng)合一的方式在數(shù)字通信網(wǎng)上傳輸。 (2)數(shù)字圖像處理在通信工程方面的應(yīng)用。除了 CT技術(shù)之外，還有一類是對醫(yī)用顯微圖像的處理分析，如紅細(xì)胞、白細(xì)胞分類，染色體分析，癌細(xì)胞識別等。 (1)現(xiàn)在醫(yī)學(xué)影像從根本上說，就是根據(jù)電離輻射和非電離輻射的自身性質(zhì)和它們與物質(zhì)相互作用的規(guī)律，用現(xiàn)代技術(shù)手段來采集成像數(shù)據(jù)，按一定的數(shù)學(xué)方法用計算機重建數(shù)字圖像并結(jié)合生物及醫(yī)學(xué)知識深入挖掘圖像所蘊藏的生物信 息和醫(yī)學(xué)信息并很好的控制圖像的質(zhì)量對其進行相應(yīng)的處理。雖然某些處理也可以用光學(xué)方法或模擬技術(shù)實現(xiàn)，但它們遠(yuǎn)不及數(shù)字圖像處理那樣靈活和方便，因而數(shù)字圖像處理成為圖像處理的主要方面。常見的處理有圖像數(shù)字化、圖像編碼、 第一章 緒論 3 圖像增強、圖像 復(fù)原、圖像分割和圖像分析等。數(shù)字圖像為使用數(shù)字?jǐn)z像機、照相機、掃描儀等設(shè)備經(jīng)過采樣和數(shù)字化后得到的一個龐大的二維數(shù)組，該數(shù)組的元素稱作像素，它的值為一個整數(shù)，亦稱灰度值。早期的圖像處理的目的是改善圖像的質(zhì)量，它以人為對象，以改善人的視覺效果為目的。圖像處理，即使用計算機對圖像進行一定的 分析并使之達到希望的結(jié)果的技術(shù)。是未來技術(shù)向智能化發(fā)展的最富有前景，也是最富有挑戰(zhàn)的領(lǐng)域。 陰影消除與圖像處理的研究目的和意義 陰影消除屬于圖像處理的一個內(nèi)容。其中 基于模型的方法利用場景 、 照明和目標(biāo)的幾何特征構(gòu)建模型，當(dāng)目標(biāo)的形狀 、 視角 、 光照方向已知的時候，基于模型的方法可以得到精確的陰影 信息，但是此類方法局限性大 、 適用性較差 。所以為了能夠正確地描述運動目標(biāo)，就要對陰影進行檢測和消除 。 陰影的檢測與消除 在圖像處理領(lǐng)域中，運動物體的檢測與分割是應(yīng)用視覺研究領(lǐng)域的一個重要課題 。環(huán)境光的強弱影響陰影的強度 ， 在相同的情況下 ， 陰影的強度和環(huán)境光的強度成正比。投射陰影又可分為本影和半影 ， 前者是由于光源發(fā)出的光線被物體完全擋住所形成的 ， 而后者是由于光線部分被遮擋。陰影可分為自陰影和投射陰影。這些問題都對高層的運動目標(biāo)分類、跟蹤以及行為分析等都造成很大的影響 ， 因此對于運動前景進行陰影消除具有重要的意義 ， 已成為當(dāng)前一個很活躍的研究領(lǐng)域 [1]。其次 ， 陰影和投射它們的運動物體具有相同的運動規(guī)律。而陰影自身的特點決定了陰影消除問題的復(fù)雜性。陰影的種類繁多，有基于幾何特性的，有基于陰影灰度性質(zhì)（如陰影邊緣灰度漸變，突變，陰影分布是否均勻）的，還有基于陰影形成原因的但目前沒有一種通用的陰影去除方法能對所有的陰影由理想的處理效果，因此必須根據(jù)不同的情況對不同類型的陰影采用不同的處理方法。 通過實驗過程，與同類算法的對比分析表明：本算法對不同場景下的陰影消除是準(zhǔn)確且實時的，與以往的陰影檢測算法在陰影檢測率和陰影區(qū)分率上均有提升。傳統(tǒng)陰影消除方法對陰影消除有一些局限性，針對目標(biāo)檢測中的陰影問題，本文提出了一種新方法 . 在本文中，提出了在 HSV顏色空間下，對多個視頻的陰影區(qū)域進行直方圖統(tǒng)計分析，分別獲得陰影在 H、 S、 V通道下的各自的顏色特征，再根據(jù)以上得出的特征在相應(yīng)的三個通道上使用陰影樣本訓(xùn)練模型參數(shù)建立高斯陰影模型，在此基礎(chǔ)上給出一種新的陰影消除算法。 答辯小組認(rèn)真評議的結(jié)果：該同學(xué)畢業(yè)設(shè)計成績?yōu)?良好 。 簽名 2021 年 6 月 9 日 答辯小組意見 該同學(xué)在畢業(yè)設(shè)計論文答辯中，思路清晰，講述有條理，基本概念無誤，回答問題正確。 論文寫作認(rèn)真，條理較清晰，文字較通順，圖表齊全，格式規(guī)范，實驗結(jié)果合理。 建議成績：優(yōu) 簽名 2021 年 6 月 8 日 評閱人評語及成績評定意見 本論文主要研究圖像陰影消除技術(shù)，具有一定的理論和技術(shù)難度。 該同學(xué)在做畢業(yè)設(shè)計期間，工作積極主動，治學(xué)態(tài)度嚴(yán)謹(jǐn)。利用 Matlab 實現(xiàn)了圖像陰影消除。 西 安 電 子 科 技 大 學(xué) 畢業(yè)設(shè)計（論文）成績登記表 編號： 學(xué) 院 計算機學(xué)院 專 業(yè) 計算機科學(xué)與技術(shù) 姓 名 學(xué) 號 03071005 成 績 良 題目名稱 圖像陰影消除算法研究與實現(xiàn) 指導(dǎo)教師 職 稱 教授 指導(dǎo)教師評語及對成績的評定意見 同學(xué)在做畢業(yè)設(shè)計期間，查閱了大量的文獻資料，在對所查閱的資料研究的基礎(chǔ)上，自己做了相關(guān)的研究。 五、