【正文】 第二章 基于統(tǒng)計(jì)特征的陰影建模 ................................... 7 陰影特征分析 .................................................7 RGB 顏色空間 ...........................................7 HSV 顏色空間 ...........................................8 RGB、 HSV顏色空間的轉(zhuǎn)換 ...............................9 陰影統(tǒng)計(jì)數(shù)據(jù)提取 ....................................... 11 陰影建模 ....................................................14 高斯分布與高斯模型 .....................................14 Kmaens 聚類算法 ......................................16 高斯陰影建模 ...........................................17 本章小結(jié) ..................................................18 第三章 基于統(tǒng)計(jì)模型的前景陰影消除 ............................. 19 前景檢測算法 ...............................................19 圖像分割 .............................................19 前景提取 .............................................20 ii 目錄 高斯混合模型 .......................................... 22 高斯混合模型實(shí)現(xiàn)前景 提取 ............................ 22 基于模型的陰影消除算法 ................................... 24 本章小結(jié) ................................................. 26 第四章 仿真實(shí)驗(yàn) ............................................. 27 視頻測試 ................................................... 27 第五章結(jié)論 ................................................... 29 研究的結(jié)論 ................................................. 29 本文的創(chuàng)新與不足 ......................................... 29 本文的創(chuàng)新 ............................................ 29 本文的不足 ........................................... 30 致謝 ........................................................ 31 參考文獻(xiàn) ..................................................... 32 第一章 緒論 1 第一章 緒論 研究背景 陰影的存在及形成原因 陰影在自然界中是普遍存在的一種物理現(xiàn)象， 陰影在圖像中同樣普遍存在，在圖像中陰影的存在會對目標(biāo)追蹤、物體識別、圖像分割和圖像匹配等與計(jì)算機(jī)視覺的相關(guān)問題造成不利的影響， 它嚴(yán)重影響圖像處理的后期工作，因此對圖像中陰影的檢測和去除算法的研究是十分必要的。 在運(yùn)動目標(biāo) 檢測過程中 ， 陰影的檢測和消除是一個不可避免的關(guān)鍵問題。首先 ， 陰影和運(yùn)動物體一樣都顯著區(qū)別于背景。陰影和運(yùn)動物體可能粘合也可能分離 ， 如果陰影和運(yùn)動物體融合在一起 ， 會使目標(biāo)的幾何形狀發(fā)生變形 ， 導(dǎo)致形狀檢測算法失效；如果陰影獨(dú)立于運(yùn)動物體存在 ， 則很容易被誤認(rèn)為是一個單獨(dú)的運(yùn)動目標(biāo)。 當(dāng)光線被物體遮擋住時(shí) ， 便會產(chǎn)生陰影。前者是由于物體自身不能被光照射而形成的 ， 后者是由在光源方向上的物體投影所致。陰影和環(huán)境光的強(qiáng)度 ， 物體的透明程度以及地面的質(zhì)地有關(guān)。通常情況下 ， 陰影會導(dǎo)致對應(yīng)區(qū)域的強(qiáng)度發(fā)生變2 圖像陰影消除算法研究與實(shí)現(xiàn) 化 ， 而色度的變化不大 [2][3]。 因?yàn)檫\(yùn)動目標(biāo)的陰影和運(yùn)動目標(biāo)具有相同的運(yùn)動特征，所以在運(yùn)動目標(biāo)的檢測中無法消除 ， 但是陰影中的投影部分將改變檢測到的運(yùn)動目標(biāo)的形狀和大小，并引起運(yùn)動目標(biāo)的錯誤分類或動作識別，對研究工作造成不利影響。 目前，陰影的檢測方法主要有兩種，基于模型或者基于特征 。 另一方面，基于特征的方法，利用陰影和背景的光譜特征進(jìn)行陰影檢測，此類方法也具有一定的局限性，比如當(dāng)陰影的顏色比較深的時(shí)候，利用色度不變性就無法檢測出陰影，而由于一些顏色的對應(yīng)灰度值是相同的，致使單純利用灰度值進(jìn)行陰影檢測的算法失效 。圖像處理尤其是數(shù)字圖像處理是交叉學(xué)科。其研究的領(lǐng)域和應(yīng)用領(lǐng)域十分廣泛。圖像處理一般也指數(shù)字圖像處理。圖像處理中，輸入的是質(zhì)量低的圖像，輸出的是改善質(zhì)量后的圖像，常用的圖像處理方法有圖像增強(qiáng)、復(fù)原、編碼、壓縮等。圖像處理的主要內(nèi)容包括圖像的壓縮，增強(qiáng)和復(fù)原，匹配、描述和識別三個部分。圖像處理一般指數(shù)字圖像處理。 數(shù)字圖像處理技術(shù)在許多領(lǐng)域得到廣泛應(yīng)用，如航空航天、生物醫(yī)學(xué)工程、工業(yè)檢測、機(jī)器人視覺、公安司法、軍事制導(dǎo)、文化藝術(shù)等。數(shù)字圖像處理在生物醫(yī)學(xué)工程方面的應(yīng)用十分廣泛，而且很有成效。此外，在 X光肺部圖像增晰、超聲波圖像處理、心電圖分析、立體定向放射治療等醫(yī)學(xué)診斷方面都廣泛地應(yīng)用圖像處理技術(shù)。當(dāng)前通信的主要發(fā)展方向是聲音、文字、圖像和數(shù)據(jù)結(jié)合的多媒體通信。其中以圖像通信 最為復(fù)雜和困難，因圖像的數(shù)據(jù)量十分巨大，如傳送彩色電視信號的速率達(dá) 100Mbit/s以上。在一定意義上講，編碼壓縮是這些技術(shù)成敗的關(guān)鍵。 (3)數(shù)字圖像處理在工業(yè)和工程方面的應(yīng)用。其中值得一提的是研制具備視覺、聽覺和觸覺功能的智能機(jī)器人，將會給工農(nóng)業(yè)生產(chǎn)帶來新的激勵，目前已在工業(yè)生產(chǎn)中的噴漆、焊接、裝配中得到有效的利用。文化藝術(shù)方面的應(yīng)用目前這類應(yīng)用有電視畫面的數(shù)字編輯，動畫的制作，電子圖像4 圖像陰影消除算法研究與實(shí)現(xiàn) 游戲，紡織工藝品設(shè)計(jì)，服裝設(shè)計(jì)與制作，發(fā)型設(shè)計(jì)，文物資料照片的 復(fù)制和修復(fù)，運(yùn)動員動作分析和評分等等，現(xiàn)在已逐漸形成一門新的藝術(shù) 計(jì)算機(jī)美術(shù)。 陰影消除方法發(fā)展與現(xiàn)狀 陰影消除發(fā)展歷史 隨著計(jì)算機(jī)技術(shù)和其他關(guān)聯(lián)學(xué)科的發(fā)展，數(shù)字圖像處理技術(shù)日趨成熟，但是像陰影去除這類人類對視覺信號的感官及處理的問題依然存在很大的不足。因此，陰影消除無論從過去還是現(xiàn)在及將來，都具有極大的學(xué)術(shù)價(jià)值和現(xiàn)實(shí)意義。比如按照固定的方法對圖像進(jìn)行處理，比如直方圖均衡化等等，這些方法由于采用單一的算 法，對圖像的處理比較死板，缺乏根據(jù)不同圖像的不同情況進(jìn)行不同的處理和適應(yīng)能力，大大影響了效果且限制了使用范圍；還有一些方法在頻域或者空域?qū)D像進(jìn)行處理，但無法確定算法所需的參數(shù)，要根據(jù)先驗(yàn)知識或者以往經(jīng)驗(yàn)來進(jìn)行確定，其實(shí)是另一種意義上變相對人腦的依賴。在圖像增強(qiáng)中，有空域和頻域兩種方法。頻域的方法是先用傅里葉變化將其變換到頻域，然后在頻域上對其進(jìn)行增強(qiáng)處理，如同態(tài)濾波 Retinex算法。通過圖像復(fù)原進(jìn)行陰影消除的過程中，陰影的消除可以看做一種退化，利用一種先驗(yàn)知識對陰影進(jìn)行建模，然后消除陰影。采用固定的方法對圖像進(jìn)行處理，或者需要對人的依賴。 本文的主要研究內(nèi)容及安排 研究內(nèi)容 陰影消除的關(guān)鍵是對陰影進(jìn)行準(zhǔn)確檢測 ， 文獻(xiàn) [1]對陰影檢測算法作了比較全面的總結(jié) ， 將現(xiàn)存的陰影檢測算法進(jìn)行了分析比較 ， 根據(jù)是否引入了不確定性把陰影檢測算法分為判定性算法和統(tǒng)計(jì)算法。而統(tǒng)計(jì)算法則構(gòu)建一個可能性函數(shù) ， 通過統(tǒng)計(jì)的方法來決定像素屬于陰影還是其他。陰影檢測過程需要使用陰影的特征信息 ， 根據(jù)特征信息的不同 ， 又可以將陰影檢測算法分為基于紋理和基于屬性兩類。常用的紋理分析算法有 Gabor小波紋理分析、基于自相關(guān)函數(shù)的紋理分析等。通過與相應(yīng)背景圖像的 Gabor特征進(jìn)行比較 ， 即可判斷當(dāng)前圖像子塊是否為陰影。文獻(xiàn) [9]認(rèn)為陰影區(qū)域的紋理和陰影投射前區(qū)域的紋理是相似的 ， 根據(jù)此特征進(jìn)行陰影檢測?；诩y理的檢測方法由于受到場地的限制 ，當(dāng)運(yùn)動目標(biāo)和陰影具有相同紋理信息時(shí)很難區(qū)分。 Cucchiar[11]等認(rèn)為在HSV顏色空間中 ， 陰影覆蓋區(qū)域的亮度值較低 ， 而色度和飽和度值在一定范圍內(nèi)變化 ， 通過設(shè)定多個閾值分割出前景、背景和陰影。這兩種方法都需要設(shè)置較多的閾值或約束條件 ， 對于不同場景的陰影檢測適應(yīng)性不好。針對傳統(tǒng)方法的不足 ， 本文在 HSV顏色空間下 ，通過對陰影區(qū)域內(nèi)各個像素點(diǎn)的 H、 S、 V通道顏色值進(jìn)行統(tǒng)計(jì) ， 與相應(yīng)的非陰影區(qū)域進(jìn)行直方圖對比分析 ， 基于統(tǒng)計(jì)信息在三個通道上 分別建立獨(dú)立的高斯模型 ， 從而構(gòu)建 HSV顏色空間下一種新的陰 影高斯模型 ， 通過訓(xùn)練陰影樣本得到模型參數(shù)。在檢測結(jié)果基礎(chǔ)上對陰影像素點(diǎn)進(jìn)行消除 ， 保留前景目標(biāo) ， 從而達(dá)到陰影消除的目的。 內(nèi)容安排 本論文的第一章為緒論，介紹一些陰影消除及圖像處理的背景知識未來發(fā)展。 第三章內(nèi)容是基于統(tǒng)計(jì)模型的前景陰影消除，首先提取出前景圖像，然后通過前面得出的參數(shù)對陰影進(jìn)行判定及消除。 第二章 基于統(tǒng)計(jì)特征的陰影建模 7 第二 章 基于統(tǒng)計(jì)特征的陰影建模 陰影特征分析 RGB 顏色空間 在彩色圖像的色彩空間中，最典型最常用的面向硬設(shè)備的彩色模型是 RGB模型。 RGB模型是一種與人的視覺系統(tǒng)結(jié)構(gòu)密切相連的模型。 CIE所規(guī)定的紅綠藍(lán)這三種基本色的波長分別為 700nm， ， 。因而需要注意，定義三種基本波長并不表明僅由三個固定的 R， G， B分量就可組成所有顏色。 圖 RGB空間模型 圖 RGB模型的空間是個正方體，遠(yuǎn)點(diǎn)對應(yīng)黑色，離遠(yuǎn)點(diǎn)最遠(yuǎn)的頂點(diǎn)對應(yīng)8 圖像陰影消除算法研究與實(shí)現(xiàn) 白色。一般為方便起見，總將立方體歸一化為單位立方體，這樣所有的 R， G， B的值都在區(qū)間 [0， 1]之中。如果一幅圖像可被表示為三個平面，使用這個模型就比較方便。 HSV是計(jì)算機(jī)顏色的模型之一，它在計(jì)算機(jī)實(shí)用軟件里，常被稱為 HSB色彩模型。 HSV模型在許多圖像編輯工具中應(yīng)用比較廣泛，如 Photoshop等等，因?yàn)樗且环N比較直觀的顏色模型。在 HSV模型中， H表示色調(diào)，范圍是[0， 360]。對應(yīng)紅色， 120176。對應(yīng)藍(lán)色。 S表示飽和度，范圍為 [0， 1]，飽和度與一定色調(diào)的純度有關(guān)，純光譜色是完全飽和的，隨著白光的加入飽和度逐漸減少。 V表示色彩的亮度，范圍為 [0， 1]，它與光照強(qiáng)度并沒有直接的聯(lián)系。 HSV顏色模型與人類對顏色的感知接近。亮度與物體的反射率成正比， 如果無彩色就只有亮度一個維量的變化。飽和度與一定色調(diào)的純度有關(guān)，純光譜色是完全飽和的，隨著白光的加入飽和度逐漸減少。在這個六邊形色相環(huán)中，色相是沿逆時(shí)針方向變化的，用 H（ hue ） 來表示色相。當(dāng)顏色位于六邊形中心時(shí)，顏色的飽和度為 0（ S = 0） ，呈純白色。 在 HSV頂面六邊形色相環(huán)中，色相是沿逆時(shí)針方向變化的，每變換 1176。從 0176。色相變化的順序按紅 — 橙 — 黃 — 綠 — 藍(lán) — 品紅，每個顏色相隔 60176。從 0176。色相按光譜色帶依次排列，當(dāng)?shù)竭_(dá) 360176。時(shí)的色彩。 RGB、 HSV顏色空間的轉(zhuǎn)換 RGB顏色模型屬于面向硬設(shè)備的彩色模型，它的顏色模型的混色屬于加法混10 圖像陰影消除算法研究與實(shí)現(xiàn) 色。電腦中的 24位真彩圖像，就是采用 RGB模型來精確記錄色彩。 HSV本質(zhì)上與 RGB模式?jīng)]有區(qū)別，只是產(chǎn)生顏色的方式有所不同。環(huán)境光的強(qiáng)弱影響陰影的強(qiáng)度 ， 在相同的情況下 ， 陰影的強(qiáng)度和環(huán)境光的強(qiáng)度成正比。文獻(xiàn) [3]就是基于在此特征在 RGB 顏色空間上通過各個空間歸一化對色度進(jìn)行建模 ， 由于 RGB 不便于直接描述物體的色度信息 ， 所以直接歸一化得到的結(jié)果的物理意義并不明顯。 HSI 顏色空間用色調(diào) (Hue)、飽和度(Saturation)和亮度值 (value)來描述色彩 ， 相對 RGB 空間而言 ， HSV 空間具有物理意義清晰的特點(diǎn)。通常情況下 H 的取值范圍為 [0， 360]， S 的取值范圍為 [0， 1]， V 的取值范圍為 [0， 255]。具體情況如表 。該視頻共有 440幀，每幀大小為 320240，統(tǒng)計(jì)區(qū)域?yàn)橐?（ 6， 225）（ 66， 235） 為頂點(diǎn)的 6010的區(qū)域，其中 16， 17， 42，47， 51， 61， 91， 129， 147， 151這十幀為