图像阴影消除算法研究与实现
计算机实时3D绘图的阴影算法理论研究
1.引言在现实生活中,阴影不仅能够提高场景的真实感,同时也能帮助判断场景中物体的空间相对位置关系,真实感强的阴影生成方法就显得更加必要。
目前阴影算法主要分为静态阴影和动态阴影两个方面。
根据光源的大小对阴影的影响又可以将阴影绘制分为硬阴影和软阴影。
硬阴影一般由点光源产生,阴影只有本影区域,而软阴影绘制中,光源通常具有一定的面积和体积的,产生的阴影既有本影区域又有半影区域,软阴影具有边缘模糊的特性。
具体的阴影算法包括:平面投射阴影算法、光照图算法、阴影图算法(shado w m aps,SM)、影域体算法(shado w v olumes,SV)、光线跟踪算法等。
前面两种算法一般用于静态阴影的绘制,后面几种算法主要用于动态阴影的绘制。
本文着重介绍这几个算法,并且分析比较几个算法在不同场景中的应用和优缺点。
2.静态阴影算法分析2.1平面投射阴影算法场景中不透明物体对入射光线的遮挡而在其后的平面上形成阴影。
这一简单实用的方法是Blinn在1988年提出的,其基本思想是通过光源将物体边界投射到平面上。
投射法生成阴影技术通过把三维中的物体进行几何投影变换,将其按点光源或线光源的方向投射到某个地面上,并对投射出来的物体用阴影的颜色绘制一遍,来完成阴影的绘制过程。
该算法在生成垂直背面和侧平面上的阴影很简单。
而且可以对任何平面做出阴影的效果。
但该算法有其缺陷:⑴只能适用于含有单个或多个足够分开的物体的场景。
且不包括一个物体的阴影阴影投射到另一个物体的情况,特别是在大规模复杂场景中使用时,算法的效率低。
⑵该算法只能应用于平面,无法把阴影投射到曲面上,且如果有多个平面,分别要对每个平面都做一次投射,增加了计算的开销。
该方法曾经受到了传统动画制作者的下,促进了三维动画和虚拟现实技术的发展。
如今,该方法应用限制比较大,采用的比较少。
2.2光照图(L ight M ap)算法:L ig ht M ap技术又称为阴影纹理技术。
改进的HSV阴影去除算法研究
改进的HSV阴影去除算法研究作者：谭家政刘勇邱芹军来源：《物联网技术》2014年第01期摘要：针对视频序列图像中运动目标的阴影会造成运动目标的物理变形，影响运动目标的检测与跟踪等问题，提出了一种基于HSV色彩空间的无阈值阴影去除算法。
该方法通过分析阴影与背景的 HSV 彩色空间中的特性，并利用阴影与运动目标在 H、S、V 三个分量中的不同特点，提出了一种无阈值的阴影消除算法。
实验结果表明，该方法能够很好地去除阴影区域，同时又保持前景目标区域的完整性。
关键字：阴影去除；无阈值；HSV彩色空间中文分类号：TP391 文献标识码：A 文章编号：2095-1302（2014）01-0084-030 引言近年来，智能视频处理技术在商业、军事和工业领域得到了广泛的应用，如移动视频通信、工业过程控制、自主运载器导航、智能交通、目标检测与跟踪等。
其中，在智能视频处理系统中，运动目标检测与分析是后期处理与应用的基础，要把场景中的运动目标从背景中提取出来，常用的运动目标检测算法有帧间差分法、光流计算法、背景差减法[1]等方法。
检测运动目标大多采用背景差减法，但是常常由于光线在传播过程中被遮挡，在运动目标附近就会形成阴影，阴影常被误检测为前景。
然而，这些前景检测算法都不能将运动目标和运动阴影区分出来。
运动阴影严重影响目标分类、识别、跟踪等后续处理。
因此，如何准确地检测与分割阴影成了智能视频研究的一个重要课题。
在过去的几十年中，国内外很多研究者进行了深入的研究，提出了各种阴影检测与去除算法。
王宏在其硕士论文中对分割目标阴影做了深入的研究，并提出了机遇直方图和聚类技术阴影去除算法、基于色度畸变和局部交叉熵阴影去除算法和多梯度分析与线扫描阴影去除算法，通过实验证明了其提出算法的有效性[2]；刘雪和常发亮等提出了机遇YUV颜色空间色度畸变和一阶梯度模型进行阴影去除的算法，并通过实验证明了其算法具有抗干扰和复杂度低等特点[3]；苑颖、罗青山等提出了一种基于颜色不变形和建立阴影高斯模型的阴影检测和消除算法，其实验证明了其算法的有效性[4]；但这些算法都具有一定的应用背景，离开这些应用背景就会出现很大的误差，甚至完全不起作用。
图像的阴影检测与去除算法分析
图像的阴影检测与去除算法分析摘要：针对图像阴影的问题，文章讨论了现有的几项检测技术，即“光照无关”“连续阈值图”与“区域生长”技术。
进一步分析了阴影去除算法，包括泊松方程、梯度域以及成对区域三种算法。
关键词：图像阴影；检测技术；去除算法引言：采集图像中，往往会受到各种各样因素的影响，导致图像质量下降。
而阴影就是一种常见的降质表现，主要是由成像条件造成的。
阴影会令图像承载的信息量不完整，或是被干扰，影响目标解译的精度。
而阴影既会限制视觉判断，又不利于图像分析和后期处理，所以检测与去除阴影是有必要的。
一、图像的阴影检测技术（一）光照无关阴影检测技术光照无关技术运行机理在于，从RGB颜色空间，转换成仅和图像采集设备感光函数与拍摄目标表面反射特征相关，但和物体接受的光线方向、色彩及亮度都没有联系的一种灰度图像。
借助灰度图像本身的光照无关的特性，检测目标物体的轮廓位置，最终结合从原图中获取的目标物及阴影边缘，以此测出阴影边缘。
此种阴影检测技术，即便拥有面对较为杂乱纹理信息的图像，也能保持较佳的鲁棒性[1]。
但对于比较复杂的阴影区域，精准测出阴影边界的难度较大，这主要和图像采集设备摄影函数及表面反射率有关。
由此可推断出，该项检测技术的适用范围有：普朗克成像光源；朗伯成像表面；采集设备光谱响应函数是窄带函数。
但现在现实中，很少会有图像可以同时符合以上三项条件，因此该方法存在较大的使用限制。
（二）连续阈值图阴影检测技术从肉眼观察层面来讲，HSI颜色模型属于相对接近的色彩描述，包含角度与饱和度、强度等。
如果根据角度与强度比值，绘制比率图，用于测出彩色遥感图像上的阴影区域，基本操作流程是：通过比率图，完成HSI建模。
根据此模型的色彩表现，阴影部分和非阴影处相较，强度偏低、角度较高。
倘若在该种方法的基础上，借助双边滤波器，对目标图像实施滤波处理，这样起到去噪的作用。
而后利用全局阈值，将像素划分成非阴影与候选阴影两个类型，初步生成阴影图。
图像阴影去除的研究现状与进展
计算机与多媒体技术Computer And Multimedia Technology电子技术与软件工程Electronic Technology & Software Engineering 图像阴影去除的研究现状与进展文/钱真真（北京交通大学计算机与信息技术学院 交通数据分析与挖掘北京市重点实验室 北京市100044 ）摘 要：本文主要研究了国内外图像阴影去除的不同方法，并对常用的阴影去除方法进行了归纳。
去除图像中的阴影是图像处理过程中的关键一步，因为图像中的阴影阻碍了许多视觉处理任务的进行。
如阴影区域会对图像中的文字识别造成干扰，阴影“假边”会降低图 像分割的精度，同时也会降低运动物体的追踪的效果。
因此，去除图像中的阴影对后续的图像处理进程有着至关重要的作用。
关键词：阴影去除；阴影检测；现状；进展1引言随着计算机技术，尤其是人工智能的崛起，图像分割、运动物体追踪等视觉领域得到了十足的发展。
然而，光照及遮挡物的遮挡使得阴影在自然图像中几乎是无处不在的，图像中的阴影对后续的 图像处理造成了极大的干扰。
由于光源的种类、强度、遮挡物体的大小、形状、透明度以及背景材质、反射率参数等多种因素的影响，图像中的阴影也随之变得更加复杂。
如何有效地将图像中的阴影去除、为后续的图像处理提供便利，成为图像预处理的重中之重。
图像阴影去除大都可以分为阴影检测和阴影去除两个步骤。
阴 影检测是应用相应的算法对图像进行处理，确定图像中的阴影区域，对阴影区域与非阴影区域进行标注；阴影去除大多是利用检测到的阴影，运用相应的算法、模型或计算将阴影去除，并尽可能完整地保留阴影区域原有的信息，使其无限接近于在相同照明条件、相同场景下的无遮挡物的无阴影图像。
2阴影检测方法归纳2. 1基于区域的阴影检测对于相同反射率的区域，在相同的照明条件下，它们具有相似的纹理和颜色分布，而不同的光照条件，其纹理仍然相似，颜色强度却会存在很大的差异。
消除影子算法
消除影子是计算机视觉中的一个重要任务，它涉及到如何去除图像中的阴影，以便更好地理解和分析图像。
以下是一些消除影子的算法：
1. 基于光照模型的消除影子算法：这种算法假设物体表面受到均匀的光照，因此可以通过计算光照模型来消除阴影。
常用的光照模型包括Lambertian反射模型和Phong光照模型。
这种算法的优点是简单易用，但是它不适用于所有情况，因为实际场景中的光照条件往往不是均匀的。
2. 基于图像处理的消除影子算法：这种算法通常使用图像处理技术来消除阴影，例如使用中值滤波器、高斯滤波器或边缘检测算法等。
这种算法的优点是简单快速，但是它可能会导致图像失真或模糊。
3. 基于深度学习的消除影子算法：这种算法使用深度学习技术来学习阴影的特征，并自动识别和消除阴影。
常用的深度学习模型包括卷积神经网络（CNN）和生成对抗网络（GAN）等。
这种算法的优点是能够自动适应各种情况，但是它需要大量的训练数据和计算资源。
以上是三种常见的消除影子算法，每种算法都有其优缺点，需要根据具体的应用场景选择合适的算法。
图像去模糊算法分析与研究
本科毕业设计（论文）题目: 图像去模糊算法对比分析研究学院:专业：班级:学号:学生姓名：指导教师：职称：二○一五年六月一日图像去模糊算法分析与研究摘要在数字时代,图像去模糊作为图像复原技术的一个分支，一直是一个具有挑战和吸引力的问题，具有重大的研究价值与社会意义。
图像去模糊技术近年来得到了广泛研究，在理论和算法上也愈加系统和成熟,根据图像模糊核是否已知,图像去模糊技术被分为非盲图像去模糊和盲图像去模糊两大类。
文章主要是选取几种典型的去模糊算法，在已知模糊核的基础上进行分析研究各算法的特点与去模糊效果的优劣性，即非盲去模糊算法的分析研究。
基于运动模糊和离焦模糊这两大模糊类型，对其分别在有噪声（本文指高斯白噪声）和无噪声情况下的实验结果进行分析比较。
文章首先介绍了两种主要模糊图像类型及其造成图像模糊的成因，并对各模糊类型的点扩散函数估计获取。
其次,是对图像基本退化模型的引入，从本质上了解图像模糊与去模糊的实质。
接着，我们介绍了两类典型的去模糊评价方法:峰值信噪比（Peak Signal to Noise Ratio）和平均结构相似性指数(Mean Structural Similarity Index）。
在这之后主要是算法比较，分类对几种典型的去模糊算法进行数学分析与讨论，包括用于去除运动模糊的Richardson-Lucy算法（即RL算法)和约束最小二乘法；用于去除离焦模糊的逆滤波算法和维纳滤波算法（Wiener filtering)。
最后对几种算法进行Matlab仿真实验设计，并对其结果与恢复效果分析总结。
关键词：离焦模糊；运动模糊；点扩散函数；算法比较；仿真设计AbstractIn digital times，image de—blurring as a branch of image restoration technology has been a hard and attractive problem. However, image restoration has great value of the research and social significance。
改进的实时反走样透视阴影图算法及实现
区 中 添 加 偏 移 来 改 善 深 度 值 精 度 走 样 ， 括 Ａ． ｏ ｍｉ － 包 Ｗｏ 的 ｄ ｍａ
ｐ ｉ ｇ Ｙ． ｎｇ的 ｓ ｃ ｎ ｅ ｔ ｈ ｄ ｗ ｍａ ｊ Ｃ． ｌｕ ｃ ｄ ｐ ｎ ， Ｗａ ｅ ｏ ｄｄ ｐｈｓ ａ ｏ ｐ，． ｋｏ ｒａ ｅ的
ｏｊｃ Ｉ ｓＤ． ｉ ｏ ｆ ｄａ ｄｐｈｌ ｅｓ ； 增 加 采 样 频 率 ｂｅｔ Ｄ ， Ｗｅ ｋ ｐ 的 ｕｌ ｅｔ ｙｒ 等 ② ｓ ａ 即 阴影 图 分 辨 率 ， 本 思 想 有 两 种 ， 是 增 加 阴 影 图幅 数 产 生 基 一 软 阴 影 ；二 是 增 强 单 幅 阴 影 图 的 采 样 频 率 “ ③ 滤 波 方 ； 法 。 ④ 改 变 阴 影 图 的 采 样 方 式 ， 这 方 面 的 研 究 主 要 有 ， 。； 在 Ｍ．
（． ｎｔｕｅ ｆ ｃｏ ｌ ｔ ｎｃ，Ｃ ｉ ｓ ａ ｅ ｆ ｃ ｎｅ，Ｂ ｉｎ ０ ０ ９ ｈｎ ； Ｉ Ｉｓｔｔ ｏ Ｍｉ ｅｅ ｒ ｉ ｉ ｒ ｃ ｏ ｓ ｈｎ ｅ ｅ Ａｃｄｍｙｏ Ｓ ｉ ｃｓ ｅ ｉ １０ ２ ，Ｃ ｉ ｅ ｊｇ ａ ２ Ｇ ａｕｔ Ｕ ｉｅｓｙ ｈｎｓ ｃｄ ｍｙ ｆ ｃ ｎ ｅ，Ｂ ｉｎ ０ ０ ９ ｈｎ） ． ｒｄ ａｅ ｎｖ ｒ ｔ，Ｃ ｉｅｅ ａｅ ｉ ｃｓ ｅ ｉｇ１０ ４ ，Ｃ ｉａ ｉ Ａ ｏＳ ｅ ｊ
对 这 两 个 问 题 的 阴 影 实 时 绘 制 先 后 出 现 各 种 算 法 着 硬 。 。随
件 水 平 的提 高 ， 如 深 度 缓 存 ， 板 缓 存 的 实 现 ， 得 阴 影 图 诸 模 使
算 法 和 阴影 体 算 法 这 两 种 实 时 阴 影 渲 染 技 术 成 为 主 流 。 比 相
图 算 法 会 出 现 阴 影 走 样 ，即 锯 齿 现 象 。 走 样 根 据 出现 起 因 分
基于Retinex的图像阴影恢复技术的研究与实现
率， 在一 定程度 上 实现 了算法 的 实时性要 求。
关 键词 ：阴影恢 复技术 ；多尺度 Ｒ ｅ ｔ ｉ ｎ ｅ ｘ ；泰勒拉 伸 ；高斯滤 波无 限脉 冲响应 中图分 类号 ：Ｔ Ｐ ３ ９ １ ． ４ 文献 标 志码 ：Ａ 文章编 号 ：１ ０ ０ １ — ３ ６ ９ ５ （ ２ ０ １ ３ ） １ ２ — ３ ８ ３ ３ — ０ ３
第３ ０卷 第 １ ２期
２ ０ １ ３年 １ ２月
计 算 机 应 用 研 究
Ａｐ ｐ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ Ｒｅ ｓ ｅ ａ ｒ ｃ ｈ ｏ ｆ Ｃｏ ｍｐ ｕ ｔ ｅ ｒ ｓ
Ｖｏ １ ． ３ Ｏ Ｎｏ ．１ ２ Ｄｅ ｃ ． ２ ０ １ ３
基于 Ｒ ｅ ｔ ｉ ｎ ｅ ｘ的 图像 阴 影恢 复技 术 的研 究 与 实 现
同时 利用 高斯分 布对拉 伸 区域 进行 自适 应设 定 。实际 结果表 明， 提 出的 算法 能 够有 效地 增 强 图像 信 息 ， 在 恢复 和改善 阴影 区域 细节 的 同时提 高 了图像 的 对比度 ， 并 保持 了图像 的 色彩 空间 。同 时 ， 本算 法 具有 较 快 的运 算速
ｒ ｅ ｃ ｏ ｖ ｅ ｒ ｙ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｍｕ ｌ ｔ ｉ — ｓ ｃ ａ ｌ ｅ Ｒｅ ｔ ｉ ｎ ｅ ｘ
ＷＡ Ｎ Ｇ Ｘ ｉ ａ ｏ — ｘ ｉ ａ ｏ ， Ｓ Ｕ Ｎ Ｙ ｏ ｎ ｇ — ｔ ｏ ｎ ｇ ， Ｚ ＨＡ Ｎ Ｇ Ｙ ｉ ， Ｌ Ｉ Ｕ Ｘ ｉ ａ ｏ — ｊ ｕ ｎ
（ Ｎ ａ ｖ ｉ ｇ ａ ｔ ｉ ｏ ｎ Ｒ ｅ ｓ ｅ ａ ｒ ｃ ｈ Ｃ ｅ ｎ ｔ ｅ ｒ ，Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ｏ ｆＡ ｕ ｔ ｏ ｍ ａ ｔ ｉ ｏ ｎ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ， Ｎ ａ ｎ ｇ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ Ｄ ，Ａ ｅ ｒ ｏ ｎ ａ ｕ ｔ ｉ ｃ ｓ ＆Ａ ｓ ｔ ｒ ｏ ｎ ａ ｕ ｔ ｉ ｃ ｓ ，Ｎ ａ ｎ ｇ ２ １ ０ ０ １ ６ ，Ｃ ｈ ｉ ｎ ａ ）
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
班级030711学号03071005本科毕业设计论文题目图像阴影消除算法研究与实现学院计算机学院专业计算机科学与技术学生姓名范永翔导师姓名牛海军毕业设计（论文）诚信声明书本人声明：本人所提交的毕业论文《图像阴影消除算法研究与实现》是本人在指导教师指导下独立研究、写作的成果，论文中所引用他人的无论以何种方式发布的文字、研究成果，均在论文中加以说明；有关教师、同学和其他人员对本文的写作、修订提出过并为我在论文中加以采纳的意见、建议，均已在我的致谢辞中加以说明并深致谢意。
本论文和资料若有不实之处，本人承担一切相关责任。
论文作者：（签字）时间：年月日指导教师已阅：（签字）时间：年月日西安电子科技大学毕业设计（论文）任务书学生姓名范永翔学号03071005指导教师牛海军职称教授学院计算机学院专业计算机科学与技术题目名称图像阴影消除算法研究与实现任务与要求任务：对阴影区域进行统计分析，建立高斯阴影模型，以此消除阴影。
研究内容：首先对图像进行预处理，转换色域空间，在HSV 颜色空间下,对多个视频中的阴影区域进行直方图统计分析,获得阴影在H、S、V 通道下的颜色特征,根据此特征于相应通道上使用阴影样本训练模型参数建立高斯阴影模型，在所提阴影模型的基础上给出阴影消除算法,通过计算前景像素点与阴影模型的匹配程度对阴影进行判定和消除。
开始日期2011.1.10 完成日期2011.6.20院长（签字）年月日注：本任务书一式两份，一份交学院，一份学生自己保存。
西安电子科技大学毕业设计（论文）工作计划学生姓名范永翔学号03071005指导教师牛海军职称教授学院计算机学院专业计算机科学与技术题目名称图像阴影消除算法研究与实现一、毕业设计（论文）进度起止时间工作内容1.10～3.15 查阅资料，掌握课题研究方向。
3.16～4.15 学习图像预处理方法，建立高斯阴影模型。
4.16～5.31 编程实现阴影消除算法。
6.1～6.10 撰写论文。
6.11～6.20 修改论文，答辩。
二、主要参考书目（资料）1, 章毓晋. 图像处理，清华大学出版社，2006.32,管业鹏顾伟康. 二维场景阴影区域的自动鲁棒分割,电子学报,2006 34(4) :624-6273, 朱碧婷郑世宝基于高斯混合模型的空间域背景分离法及阴影消除，中国图象图形学报，2008,13(10):1907-19094, Prati, A. and Mikic, I. and Trivedi, M.M. and Cucchiara, R. Detecting moving shadows: Algorithms and evaluation. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2003, 25(7): 918-9235, 陈柏生HSV彩色空间的室内外运动人检测与阴影消除华侨大学学报(自然科学版)，2007，28(1):30-33三、主要仪器设备及材料计算机四、教师的指导安排情况（场地安排、指导方式等）每周安排一次见面指导，地点新校区教师休息室。
平时有问题随时联系。
五、对计划的说明毕设开始后，按此计划执行，若遇特殊情况，可适当调整。
注：本计划一式两份，一份交学院，一份学生自己保存（计划书双面打印）西安电子科技大学毕业设计（论文）中期检查表的一部分；此表装订入毕业设计（论文）中。
西安电子科技大学毕业设计（论文）成绩登记表摘要摘要由于阴影的存在，严重影响了运动目标的检测效果，对学者的研究造成了许多影响，所以对阴影进行检测并且消除已经成为运动目标检测中的关键问题之一。
传统阴影消除方法对阴影消除有一些局限性，针对目标检测中的阴影问题，本文提出了一种新方法.在本文中，提出了在HSV颜色空间下，对多个视频的阴影区域进行直方图统计分析，分别获得阴影在H、S、V通道下的各自的颜色特征，再根据以上得出的特征在相应的三个通道上使用阴影样本训练模型参数建立高斯阴影模型，在此基础上给出一种新的阴影消除算法。
在前景检测的部分中，通过高斯混合模型得出前景图像，通过计算前景像素点与阴影模型的匹配程度对阴影进行判定和消除。
通过实验过程，与同类算法的对比分析表明：本算法对不同场景下的阴影消除是准确且实时的，与以往的阴影检测算法在阴影检测率和阴影区分率上均有提升。
关键词: HSV颜色空间阴影特征高斯模型阴影消除ABSTRACTAbstractThe existence of the shadow seriously impacts the result of foreground object detection,it has a bad influence on our research, so detecting and eliminating the shadow is the key problem for the moving target detection. There are some limitations in the traditional shadow elimination methods,aiming to the shadow problem during the detection of the object,we think of a new histogram to statistic and analysis the color feature of the shadow under the HSV color space.In this paper, under the HSV color space, got the shadow feature of the H, S, V channel by histogram analysising the shadow area of a series of video. And then, we establish the Gaussian shadow model on each channel according to the statistic information, to obtain the model parameters through training the shadow sample. Finally, we propose a novel algorithm to eliminate the shadow based on the model we built . In the part of the foreground detection , we can get the foreground image by using the Gaussian mixture model,through computing how the pixel matched to the model to determine and eliminate the shadow.As a result of the experiment, comparing with the similar algorithms, the results show that the proposed algorithm can eliminate the shadow correctly in real-time under different scenarios, and it performs better on the metrics of shadow detection rate and the shadow discrimination rate compared to the existing algorithms.Key words: HSV color space shadow feature Gaussian model Shadow Eliminate目录i目录第一章绪论 (1)1.1 研究背景 (1)1.1.1 阴影的存在及形成原因 (1)1.1.2 阴影的检测与消除 (2)1.1.3 阴影消除与图像处理的研究目的和意义 (2)1.2阴影消除方法发展与现状 (4)1.2.1阴影消除发展历史 (4)1.2.2 阴影消除发展现状 (5)1.3 本文的主要研究内容及安排 (5)1.3.1 研究内容 (5)1.3.2 内容安排 (6)第二章基于统计特征的阴影建模 (7)2.1阴影特征分析 (7)2.1.1RGB 颜色空间 (7)2.1.2 HSV 颜色空间 (8)2.1.3RGB、HSV颜色空间的转换 (9)2.1.4 阴影统计数据提取 (11)2.2 阴影建模 (14)2.2.1 高斯分布与高斯模型 (14)2.2.2 K-maens聚类算法 (16)2.2.3 高斯阴影建模 (17)2.3 本章小结 (18)第三章基于统计模型的前景阴影消除 (19)3.1 前景检测算法 (19)3.1.1 图像分割 (19)3.1.2 前景提取 (20)3.1.3 高斯混合模型 (22)ii 目录3.1.4 高斯混合模型实现前景提取 (22)3.2 基于模型的阴影消除算法 (24)3.3 本章小结 (26)第四章仿真实验 (27)4.1视频测试 (27)第五章结论 (29)5.1研究的结论 (29)5.2 本文的创新与不足 (29)5.2.1本文的创新 (29)5.2.2本文的不足 (30)致谢 (31)参考文献 (33)第一章绪论1第一章绪论1.1研究背景1.1.1阴影的存在及形成原因阴影在自然界中是普遍存在的一种物理现象，阴影在图像中同样普遍存在，在图像中阴影的存在会对目标追踪、物体识别、图像分割和图像匹配等与计算机视觉的相关问题造成不利的影响，它严重影响图像处理的后期工作，因此对图像中阴影的检测和去除算法的研究是十分必要的。
阴影的种类繁多，有基于几何特性的，有基于阴影灰度性质（如阴影边缘灰度渐变，突变，阴影分布是否均匀）的，还有基于阴影形成原因的但目前没有一种通用的阴影去除方法能对所有的阴影由理想的处理效果，因此必须根据不同的情况对不同类型的阴影采用不同的处理方法。
在运动目标检测过程中，阴影的检测和消除是一个不可避免的关键问题。
而阴影自身的特点决定了阴影消除问题的复杂性。
首先，阴影和运动物体一样都显著区别于背景。
其次，阴影和投射它们的运动物体具有相同的运动规律。
阴影和运动物体可能粘合也可能分离，如果阴影和运动物体融合在一起，会使目标的几何形状发生变形，导致形状检测算法失效；如果阴影独立于运动物体存在，则很容易被误认为是一个单独的运动目标。