一种基于纹理的车辆阴影消除新算法

合集下载

一种基于纹理过滤和中值滤波的牌照定位方法

摘
要
提一种基于纹理过滤和中值滤波的牌照定位方法，根据牌照字符纹理图案提出纹理过滤，用行跳变扫描边缘，利进
行粗定位．后采用中值滤波方法进行进一步精确定位。方法简单，牌照底色没有要求。大量试验检测，位准确率达到然该对经定
距离摄像镜头远近的变化而发生一定范围的变化。
神经网络则要进行大量的训练，一般不多的图片对
则难以适应。小波方法是利用其多分辨分析，取提
（）汽车牌照字符纹理变化不同于车身等处，２穿越车牌边缘图的水平直线．会出现连续紧凑的将
２牌照分割
本文采用分步定位的方法得到牌照。即：确先定图片中车牌的上下边界位置。然后再进一步确定车牌的左右边界的位置。
唯一，然后利用中值滤波进一步在候选区域里得到
车牌。
１本研究基于的先验知识
⑥ ２０ＳｉＴｃ．ｎｎ．０６ｃｅｈＥｇｇ．
一
种基于纹理过滤和中值滤波的牌照定位方法
叶霆王琼张艳宁李映
（西北丁业大学软件与微电子学院，安７０６；北工业大学计算机学院，安７０７）西１０５西西１０２
９９。８．％

一种基于纹理的车辆图像分割与提取算法

ｉｍｐｏｔｎｎｏａｉｎｏｅｃｅｔｔｒｒａｔｉｆｒｔｏｆｖｈｉｌｅｘｕｅ，ｌｍｕｍｉａｃｎｃｒｍｉａｃｎｎｅａｄｈｏｎｎｅ．Ｂａｓｎｔｒｔｖｓｌｃｉｇｏｐｉａｈｅｈｄｓｔｘｕｒｅｄｏｉａｉｅｅｅｔｎｔｍｌｔｒｓｏｌ，ｅｔｅｅｍａｋ，ｌｉｎｃａｋａｄｃｒｍｉａｃａｋａｅｃｓｕｍｎａｅｍｓｎｈｏｎｎｅｍｓｒｏｍｐｕｅｔｄ，ａｄｍｏｒｈｏｇｃｌｏｐｒｔｎｐｏｌｉａｅａｉｒｅｆｒｅｏｎｓａｅｐｒｏｍｄ，Ｓｓｔｔｉｈ — Ｏａｏｏｂｎａｖｅｉａｃｅｃｔｕｒａｄｒｌｚｈｉｌｅｍｅｔｔｏｎ．Ｅｘｅｒｍｅｔｌｒｓｔｈｏｔａｈｅｐｏｓｅｈｏｓｇｄｅｏｈ．Ｉｏｄｓｇ— ｌｏｎｏｎｅａｉｅｖｅｃｅｓｇｎａｉｐｉｎａｅｕｌｓｓｗｈｔｔｒｐｏｅｄｍｔｄｉｏｏｎｕｇｔｃｕｌｅ
，
到的交通序列图像提出了多种车辆检测方法，如例基于帧差法、景差法、缘检测法等车辆检测方背边法。基于视频和图像处理的车辆检测的准确性受环境因素的影响较大，而影响分割的准确性。本从
（ｃｏｌｆｎｏｍａｉｎＥｇｎｅｎ，ｕａｎｖｒｉｆＳｉｎｅａｄＴｃｎｌｇ，ｈｎ４０７）ＳｈｏｏｆｒｔｎｉｅｒｇＷｈｎＵｉｅｓｙｏｃｃｎｅｈｏｏｙＷｕａ３００Ｉｏｉｔｅ

一种高准确率的交通监控视频车辆检测算法

一种高准确率的交通监控视频车辆检测算法李乐平;高杨【摘要】针对高速视频监控的车辆识别易受几何变换影响且准确度不高的问题,提出了高效的阴影去除和车辆分类两种视频处理算法来提高车辆识别性能;利用高斯分布像素匹配实现车辆形状的提取;利用阴影区域前景和背景的对比度参数进行有效的阴影去除;利用Hu不变矩表征车辆,从而克服了几何变换的影响;使用7D欧氏特征空间最小距离算法将车辆与指定车辆模型进行比较并分类;对比试验结果证明,本算法具有较高的阴影检测性能和极佳的车辆分类性能,明显优于其他同类型算法.【期刊名称】《计算机测量与控制》【年(卷),期】2015(023)003【总页数】4页(P852-854,857)【关键词】高速公路;阴影去除;车辆分类;Hu不变矩阵【作者】李乐平;高杨【作者单位】内江职业技术学院,四川内江641000;南方医科大学,广州 510515【正文语种】中文【中图分类】TP391.40 引言高速交通监控系统可监控交通情况、降低拥堵、优化交通基础设施利用率及增强交通安全，同时也可实现交通预估与规划。

高速视频监控是交通监控系统的一个重要部分，其可提供丰富的有效信息。

利用此信息，可实现车辆分类、交通流分析、事故检测、车辆跟踪等。

目前已有大量交通视频监控的研究［1－6］，相关研究对象主要分为三部分：1）车辆检测及追踪；2）遮挡去除；3）特征提取及车辆分类。

本文针对交通视频监控系统的阴影去除［7］和车辆分类［8］提出了两种新方案：利用对比度参数实现阴影去除；利用Hu不变矩表征车辆以实现车辆分类。

试验结果显示，本算法具有较好的阴影去除和车辆分类性能，且实现简单、计算复杂度低。

1 本文算法1.1 车辆检测由于视频监控中高速路面的背景一般非静态，如光照变化、树的摆动等影响，因此无法直接使用背景减法等算法来提取车辆，文献［10］的自适应背景算法对背景变化具鲁棒性，该算法将像素表示为对时间的序列｛X1，X2，…，Xt｝，每个像素使用k个高斯分布的混合高斯分布对其建模。

一种基于样本纹理的图像修复算法研究

１改进的图像修复算法
基于样本纹理修复算法的都需要遵循以下的基本原理：利用图像的像素和周同像素的关联性，待修复区域内的像素可以由其附近的像素填充完成，从而完成修复。现有的图像修复算法都是通过先计算待修复像素的优先权，然后利用图像Ｉ的整个已知区域Ｉ — Ｑ，或者从受损区域ｎ附近的领域ｄｎ内选取样本快，如图１所示，从图１中我们可以看出，固定的是样本块的选取区域大小。邻接样本块和样本块之间有着像素的重叠，接着优先权最高的待填充像素块ｐ（ｘ）ｐ＝｛ｐ（１），ｐ（２），．．．，ｐ（Ｎ）｝（其中ｘｉ是像素块的中心像素）从所有的候选样本块组成集合ｐ＝｛ｐ（１），ｐ（２）．，ｐ（Ｎ）｝（其中Ｎ是样本块的总个数）中选择与之最相似的样本块ｐ（ｘｉ），将选取的样本块中的像素填充到受损区域对应的像素值ｐ（ｘｉ）处，然后利用重复迭代的方法，从而使受损图像得以修复。
ＣｏｍｐｕｔｅｒＫｎｏｗｌｅｄｇｅａｎｄＴｅｃｈｎｏｌｏｇｙ电脑知识与技术
Ｖｏ１．９，Ｎｏ．１９，Ｊｕｌｙ２０１３．
一
种基于样本纹理的图像修复算法研究
赵伦
（昭通学院计科系，云南昭通６５７０００）
摘要：传统的基于样本纹理的图像修复算法也存在一定的问题，对于待修复区域周围比较平滑时，样本块之间的相似性非常大，如果仍采用全图遍历，会增加系统的开销，如果降低匹配范围，对于纹理结构比较复杂的破损区域，会造成匹配样本的多样性减少。在该文中，提出一种新的基于样本纹理的数字图像修复算法，该算法的原理是依据破损区域边缘纹理结构的复杂性，动态的选择匹配样本区域，该方法能够弥补全区域检索带来的系统开销问题，还能够较好的保持待修复区域

一种基于统计模型的前景阴影消除算法杨志邦

1
引
言
是图像领域难解问题之一行了研究
［914 ］
［7 ， 8 ］
．国内外诸多学者专家对其进
．本文在运动目标检测算法所获得的前景基础
运动目标检测是从实时变化的背景中将运动物体快速准确地分离出来，它在智能视频监控、事故检测、自动导航等系统中具有广泛的应用前景，已经成为视觉领域研究的重点
Email： yangzhibang2006@ 126． com
摘
要：视频图像中存在的阴影是影响运动目标检测效果的关键因素之一，对阴影进行检测和消除已成为运动检测中的重要研究内容．针对阴影消除问题，本文采用直方图统计方法，将阴影特征引入到传统混合高斯模型中，基于统计特征建立阴影高斯模型; 在模型基础上，提出一种新的前景阴影消除算法，将前景像素与阴影模型进行匹配，实现阴影的判定和消除．与同类算法 : 在阴影检测率和阴影区分度上均有显著提升．的对比分析表明本文算法对于不同场景下的阴影消除是准确且实时的，关键词：运动目标检测；统计特征；高斯模型；前景；阴影消除 1220 （ 2013 ） 02042306 中图分类号： TP391 文献标识码： A 文章编号： 1000-
［13 ］
上，对阴影消除算法进行研究．阴影消除过程需要使用阴影特征，主要包括纹理和属性
［4 ］
．基于纹理的阴影消除算法认为：阴影区域跟无阴影区
．
运动目标检测主要依据前景的运动特征从背景中提取运动目标，采用的方法包括帧差法、背景差法、光流法等．由于阴影具有与运动物体相同的运动特征，通常被误检测为前景．如果阴影和运动物体融合，将影响目标的几何特征；如果阴影与运动目标相分离，则容易被误检测为新的目标

交通视频监控系统中车辆阴影的去除方法

ａｓｓｄ．Ｅｘｅｉｎｓｏｉｅｅｔｓｅｅｕｇｓａｉｈｅｅｔｅｄｔｃｉｎｒｔｆｔｅｐｏｏｅｅｏａｅｌｏｕｅｐｒｍｅｔｎｄｆｒｎｃｎｓｓｇｅｔｔｔｈｇｆｃｉｅｅｔｏａｅｏｒｐｓｄｍｔｄｃｎｂｈｖｈｈ
摘
要：针对智能交通系统（Ｔ）中车辆阴影带来的车辆误提取造成系统可靠性差，且检测算法无法满足实时ＩＳ
性的问题，提出一种改进的基于ＨＶ色彩模型与背景差分法的车辆阴影检测与去除方法。通过分析ＨＶ色彩ＳＳ
模型，改善亮度分量的参数选取，利用阴影与车辆和背景的亮度差检测目标车辆的阴影：结合背景差分法去除阴影。实验结果表明，该方法可以较准确检测车辆阴影，有效提高交通控制中车辆提取的可靠性，且能较好地
ｏｈｄｗ，ｖｈｃｅｎａｋｏｎｄｃｎｂｅｕｅｏｅｔａｔｓａｏｒｍａｇｔｖｈｉｌｓａｃｇｏｎｕｒｃｉｎｉｆｓａｏｅｉｌｓａｄｂｃｇｕａｓｄｔｘｒｃｈｄｗｓｆｏｔｒｅｅｃｅ，ｎｄｂａｋｒｒｕｄｓｂｔａｔｏｓ
满足实时性要求。关键词：智能交通；车辆检测；阴影去除；ＨＳ色彩模型；背景差分法Ｖ
ＶｅｃｅｈａｗｕｐｐｒｓｉｎｉｓｌａｃＳｕｒｅｌａｅｈｉｌｓＳｄｏＳｅｓｏｎＶｉｕａＴｒｆｉｖｉｌｎｃ
２１０１年第２０卷第５期
ｈｔ：ｗ，．Ｓ．ｒ．ｌｔ／ｕｖ－ａｇｒｐ／￣ｃ — ｏＣ

一种自适应的运动目标阴影消除新算法

ＤｅｒｍｅｏｍｐｅＳｃｅｅｎＴｅｈｌｇｙ，ｎｇａａｈｅｓｐａｔｎｔｆＣｏｕｔｒｉｎｃａｄｃｎｏｏＬａｆｎｇＴｅｃｒＣｏｌｇｅ，ｎａｇ，ｅｅ０６５００，ｌｅＬａｇｆｎＨｂｉ０Ｃｈｉｎａ
Ｋｅｒｓｄｐｉｅｄｎｍｉｔｘｕｅａａｓ；ｖｎｂｅｔ；ｈｄｗｅｉｎｔｎｙｗｏｄ：ａａｔ；ｙａｃｅｔｎｌｉｍｏｉｇｏｊｃｓｓａｏｌａｉｖｒｙｓｍｉｏ
摘
要：确地消除活动阴影对运动目标的影响是智能视频监控的核心任务之一，精对此提出了一种基于局部纹理分析的自适应
阴影消除新算法。进行了基于高斯混合模型的背景重建，并根据阴影的光学特性进行了阴影区域的预检测，到疑似阴影区域；得提出了一种新的自适应动态纹理分析方法并在此基础上实现了活动阴影的检测与消除。实验结果验证了算法的有效性和实用性。
关键词：自适应；态纹理分析；动运动目标；阴影消除
ＤＯＩ１．７８，ｓ．０ —３１００３．５文章编号：０２８３（００３ —１８０文献标识码：中图分类号：Ｐ９．０３７／ｉｎ１２８３．１．６２ｊｓ０２０１０ —３１２１）６０８ —４ＡＴ３１
ｂｈｏｅｔｏ．ｐｒｅｔｒｓｌｒｖｈａｉｉｎｒｃｉａｉｔｆｔｅａｇｒｈ．ｙｔｅｎｖｌｍｅｈｄＥｘｅｉｎｅｕｔｐｏｅｔｅｖｌｔａｄｐａｔｂｌｏｈｌｏｉｍｍｓｄｙｃｉｙｔ

基于曲面纹理映射的图像对象阴影快速生成方法_宋汉辰

授, 博导, 研究方向为多媒体信息处理。
阴影生成算法。对建筑物及其场景中插入的景物图像(如树木、人物等)可以根据光源、视点的位置,生成合理的阴影和倒影[5]。Tecchia 在虚拟城镇的仿真应用中实现了基于图像的动态人群阴影的生成[6]。当两者的阴影生成算法仅适用于地表为水平面的情况，在一般的虚拟环境中，这种条件很难得到保证。在生成阴影的类型上，Williams 研究实现了基于层次深度图像的清晰阴影（Hard shadow）计算[7]，Agrawala 在提出了两种基于图像的柔和阴影（Soft shadow）计算方法[8]： Layered Attenuation Maps 与 Coherence-Based Ray tracing，这些算法以已知深度信息的图像为基础，且引入了部分对象结构重构的计算，在实用性和实时性上还有一定的困难。
记 FI 为待投影的对象视图载体平面， FS 为在地表网格上投影所得的实际阴影范围， FG1为用与实际阴影范围相交的所有地表网格 ∆ 并集表示的阴影范围， FG2 为包含于实际阴影
范围中的所有地表网格 ∆ 并集表示的阴影范围：
FG1 ={∆ ∆ ∈ Σ, ∆ ∩ Fs ≠ Φ} FG2 ={∆ ∆ ∈ Σ, ∆ ⊂ Fs } 则 FG2 ⊂ FS ⊂ FG1 ，这两种地表网格的并集均不能准确地表达对象的阴影范围。我们采用将图像对象视图载体(图 1(b) 中平行四边形结构)均匀划分为若干网格，计算每一个网格点在地表的投影点的方法来确定对象阴影的投影曲面和纹理控制点。如图 1(a)所示，G 为需计算投影点的任一对象视图载体网格点，G 点在地表的垂直投影点为 g，L 为从 G 点出发，沿已知光线方向的射线；t 为 L 在地形网格上投影线上的点； H(t) 和 T (t) 分别为与投影点 t 对应的地表高程和在光线矢

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)。

ｉｄｅｈｄｉｃｓｏａｕｈｒｉａｔｐｏｄｏｄｔｃｉｎ－ｓｄｏｒｍｏｖｎｇａｌｉｇｔａｅｎｄｃｒｃｅｉｔｃｆｎ．ｐｔｓｕｓｉｎｂｏｔｔｅｃｆｃｌｓｅｆｖｉｅｅｅｔｏ－ｈａｗｅｉ，ｎａｙｚｎｈｅｃｕｓｓａｈａａｔｒｓｉｓｏｈｈａｏｄｓｒｂｉｈｕｒｅｈｄｏｒｍｖａｌｏｉｈｍｓａｏｔｅｓｄｗ，ｅｃｉｎｇｔｅｃｒｎｔｓａｗｅｏｌａｇｒｔ，ｎｄｐｒｐｏｓｄａｎｗｅｈｏｍａｅｔｅｂａｅｖｈｉｌｅｅｍｔｄｏｆｉｇｅｔｘｕｒ－ｓｄｅｃｅｃｓｈａｏｌｍｉｔｏａｐｒｃｂａｅｎｈｅｅｓｉｌｏｉｈｓＥｘｒｍｅａｅｕｌｓｈｖｒｅｈａｈｉｅｈｏｄｃｎａｔｓｄｗｅｉｎａｉｎｐｏａｈｓｄｏｔｘｉｔｎｇａｇｒｔｍ．ｐｅｉｎｔｌｒｓｔａｅｐｏｖｄｔｔｔｓｍｔａｒｍｏｅｔｈｉｌｈｏｗｅｌｎｄｓｉｌｌｒｏｐｅｅｔｒｔｈｃｅｉｆｍａｉｎｎｄｌｉｈｅｆｕｎｄｔｏｎｆｒｅｔａｔｎｇｅｖｈｅｖｅｃｅｓａｄｗｌａｔｌｄｖｅｙｃｍｌｔａｇｅｈｏｖｅｉｌｎｏｒｔｏａａｄｔｏａｉｏｘｒｃｉｖｈｉｌａｇｅ．ｅｃｅｔｒｔ
各种背景中都可被吸纳为背景，对运动检测影响不大，所以本
在该检测方法中，将当前图像中被判为前景的每个点与背景
在阴影遮盖时的值相比较，再结合该点的属于三种区域（物体、
背景、阴影）的先验概率，来求对应的三个后验概率，最大相做
似判定。
（）Ｓ颜色模型。Ｓ模型是根据颜色的直观特性创建２ＨＶＨＶ出来的一种颜色模型，也成为六角椎体模型。这个模型中颜色
摘要：基于对智能交通系统（ｓＩｔｌｇｎｒｎｐｒｓｓｍｌ中视频检测的研究和分析，Ｉ，ｎｅｉｅｔａｓｏｔｙｔｓＴｌＴｅ）特别针对其中关键步骤之．的阴一．
影消除展开深入探讨，分析了阴影产生的原理和特点，阐述了现有的阴影去除算法，在现有算法的基础上提出了一种基于区域
（）空域信息和先验概率模型。１一般在ＲＢ型中，Ｇ模
阴影对背景的影响可以用一个线性变换来近似，假设ｖ［，，］是背景上某点没有阴影时的颜色值，＝ＲＧＢ因阴影遮盖，
该点的颜色变化可表示为ｖ＝ｖ其中Ｄｄａ（Ｒｄ，Ｂ＝ｉ ’ Ｄ，＝ｉｇｄ，Ｇｄ）ｄ
Ｋｅｗｏｄ：ｄｏｄｔｃｉｎＳａｏｒｍｏａ；ｍａｅｔｘｕｅｃａｓｆｃｔｏｅｓｔｙｒｓＶｉｅｅｅｔ；ｈｄｗｅｖｌＩｇｔｒ；ｓｉｉａｉｎｄｎｉｏｅｌｙ
Ｏ引言
近几年来，智能交通系统成为众多科研人员研究的热点，视频检测技术以其独特的优点成为三项重点发展的交通检测
ＡｂｔａｔｂｓｄｏｅｒｓａｃｎｎｌｓｓｏｖｄｏｓｑｅｃｆｈｎｅｌｅｔｒｎｐｒＳｓｅｓｈｓａｅｓｅｉｌａｓｒｃ：ａｅｎｔｅｅｒｈａｄａａｙｉｆｉｅｅｕｎｅｏｔｅＩｔｌｉｎａｓｏｔｙｔｍ，ｉｐｒｐｃａｌｈｄａｈｇＴｔｐｅｙ
聚类的阴影消除算法。实践证明，该方法能够较好的去除运动车辆的阴保留较完整的车辆目影，标信息，为准确提取车辆目标
奠定了基础。
关键词：视频检测；频消除；视纹理；分类密度
中图分类号：Ｐ９．１文献标识码：文章编号：６３１３２１）６０１—２Ｔ３１４Ａ１７－１１（０１０ —０８０
的参数如下：色彩（ｕ）Ｈｅ，饱和度（ａｕａｉｎ，Ｓｔｒｔｏ）明度（ａｕ）模Ｖｌｅ。
文主要研究车辆投射阴影的消除算法。
２１０１年第６期（总第１６期）１
信息通信
ＩＯＲＭＡＴＩＮＦＯＮ＆ＣＯＭＭＵＮＩＡＴＩＣＯＮＳ
２１０１
（ｕ．Ｎ１）Ｓｍｏ１６
一
种基于纹理的车辆阴影消除新算法
张明星。代永霞，张静
（兰州交ቤተ መጻሕፍቲ ባይዱ 大学电子与信息工程学院，甘肃兰州７０７）３００
技术之一。在车辆视频检测中，由于阴影与背景的差异比较明
显，并且和运动目标具有相同的运动属性，检测中经常会被错
ａ（．８０４，．１是个对角矩阵，ｇ０４，．７Ｏ５）其中的经验参数由实验测得
圆
。
误的理解为前景，从而导致真正的目标被错误的去除，影响了运动目标检测的准确性。阴影一般可分为静态阴影和动态阴影，静态阴影是指树木建筑物的阴影，一般被当做背景；动态阴影是车辆目标产生的阴影，又分为自身阴影和投射阴影，前者是物体自身背光的一面，后者是在光照下，由物体投射到背景中形成的。静止阴影在