一种基于纹理的车辆阴影消除新算法
ｉ ｄｅ ｈｄｉｃ ｓｏ ａ ｕ ｈ ｒ ｉａ ｔ ｐ ｏ ｄ ｏ ｄ ｔ ｃ ｉｎ－ ｓ ｄｏ ｒ ｍ ｏｖ ｎｇ ａ ｌ ｉ ｇ ｔ ａ ｅ ｎｄｃ ｒ ｃ ｅ ｉｔｃ ｆ ｎ． ｐｔ ｓ ｕｓ ｉｎ ｂｏ ｔｔ ｅ ｃ ｆ ｃ ｌｓｅ ｆｖｉ ｅ ｅ ｅ ｔｏ － ｈａ ｗ ｅ ｉ ， ｎａｙｚ ｎ ｈｅｃ ｕｓ ｓａ ｈａ ａ ｔ ｒｓｉｓｏ ｈ ｈａ ｏ ｄ ｓ ｒｂｉ ｈ ｕｒｅ ｈ ｄｏ ｒ ｍ ｖａ ｌ ｏ ｉｈｍ ｓａ ｏ ｔ ｅ ｓ ｄ ｗ ，ｅ ｃ ｉ ｎｇ ｔ ｅ ｃ ｒ ｎｔｓ ａ ｗ ｅ ｏ ｌａ ｇ ｒｔ ，ｎｄ ｐｒ ｐｏｓ ｄ ａ ｎ ｗ ｅｈｏ ｍ ａ ｅ ｔ ｅ ｂａ ｅ ｖ ｈｉｌ ｅ ｅ ｍ ｔ ｄ ｏｆｉ ｇｅｔ ｘ ｕｒ － ｓ ｄ ｅ ｃｅ ｃ ｓ ｈａ ｏ ｌｍ ｉ ｔｏ ａ ｐｒ ｃ ｂａ ｅ ｎ ｈｅ ｅ ｓｉ ｌ ｏ ｉｈ ｓＥｘ ｒｍ ｅ ａ ｅ ｕｌｓ ｈ ｖ ｒ ｅ ｈａ ｈｉ ｅｈｏｄ ｃ ｎ ａ ｔｓ ｄ ｗ ｅｉ ｎａ ｉｎ ｐ ｏａ ｈ ｓ ｄ ｏ ｔ ｘｉｔｎｇ ａ ｇ ｒｔ ｍ ． ｐｅ ｉ ｎｔ ｌｒ ｓ ｔ ａ ｅ ｐ ｏｖ ｄ ｔ ｔｔ ｓｍ ｔ ａ ｒ ｍ ｏ ｅｔ ｈｉｌ ｈ ｏ ｗｅ ｌ ｎｄ ｓｉｌ ｌ ｒ ｏ ｐ ｅｅｔ ｒ ｔ ｈ ｃｅｉ ｆ ｍ ａ ｉｎ ｎｄｌ ｉ ｈｅｆ ｕｎｄ ｔｏｎｆ ｒｅ ｔａ ｔｎｇ ｅ ｖ ｈｅｖｅ ｃｅ ｓ ａｄ ｗ ｌ ａ ｔｌ ｄｖｅ ｙ ｃ ｍ ｌ ｔ ａ ｇｅ ｈｏ ｖｅ ｉ ｌ ｎ ｏｒ ｔｏ ａ ａｄ ｔ ｏ ａ ｉ ｏ ｘ ｒ ｃ ｉ ｖ ｈｉｌ ａ ｇｅ ． ｅ ｃ ｅｔｒ ｔ
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 ２ ＨＶ ＨＶ 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（ ｓ Ｉｔｌｇ ｎ ｒｎ ｐ ｒ ｓ ｓ ｍｌ中视频检 测的研究和分析， Ｉ ， ｎｅ ｉｅｔ ａｓ ｏｔ ｙｔ ｓ Ｔ ｌ Ｔ ｅ ） 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 Ｒ Ｂ 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 ， ＝Ｒ ＧＢ 因阴影遮盖 ，
该点的颜 色变化可表 示为ｖ ＝ ｖ其中Ｄ ｄ ａ （Ｒ ｄ ，Ｂ ＝ ｉ ’ Ｄ， ＝ ｉ ｇｄ ， Ｇ ｄ ） ｄ
Ｋｅ ｗｏ ｄ ： ｄ ｏ ｄ ｔｃ ｉ ｎ Ｓ ａ ｏ ｒ ｍ ｏ ａ； ｍａ ｅｔｘ ｕ ｅｃａ ｓｆｃ ｔｏ ｅ ｓｔ ｙ ｒ ｓ Ｖｉ ｅ ｅｅ ｔ ； ｈ ｄ ｗ ｅ ｖ ｌ Ｉ ｇ ｔ ｒ ； ｓ ｉｉ ａ ｉｎ ｄ ｎ ｉ ｏ ｅ ｌ ｙ
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
Ａｂ ｔ ａ ｔ ｂ ｓ ｄｏ ｅｒ ｓ ａ ｃ ｎ ｎ ｌｓｓｏ ｖ ｄ ｏｓ ｑ ｅ ｃ ｆ ｈ ｎ ｅｌ ｅ ｔ ｒ ｎ ｐ ｒ Ｓ ｓｅ ｓ ｈ ｓ ａ ｅ ｓ ｅ ｉｌ ａ ｓ ｒ ｃ ： ａ ｅ ｎ ｔ ｅ ｅ ｒ ｈａ ｄａ ａｙ ｉ ｆ ｉ ｅ ｅ ｕ ｎ ｅｏ ｔ ｅＩ ｔｌｉ ｎ ａ ｓ ｏ ｔ ｙ ｔｍ ， ｉ ｐ ｒ ｐ ｃａｌ ｈ ｄａ ｈ ｇ Ｔ ｔ ｐ ｅ ｙ
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 ： Ｐ ９．１ 文献标识码： 文章 编号 ： ６３１３ ２ １） ６０ １—２ Ｔ ３１ ４ Ａ １７ －１１（０１ ０ —０８０
的参数如下： 色彩 （ｕ ） Ｈ ｅ， 饱和度（ａ ｕ ａ ｉｎ， Ｓ ｔ ｒ ｔ ｏ ）明度（ａ ｕ ） 模 Ｖ ｌ ｅ。
文主要研究车辆投射阴影 的消除算法。
２１ ０１年 第 ６ 期 （ 总第 １６ 期 ） １
信 息 通 信
Ｉ ＯＲＭ ＡＴＩ ＮＦ ＯＮ ＆ ＣＯＭ Ｍ ＵＮＩ ＡＴＩ Ｃ ＯＮＳ
２ １ ０１
（ｕ ． Ｎ １） Ｓｍ ｏ １ ６
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 ７ ０ ７ ） ３ ０ ０
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
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 ２ ＨＶ ＨＶ 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（ ｓ Ｉｔｌｇ ｎ ｒｎ ｐ ｒ ｓ ｓ ｍｌ中视频检 测的研究和分析， Ｉ ， ｎｅ ｉｅｔ ａｓ ｏｔ ｙｔ ｓ Ｔ ｌ Ｔ ｅ ） 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 Ｒ Ｂ 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 ， ＝Ｒ ＧＢ 因阴影遮盖 ，
该点的颜 色变化可表 示为ｖ ＝ ｖ其中Ｄ ｄ ａ （Ｒ ｄ ，Ｂ ＝ ｉ ’ Ｄ， ＝ ｉ ｇｄ ， Ｇ ｄ ） ｄ
Ｋｅ ｗｏ ｄ ： ｄ ｏ ｄ ｔｃ ｉ ｎ Ｓ ａ ｏ ｒ ｍ ｏ ａ； ｍａ ｅｔｘ ｕ ｅｃａ ｓｆｃ ｔｏ ｅ ｓｔ ｙ ｒ ｓ Ｖｉ ｅ ｅｅ ｔ ； ｈ ｄ ｗ ｅ ｖ ｌ Ｉ ｇ ｔ ｒ ； ｓ ｉｉ ａ ｉｎ ｄ ｎ ｉ ｏ ｅ ｌ ｙ
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
Ａｂ ｔ ａ ｔ ｂ ｓ ｄｏ ｅｒ ｓ ａ ｃ ｎ ｎ ｌｓｓｏ ｖ ｄ ｏｓ ｑ ｅ ｃ ｆ ｈ ｎ ｅｌ ｅ ｔ ｒ ｎ ｐ ｒ Ｓ ｓｅ ｓ ｈ ｓ ａ ｅ ｓ ｅ ｉｌ ａ ｓ ｒ ｃ ： ａ ｅ ｎ ｔ ｅ ｅ ｒ ｈａ ｄａ ａｙ ｉ ｆ ｉ ｅ ｅ ｕ ｎ ｅｏ ｔ ｅＩ ｔｌｉ ｎ ａ ｓ ｏ ｔ ｙ ｔｍ ， ｉ ｐ ｒ ｐ ｃａｌ ｈ ｄａ ｈ ｇ Ｔ ｔ ｐ ｅ ｙ
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 ： Ｐ ９．１ 文献标识码： 文章 编号 ： ６３１３ ２ １） ６０ １—２ Ｔ ３１ ４ Ａ １７ －１１（０１ ０ —０８０
的参数如下： 色彩 （ｕ ） Ｈ ｅ， 饱和度（ａ ｕ ａ ｉｎ， Ｓ ｔ ｒ ｔ ｏ ）明度（ａ ｕ ） 模 Ｖ ｌ ｅ。
文主要研究车辆投射阴影 的消除算法。
２１ ０１年 第 ６ 期 （ 总第 １６ 期 ） １
信 息 通 信
Ｉ ＯＲＭ ＡＴＩ ＮＦ ＯＮ ＆ ＣＯＭ Ｍ ＵＮＩ ＡＴＩ Ｃ ＯＮＳ
２ １ ０１
（ｕ ． Ｎ １） Ｓｍ ｏ １ ６
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 ７ ０ ７ ） ３ ０ ０
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
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 ２０ Ｓ ｉＴ ｃ ． ｎｎ ． ０ ６ ｃ ｅｈ Ｅ ｇ ｇ ．
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 ７ ０ ６ ； 北 工 业 大 学 计 算机 学 院 ， 安 ７０ ７ ） 西 １０ ５ 西 西 １０ ２
９ ９ 。 ８．％
一种基于纹理的车辆图像分割与提取算法
ｉ ｍｐｏ ｔ ｎ ｎ ｏ ａｉ ｎ ｏ ｅ ｃｅ ｔ ｔｒ ｒａ ｔｉ ｆ ｒ ｔｏ ｆ ｖ ｈｉｌ ｅｘｕ ｅ， ｌ ｍ ｕｍｉ ａ ｃ ｎ ｃ ｒ ｍ ｉ ａ ｃ ｎ ｎ ｅ ａ ｄ ｈ ｏ ｎ ｎ ｅ． Ｂａｓ ｎ ｔｒ ｔｖ ｓ ｌｃｉ ｇ ｏｐ ｉ ａ ｈ ｅ ｈ ｄｓ ｔ ｘｕｒ ｅｄ ｏ ｉ ａ ｉｅ ｅｅ ｔｎ ｔｍ ｌｔ ｒ ｓ ｏｌ ， ｅ ｔ ｅ ｅ ｍ ａ ｋ，ｌ ｉ ｎｃ ａ ｋ ａ ｄ ｃ ｒ ｍ ｉ ａ ｃ ａ ｋ ａ ｅ ｃ ｓ ｕｍ ｎａ ｅ ｍ ｓ ｎ ｈ ｏ ｎ ｎ ｅ ｍ ｓ ｒ ｏｍｐｕ ｅ ｔ ｄ，ａ ｄ ｍ ｏｒ ｈ ｏｇｃ ｌｏｐ ｒ ｔ ｎ ｐ ｏｌ ｉａ ｅ ａｉ ｒ ｅ ｆ ｒ ｅ ｏｎｓａ ｅ ｐ ｒｏ ｍ ｄ，Ｓ ｓｔ ｔｉ ｈ — Ｏ ａ ｏ ｏｂ ｎ ａｖｅ ｉ ａ ｃｅ ｃ ｔｕｒａ ｄ ｒ ｌｚ ｈｉｌ ｅ ｍ ｅ ｔｔｏｎ． Ｅｘ ｅｒｍ ｅ ｔｌｒ ｓ ｔ ｈｏ ｔａ ｈｅ ｐ ｏ ｓ ｅｈｏ ｓ ｇ ｄ ｅ ｏ ｈ． Ｉ ｏ ｄ ｓ ｇ— ｌ ｏｎｏ ｎ ｅａｉｅ ｖｅ ｃｅ ｓ ｇ ｎ ａｉ ｐ ｉ ｎａ ｅ ｕｌｓｓ ｗ ｈ ｔｔ ｒ ｐｏ ｅｄ ｍ ｔ ｄ ｉ ｏｏ ｎ ｕｇ ｔｃ ｕｌ ｅ
，
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
（ ｃ ｏ ｌ ｆ ｎｏｍａｉｎＥ ｇｎ ｅ ｎ ， ｕ ａ ｎｖ ｒｉ ｆＳ ｉｎ ｅａ ｄＴ ｃ ｎ ｌｇ ， ｈ ｎ ４ ０ ７ ） Ｓ ｈ ｏ ｏ ｆ ｒ ｔ ｎ ｉｅ ｒ ｇ Ｗ ｈ ｎ Ｕ ｉｅｓ ｙｏ ｃ ｃ ｎ ｅ ｈ ｏｏ ｙ Ｗｕ ａ ３ ０ ０ Ｉ ｏ ｉ ｔ ｅ
，
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
（ ｃ ｏ ｌ ｆ ｎｏｍａｉｎＥ ｇｎ ｅ ｎ ， ｕ ａ ｎｖ ｒｉ ｆＳ ｉｎ ｅａ ｄＴ ｃ ｎ ｌｇ ， ｈ ｎ ４ ０ ７ ） Ｓ ｈ ｏ ｏ ｆ ｒ ｔ ｎ ｉｅ ｒ ｇ Ｗ ｈ ｎ Ｕ ｉｅｓ ｙｏ ｃ ｃ ｎ ｅ ｈ ｏｏ ｙ Ｗｕ ａ ３ ０ ０ Ｉ ｏ ｉ ｔ ｅ
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 ｄ ｎ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ｘ ｉ 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 （ ｘ ｉ ） ， 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 （ ｘ ｉ ） 处， 然后 利用 重复迭代 的方法 ， 从 而使 受损 图像 得以修复。
Ｃ ｏ ｍｐ ｕ ｔ ｅ ｒ Ｋ ｎ ｏ ｗ ｌ ｅ ｄ ｇ ｅ ａ ｎ ｄ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ电 脑 知 识 与技术
Ｖｏ １ ． ９ ， Ｎｏ ． １ ９ ， Ｊ ｕ ｌ ｙ ２ ０１ ３ ．
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 ６ ５ ７ ０ ０ ０ ）
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
ａｓ ｓ ｄ．Ｅｘ ｅ ｉ ｎｓ ｏ ｉ ｅ ｅ ｔｓ ｅ ｅ ｕ ｇ ｓ ａ ｉｈ ｅ ｅ ｔ ｅ ｄ ｔｃ ｉｎ ｒ ｔ ｆｔ ｅ ｐ ｏ ｏ ｅ ｅ ｏ ａ ｅ ｌｏ ｕ ｅ ｐ ｒｍｅ ｔ ｎ ｄｆ ｒ ｎ ｃ ｎ ｓ ｓ ｇ ｅ ｔｔ ｔｈｇ ｆ ｃ ｉ ｅｅ ｔｏ ａ ｅ ｏ ｒ ｐ ｓ ｄ ｍ ｔ ｄ ｃ ｎ ｂ ｈ ｖ ｈ ｈ
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 Ｈ Ｖ 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 Ｈ Ｖ 色彩 Ｓ Ｓ
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
ｏ ｈ ｄ ｗ，ｖ ｈ ｃｅ ｎ ａ ｋ ｏ ｎｄ ｃ ｎｂｅｕ ｅ ｏ ｅ ｔａ ｔｓ ａ ｏ ｒ ｍ ａｇ ｔｖ ｈｉｌｓ ａ ｃ ｇ ｏ ｎ ｕ ｒ ｃｉ ｎ ｉ ｆｓ ａ ｏ ｅ ｉｌ ｓａ ｄ ｂ ｃ ｇ ｕ ａ ｓ ｄ ｔ ｘ ｒｃ ｈ ｄ ｗｓｆｏ ｔｒ ｅ ｅ ｃｅ ， ｎｄｂａ ｋ ｒ ｒ ｕ ｄ ｓ ｂｔａ ｔｏ ｓ
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
Ｖｅ ｃ ｅ ｈａ ｗ ｕｐｐｒ ｓ ｉ ｎ ｉ ｓ ｌ ａ ｃＳｕｒ ｅｌａ ｅ ｈｉｌ ｓＳ ｄｏ Ｓ ｅ ｓｏ ｎ Ｖｉｕａ Ｔｒ ｆ ｉ ｖ ｉｌ ｎｃ
２１ ０ １年 第 ２ ０卷 第 ５ 期
ｈｔ：ｗ ， ． Ｓ ．ｒ． ｌ ｔ ／ ｕｖ －ａ ｇ ｒ ｐ ／ ￣ ｃ — ｏ Ｃ
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 Ｈ Ｖ 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 Ｈ Ｖ 色彩 Ｓ Ｓ
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
ｏ ｈ ｄ ｗ，ｖ ｈ ｃｅ ｎ ａ ｋ ｏ ｎｄ ｃ ｎｂｅｕ ｅ ｏ ｅ ｔａ ｔｓ ａ ｏ ｒ ｍ ａｇ ｔｖ ｈｉｌｓ ａ ｃ ｇ ｏ ｎ ｕ ｒ ｃｉ ｎ ｉ ｆｓ ａ ｏ ｅ ｉｌ ｓａ ｄ ｂ ｃ ｇ ｕ ａ ｓ ｄ ｔ ｘ ｒｃ ｈ ｄ ｗｓｆｏ ｔｒ ｅ ｅ ｃｅ ， ｎｄｂａ ｋ ｒ ｒ ｕ ｄ ｓ ｂｔａ ｔｏ ｓ
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
Ｖｅ ｃ ｅ ｈａ ｗ ｕｐｐｒ ｓ ｉ ｎ ｉ ｓ ｌ ａ ｃＳｕｒ ｅｌａ ｅ ｈｉｌ ｓＳ ｄｏ Ｓ ｅ ｓｏ ｎ Ｖｉｕａ Ｔｒ ｆ ｉ ｖ ｉｌ ｎｃ
２１ ０ １年 第 ２ ０卷 第 ５ 期
ｈｔ：ｗ ， ． Ｓ ．ｒ． ｌ ｔ ／ ｕｖ －ａ ｇ ｒ ｐ ／ ￣ ｃ — ｏ Ｃ
一种自适应的运动目标阴影消除新算法
Ｄｅ ｒｍ ｅ ｏ ｍ ｐ ｅ Ｓｃ ｅ ｅ ｎ Ｔｅ ｈ ｌ ｇｙ， ｎｇ ａ ａ ｈｅ ｓ ｐａ ｔ ｎｔ ｆ Ｃｏ ｕｔ ｒ ｉｎｃ ａ ｄ ｃ ｎｏ ｏ Ｌａ ｆ ｎｇ Ｔｅ ｃ ｒ Ｃｏ ｌｇｅ， ｎ ａ ｇ， ｅ ｅ ０６５ ００， ｌｅ Ｌａ ｇｆ ｎ Ｈ ｂ ｉ ０ Ｃｈｉ ｎａ
Ｋｅ ｒ ｓ ｄｐｉｅｄ ｎｍｉ ｔｘｕｅａ ａ ｓ ； ｖｎ ｂｅｔ；ｈｄ ｗ ｅｉ ｎｔ ｎ ｙｗｏ ｄ ：ａ ａｔ ；ｙ ａ ｃ ｅ ｔ ｎ ｌ ｉ ｍｏ ｉｇｏ ｊｃｓｓａ ｏ ｌ ａｉ ｖ ｒ ｙｓ ｍｉ ｏ
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
ＤＯＩ１．７ ８ ，ｓ ． ０ —３ １ ０ ０３ ．５ 文章 编 号 ：０ ２８ ３ （ ０ ０ ３ —１８０ 文献 标识 码 ： 中 图 分 类 号 ： Ｐ ９ ．０３ ７ ／ｉ ｎ１ ２８ ３ ． １．６ ２ ｊｓ ０ ２ ０ １０ —３ １２ １ ）６０ ８ —４ Ａ Ｔ３１
ｂ ｈ ｏ ｅ ｔｏ ． ｐ ｒ ｅ ｔｒｓ ｌ ｒ ｖ ｈ ａｉ ｉ ｎ ｒｃｉａ ｉｔ ｆ ｔｅ ａｇ ｒ ｈ ． ｙ ｔｅ ｎ ｖ ｌｍｅｈ ｄＥｘ ｅｉ ｎ ｅｕｔ ｐｏ ｅ ｔｅ ｖ ｌ ｔ ａ ｄ ｐ ａ ｔ ｂｌ ｏ ｈ ｌｏ ｉ ｍ ｍ ｓ ｄｙ ｃ ｉ ｙ ｔ
Ｋｅ ｒ ｓ ｄｐｉｅｄ ｎｍｉ ｔｘｕｅａ ａ ｓ ； ｖｎ ｂｅｔ；ｈｄ ｗ ｅｉ ｎｔ ｎ ｙｗｏ ｄ ：ａ ａｔ ；ｙ ａ ｃ ｅ ｔ ｎ ｌ ｉ ｍｏ ｉｇｏ ｊｃｓｓａ ｏ ｌ ａｉ ｖ ｒ ｙｓ ｍｉ ｏ
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
ＤＯＩ１．７ ８ ，ｓ ． ０ —３ １ ０ ０３ ．５ 文章 编 号 ：０ ２８ ３ （ ０ ０ ３ —１８０ 文献 标识 码 ： 中 图 分 类 号 ： Ｐ ９ ．０３ ７ ／ｉ ｎ１ ２８ ３ ． １．６ ２ ｊｓ ０ ２ ０ １０ —３ １２ １ ）６０ ８ —４ Ａ Ｔ３１
ｂ ｈ ｏ ｅ ｔｏ ． ｐ ｒ ｅ ｔｒｓ ｌ ｒ ｖ ｈ ａｉ ｉ ｎ ｒｃｉａ ｉｔ ｆ ｔｅ ａｇ ｒ ｈ ． ｙ ｔｅ ｎ ｖ ｌｍｅｈ ｄＥｘ ｅｉ ｎ ｅｕｔ ｐｏ ｅ ｔｅ ｖ ｌ ｔ ａ ｄ ｐ ａ ｔ ｂｌ ｏ ｈ ｌｏ ｉ ｍ ｍ ｓ ｄｙ ｃ ｉ ｙ ｔ
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
一种基于阴影图的实时软阴影算法
维普资讯
第２ ７卷 第 １ ０期
２０ ０ ７年 １ ０月
文 章 编 号 ：０ １— ０ １ ２０ ） ０— ５ ８— ３ １０ ９ ８ （０ ７ １ ２ ３ ０
一
计 算机 应用
Ｃ ｍｐ ｔ ｒＡｐ ｌ ａｉ ｎ ｏ ｕｅ ｐｉ ｔ ｓ ｃ ｏ
）
Ａｂ ｔ ａ ｔ ｓｒ ｃ ：Ａ ｅ ｇ ｒ ｈ ｏ ｅ ｌｔ ｏ ｈ ｄ ｗ ａ ｅ ｎ ｓ ａ ｏ ｍａ ｓ ｗ ｓ ｐ ｅ ｅ ｔ ｄ Ｆ ｒｆ ， ｗ ｅ ｅ ａｅ ｗ ｎ ｗ ａ ｏ ｔｍ ｆｒ ａ — ｍｅ ｓ ｆ ｓ ａ ｏ ｓ ｂ ｓ ｄ ｏ ｈ ｄ ｗ ｐ ａ ｒｓ ｎｅ ． ｉ ｌ ｌ ｉ ｉ ｔ ｅ ｙ ｅ ｇ ｎ ｒｔ ｄ ｔ ｏ ｄ ｐ ｈ ｂ ｆｅ ｓｆ ｒｏ ｃｕ ｅ ｎ ｃ ｉｅ ， ｄ ｓ ｒ ｔ ｉ ｇ ｔｅ ｏ ｃｕ ｅ ｏ ｍｉ ｒ — ａｃ ｅ ；ｔ ｅ ， ｗ ａｃ ｌ ｔ ｄ ｔ ｅ ｄ ｐ ａｕ ｆ ｅ ｔ ｕ ｒ ｏ ｃ ｌｄ ｒａ ｄ ｒ ｅｖ ｒ ｉｃ ｉ ｎ ｈ ｃ ｌ ｄ ｒ ｔ ｃｏ ｐ ｔ ｈ ｓ ｈ ｎ ｅ ｅ ｚ ｅ ｃ ｕ ａｅ ｅ ｔ ｖ ｅ ｏ ｌ ｈ ｈ ｌ ｓ ａ ｏ ｒｅ ｃ ｃ ｏ ｐ ｔｈ ａ ｄ ｅ ｔ ｔｄ ｔ ｅｖ ｓ ｉ ｔ ｓｏ ｅ ｈ ｄ ｗ ｆ ａ ｈ ｍ ｒ — ａ ｃ ｎ ｓ ｍａｅ ｉｉ ｌ ｉ ｆｔ ｍ；ｆ ａｌ ，ｗ ｏ ｕ ｅ ｅ ｕ ｒ ｘｅ ｔｆｒｅ ｃ ｃ ｏ ｐ ｔｈ ｏ ｉ ｉ ｈ ｂ ｉｅ ｈ ｉ ｌ ｎ ｙ ｅ ｃ ｍｐ ｔｄ ｐ ｎ ｍｂ ａｅ ｔｎ ａ ｈ ｍｉｒ — ａｃ ｏ
ｏ ｅ ｅ ｎ ｅ ｅ ｔ ｅ ｗａ ｏ ｇ ｎ ｒｔ ａ—ｉ ｏ ｈ ｄ ｗ ｒｔ ｅ ｃ ｍｐ ｅ ｃ ｎ ｓ ｆ ｒｄ ａ ｆ ｃｉ ｙｔ ｅ ｅ ａｅ ｒ ｌ ｔ ｖ ｅ ｍｅ ｓ ｆ ｓ ａ ｏ ｆ ｏ ｌ ｘ ｓ ｅ ｅ ． ｔ ｏ ｈ
第２ ７卷 第 １ ０期
２０ ０ ７年 １ ０月
文 章 编 号 ：０ １— ０ １ ２０ ） ０— ５ ８— ３ １０ ９ ８ （０ ７ １ ２ ３ ０
一
计 算机 应用
Ｃ ｍｐ ｔ ｒＡｐ ｌ ａｉ ｎ ｏ ｕｅ ｐｉ ｔ ｓ ｃ ｏ
）
Ａｂ ｔ ａ ｔ ｓｒ ｃ ：Ａ ｅ ｇ ｒ ｈ ｏ ｅ ｌｔ ｏ ｈ ｄ ｗ ａ ｅ ｎ ｓ ａ ｏ ｍａ ｓ ｗ ｓ ｐ ｅ ｅ ｔ ｄ Ｆ ｒｆ ， ｗ ｅ ｅ ａｅ ｗ ｎ ｗ ａ ｏ ｔｍ ｆｒ ａ — ｍｅ ｓ ｆ ｓ ａ ｏ ｓ ｂ ｓ ｄ ｏ ｈ ｄ ｗ ｐ ａ ｒｓ ｎｅ ． ｉ ｌ ｌ ｉ ｉ ｔ ｅ ｙ ｅ ｇ ｎ ｒｔ ｄ ｔ ｏ ｄ ｐ ｈ ｂ ｆｅ ｓｆ ｒｏ ｃｕ ｅ ｎ ｃ ｉｅ ， ｄ ｓ ｒ ｔ ｉ ｇ ｔｅ ｏ ｃｕ ｅ ｏ ｍｉ ｒ — ａｃ ｅ ；ｔ ｅ ， ｗ ａｃ ｌ ｔ ｄ ｔ ｅ ｄ ｐ ａｕ ｆ ｅ ｔ ｕ ｒ ｏ ｃ ｌｄ ｒａ ｄ ｒ ｅｖ ｒ ｉｃ ｉ ｎ ｈ ｃ ｌ ｄ ｒ ｔ ｃｏ ｐ ｔ ｈ ｓ ｈ ｎ ｅ ｅ ｚ ｅ ｃ ｕ ａｅ ｅ ｔ ｖ ｅ ｏ ｌ ｈ ｈ ｌ ｓ ａ ｏ ｒｅ ｃ ｃ ｏ ｐ ｔｈ ａ ｄ ｅ ｔ ｔｄ ｔ ｅｖ ｓ ｉ ｔ ｓｏ ｅ ｈ ｄ ｗ ｆ ａ ｈ ｍ ｒ — ａ ｃ ｎ ｓ ｍａｅ ｉｉ ｌ ｉ ｆｔ ｍ；ｆ ａｌ ，ｗ ｏ ｕ ｅ ｅ ｕ ｒ ｘｅ ｔｆｒｅ ｃ ｃ ｏ ｐ ｔｈ ｏ ｉ ｉ ｈ ｂ ｉｅ ｈ ｉ ｌ ｎ ｙ ｅ ｃ ｍｐ ｔｄ ｐ ｎ ｍｂ ａｅ ｔｎ ａ ｈ ｍｉｒ — ａｃ ｏ
ｏ ｅ ｅ ｎ ｅ ｅ ｔ ｅ ｗａ ｏ ｇ ｎ ｒｔ ａ—ｉ ｏ ｈ ｄ ｗ ｒｔ ｅ ｃ ｍｐ ｅ ｃ ｎ ｓ ｆ ｒｄ ａ ｆ ｃｉ ｙｔ ｅ ｅ ａｅ ｒ ｌ ｔ ｖ ｅ ｍｅ ｓ ｆ ｓ ａ ｏ ｆ ｏ ｌ ｘ ｓ ｅ ｅ ． ｔ ｏ ｈ
基于HSI运动车辆阴影消除的快速算法
科技信息
０高校讲坛０
Ｓ ＩＮ Ｅ＆Ｔ Ｃ ＮＯ Ｏ ＣＥ Ｃ Ｅ Ｈ Ｌ ＧＹＩ Ｆ ＭＡ Ｉ Ｎ ＯＲ ＴＯＮ
２０ ０ ９年
第 ３ 期 １
基于 ＨＳ 运动车辆阴影消除的快速算法 Ｉ
（ 徽理Байду номын сангаас工大 学 安
宛 俊 林 安徽 淮 南
２ ２０ ） ３ ０ １
【 摘 要 】 对 视 频 序 列 图像 提 出一 种 运 动 阴影 快 速 消 除 的 算 法 ， 先 利 用 背景 差 分 获 取 前 景 ， 根 据 投 射 阴影 ＨＳ 彩 色空 间的 特 征 ， 割 针 首 再 Ｉ 分 运 动 车辆 和 运 动 车辆 阴影 。 实验 结 果 表 明 该 方 法 能 快 速 准 确 分 割 ， 具有 良好 性 能 。 【 键词 】 频序列 ；Ｓ； 关 视 Ｈ Ｉ 阴影 消 除
ｃ ｌ ｒｓ ａ ｅ． ｈ ｘ ｅ ｉ ｎ ａ ｅ ｕ ｓ ｓ ｏ ｔ ａ ｈ ｅ ｍｅ ｔｔｏ ａ ａ ｉ ｌ ｎ ｃ ｕ ａｅ ｙ ｄ ｎ ，ｗｉ ｏ ｄ ｐ ｒｏ ｍａ ｃ ． ｏｏ ｐ ｃ Ｔ ｅ ｅ ｐ ｒｍｅ ｔ ｌ ｓ ｈ ｈ ｗ ｈ ｔｔ ｅ ｓ ｇ ｎ ａ ｉｎ ｃ ｎ ｂｅ ｒ ｐ ｄ ｙ ａ ｄ ａ ｃ ｒ ｔ ｌ ｏ ｅ ｒ ｔ ｇ ｏ ｅ ｆ ｒ ｎ ｅ ｈ
的像 素 是 否 为 疑 似 阴 影 ． 用 混合 高 斯 阴影 模 型对 所 有 疑 似 阴 影 值 然后 进 行 聚 类 ， 一 步 完成 阴 影抑 制 。李 忠 武 ， 进 高广 珠 等 提 出利 用 图 像 相 （ｙ Ｓ ， ） ｘ） Ｉ ｘ 。 Ｓｘｙ＝ Ａｌ ， 一（ｙ ｊ （， ） 除 ． 过 度 量 相 除 后 图像 的平 坦 度 来 检 测 和 消 除 阴影 的方 法 。 洋 ， 通 刘 刘 Ａｌ ， 一（ｙ ｌ （ｙ Ｓ ， ） ｘ） Ｉ ｘ 玉 山等 川 出 通 过 分 析 阴影 前 后 的 色 度 分 布 规 律 以及 纹 理 的互 相 关 提 ０ ｏｈ ｒ ｓ ． ｔ ｅ ｗｉｅ 性 消 除 运 动 目标 的 阴 影 。 外 还有 基 于极 点 与极 性 的车 辆 分 割 及 阴影 另 处 理 方 法 ． 于 小 波变 换 的运 动 汽车 阴 影分 割 ］基 于 彩 色 信 息 和 边 ］基 ， 其 中 Ｉ ，） 示 当前 图像 ， （， 表 示 背 景 图 像 ，ｘｙ ，ｘｙ ，ｘ ） （ｙ表 ｘ Ｂｘ ） ｙ Ｉ ， Ｉ ， Ｉ ， 。 （ ） （ ） （ｙ ， 缘 特 征 的运 动 阴影 检 测 ］ 些 方 法从 各 个 角 度 提 出 了 阴 影 消 除 的 以及 Ｂｆｖ ．（． Ｂｘ １ 别 表 示 当 前 图 像 与 背 景 图像 在 Ｈ Ｉ 式 。这 ｘ ） Ｂｘ ），（， ， ｖ ｙ分 Ｓ模 过 程 ， 它 们 的 复 杂性 都 较大 ， 而在 实 时 系统 中 ， 虑适 应 实 时 处 理 但 因 考 下 的 ３个 分 量 Ｈ、 、 的 值 ，其 中 Ｔ，ｈ 别 表 示 色 彩 饱 和 度 与 色 度 的 ＳＩ 分 ＿ ｒ 的需 要 ． 目前 大 多 数应 用 系统 都 未进 行 目标 阴影 的消 除 。 此 ， 文 通 为 本 阈值 。通 常 Ｏ ｄ Ｂ １ 因 为 阴 影 点 的 Ｉ 总 是 小 于 非 阴影 点 的 Ｉ 。 ＜＜＜ ， 值 值 过 分 析 视 频 监 控 图像 运动 车辆 阴影 的特 殊 性 ， 出 了基 于 ＨＳ 彩 色 空 提 Ｉ ４ 试 验 结 果 与分 析 ． 间 阴 影 快 速 消 除算 法 ． 以满 足 实 时处 理 系 统 的需 求 。 本 文 试 验 数 据 采 用 ｈｇｗ ｙ 视 频 监 控 数 据 ， 用 背 景 差 分 的方 法 ｉ ａＩ ｈ 利 １ 阴 影 特 征 分 析 ． 得 到 前 景 图 像 ， 动 车 辆 及 其 阴 影 被 作 为 运 动 目标 同 时 检 测 出来 。其 运 阴 影是 指 由 于物 体 表 面 未 被 光 源 直 接 照 射 而 形 成 的 暗 区 域 。 影 阴 中根 据 视 频 图像 光 照 强 度 ， ｄ设 为 ０ Ｂ设 为 ０６ 。应 用 本 文 的 方 法 ． ４， ．４ 可 分 为 自身 阴影 和 投 射 阴影 。自身 阴 影 是 指 物 体 自身 没 有 被 光 线 直 接 对 车 辆 阴 影 进 行 消 除 ． 验 结 果 如 下 图所 示 ： 试 照 射 到 的部 分 。 而投 射 阴影 则 是 指 由于 光 线 直 接 照 射 而 致 使 物 体 投 影 得 到 的 区域 。这 里 主 要 分 析 后 者 ， 射 阴 影 具 有 如 下 特征 ： 投 １１ 射 阴影 区域 中像 素 的 亮 度 值 低 于 背 景 像 素 和 车 辆 区域 像 素 ．投 的亮 度 值 。 １ － 射 阴 影 区域 中 像 素 的 饱 和 度 有少 许 下 降 。 ２投 １ ． 射 阴 影 区 域 中 像 素 的 色度 几乎 没 有 变化 。 ３投 因此 ， 根 据 图 像 的 ＨＳ 彩 色 信 息 判 断 运 动 车辆 阴影 区域 。 可 Ｉ
０高校讲坛０
Ｓ ＩＮ Ｅ＆Ｔ Ｃ ＮＯ Ｏ ＣＥ Ｃ Ｅ Ｈ Ｌ ＧＹＩ Ｆ ＭＡ Ｉ Ｎ ＯＲ ＴＯＮ
２０ ０ ９年
第 ３ 期 １
基于 ＨＳ 运动车辆阴影消除的快速算法 Ｉ
（ 徽理Байду номын сангаас工大 学 安
宛 俊 林 安徽 淮 南
２ ２０ ） ３ ０ １
【 摘 要 】 对 视 频 序 列 图像 提 出一 种 运 动 阴影 快 速 消 除 的 算 法 ， 先 利 用 背景 差 分 获 取 前 景 ， 根 据 投 射 阴影 ＨＳ 彩 色空 间的 特 征 ， 割 针 首 再 Ｉ 分 运 动 车辆 和 运 动 车辆 阴影 。 实验 结 果 表 明 该 方 法 能 快 速 准 确 分 割 ， 具有 良好 性 能 。 【 键词 】 频序列 ；Ｓ； 关 视 Ｈ Ｉ 阴影 消 除
ｃ ｌ ｒｓ ａ ｅ． ｈ ｘ ｅ ｉ ｎ ａ ｅ ｕ ｓ ｓ ｏ ｔ ａ ｈ ｅ ｍｅ ｔｔｏ ａ ａ ｉ ｌ ｎ ｃ ｕ ａｅ ｙ ｄ ｎ ，ｗｉ ｏ ｄ ｐ ｒｏ ｍａ ｃ ． ｏｏ ｐ ｃ Ｔ ｅ ｅ ｐ ｒｍｅ ｔ ｌ ｓ ｈ ｈ ｗ ｈ ｔｔ ｅ ｓ ｇ ｎ ａ ｉｎ ｃ ｎ ｂｅ ｒ ｐ ｄ ｙ ａ ｄ ａ ｃ ｒ ｔ ｌ ｏ ｅ ｒ ｔ ｇ ｏ ｅ ｆ ｒ ｎ ｅ ｈ
的像 素 是 否 为 疑 似 阴 影 ． 用 混合 高 斯 阴影 模 型对 所 有 疑 似 阴 影 值 然后 进 行 聚 类 ， 一 步 完成 阴 影抑 制 。李 忠 武 ， 进 高广 珠 等 提 出利 用 图 像 相 （ｙ Ｓ ， ） ｘ） Ｉ ｘ 。 Ｓｘｙ＝ Ａｌ ， 一（ｙ ｊ （， ） 除 ． 过 度 量 相 除 后 图像 的平 坦 度 来 检 测 和 消 除 阴影 的方 法 。 洋 ， 通 刘 刘 Ａｌ ， 一（ｙ ｌ （ｙ Ｓ ， ） ｘ） Ｉ ｘ 玉 山等 川 出 通 过 分 析 阴影 前 后 的 色 度 分 布 规 律 以及 纹 理 的互 相 关 提 ０ ｏｈ ｒ ｓ ． ｔ ｅ ｗｉｅ 性 消 除 运 动 目标 的 阴 影 。 外 还有 基 于极 点 与极 性 的车 辆 分 割 及 阴影 另 处 理 方 法 ． 于 小 波变 换 的运 动 汽车 阴 影分 割 ］基 于 彩 色 信 息 和 边 ］基 ， 其 中 Ｉ ，） 示 当前 图像 ， （， 表 示 背 景 图 像 ，ｘｙ ，ｘｙ ，ｘ ） （ｙ表 ｘ Ｂｘ ） ｙ Ｉ ， Ｉ ， Ｉ ， 。 （ ） （ ） （ｙ ， 缘 特 征 的运 动 阴影 检 测 ］ 些 方 法从 各 个 角 度 提 出 了 阴 影 消 除 的 以及 Ｂｆｖ ．（． Ｂｘ １ 别 表 示 当 前 图 像 与 背 景 图像 在 Ｈ Ｉ 式 。这 ｘ ） Ｂｘ ），（， ， ｖ ｙ分 Ｓ模 过 程 ， 它 们 的 复 杂性 都 较大 ， 而在 实 时 系统 中 ， 虑适 应 实 时 处 理 但 因 考 下 的 ３个 分 量 Ｈ、 、 的 值 ，其 中 Ｔ，ｈ 别 表 示 色 彩 饱 和 度 与 色 度 的 ＳＩ 分 ＿ ｒ 的需 要 ． 目前 大 多 数应 用 系统 都 未进 行 目标 阴影 的消 除 。 此 ， 文 通 为 本 阈值 。通 常 Ｏ ｄ Ｂ １ 因 为 阴 影 点 的 Ｉ 总 是 小 于 非 阴影 点 的 Ｉ 。 ＜＜＜ ， 值 值 过 分 析 视 频 监 控 图像 运动 车辆 阴影 的特 殊 性 ， 出 了基 于 ＨＳ 彩 色 空 提 Ｉ ４ 试 验 结 果 与分 析 ． 间 阴 影 快 速 消 除算 法 ． 以满 足 实 时处 理 系 统 的需 求 。 本 文 试 验 数 据 采 用 ｈｇｗ ｙ 视 频 监 控 数 据 ， 用 背 景 差 分 的方 法 ｉ ａＩ ｈ 利 １ 阴 影 特 征 分 析 ． 得 到 前 景 图 像 ， 动 车 辆 及 其 阴 影 被 作 为 运 动 目标 同 时 检 测 出来 。其 运 阴 影是 指 由 于物 体 表 面 未 被 光 源 直 接 照 射 而 形 成 的 暗 区 域 。 影 阴 中根 据 视 频 图像 光 照 强 度 ， ｄ设 为 ０ Ｂ设 为 ０６ 。应 用 本 文 的 方 法 ． ４， ．４ 可 分 为 自身 阴影 和 投 射 阴影 。自身 阴 影 是 指 物 体 自身 没 有 被 光 线 直 接 对 车 辆 阴 影 进 行 消 除 ． 验 结 果 如 下 图所 示 ： 试 照 射 到 的部 分 。 而投 射 阴影 则 是 指 由于 光 线 直 接 照 射 而 致 使 物 体 投 影 得 到 的 区域 。这 里 主 要 分 析 后 者 ， 射 阴 影 具 有 如 下 特征 ： 投 １１ 射 阴影 区域 中像 素 的 亮 度 值 低 于 背 景 像 素 和 车 辆 区域 像 素 ．投 的亮 度 值 。 １ － 射 阴 影 区域 中 像 素 的 饱 和 度 有少 许 下 降 。 ２投 １ ． 射 阴 影 区 域 中 像 素 的 色度 几乎 没 有 变化 。 ３投 因此 ， 根 据 图 像 的 ＨＳ 彩 色 信 息 判 断 运 动 车辆 阴影 区域 。 可 Ｉ