下载文档原格式
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。
基于航空影像的建筑物阴影提取方法研究伍燚垚; 冯德俊; 瑚敏君; 千峰【期刊名称】《《地理信息世界》》【年(卷),期】2019(026)006【总页数】5页(P44-48)【关键词】阴影提取; 航空影像; 建筑物阴影; 颜色模型; 数学形态学【作者】伍燚垚; 冯德俊; 瑚敏君; 千峰【作者单位】西南交通大学地球科学与环境工程学院四川成都 611756【正文语种】中文【中图分类】TP3910 引言建筑区是进行土地规划、城区扩张、城市监测、灾后评估等研究分析时的必要信息[1]。
分析建筑物阴影可得到有关建筑物的各种重要信息，如高度、形状、相对位置等，在城市建筑研究领域普遍采用提取建筑物阴影的方法辅助研究。
由于航空影像具有覆盖范围广、信息量巨大、阴影区域易分辨等特点，能有效提取建筑物阴影。
区别于卫星影像数据，航空影像仅有红、绿、蓝三波段，这导致大部分针对于卫星影像的阴影提取方法不适用于航空影像。
如由于航空影像缺少卫星影像常用的近红外波段，在提取建筑物阴影时无法直接采用NDVI（归一化差分植被指数）[2]和NDWI（归一化差分水体指数）[3]，很难去除建筑物阴影混合区域中的水体植被等地物。
因此，基于航空影像的建筑物阴影提取方法研究显得尤为重要。
大量专家学者对航空影像建筑物阴影提取这一问题进行了实验研究：杨玲[4]等人提出一种自适应单尺度Retinex算法，通过实验区航空影像的灰度值修改阈值参数，有效增强并识别了图像的阴影区域。
肖志级[5]等人提出一种边缘模糊Retinex算法提取和消除航空影像中的阴影区域。
喻红艳[6]等主要关注彩色航空影像中建筑物阴影的形状特征，综合利用颜色模型和数学形态学自动提取建筑物阴影。
Susuki[7]等利用色彩空间和概率分析法改善阴影区域的可见度来识别阴影，但此方法较为耗时且无法用于单张航片的实时处理。
Kobus Barnard[8]等人基于对角光照模型提出颜色比率法提取和消除阴影，但此算法较为复杂不适用于大多数航空影像。
改进基于HSV空间的阴影检测算法杨春德;郭帅【期刊名称】《计算机工程与设计》【年(卷),期】2018(39)1【摘要】为实现复杂视频中前景目标的分割,需要解决前景目标准确提取难题,但在光照情况下,会受到阴影影响.为解决这一难题,提出一种结合高斯混合模型的HSV 颜色空间阴影检测算法.对HSV颜色空间阴影检测进行修正,消除对非运动目标区域阴影的误检,加入运动目标轮廓检测,消除运动目标边缘阴影误检,得到运动目标阴影的准确检测.实验结果表明,该算法能有效检测复杂背景下的阴影目标,为获得准确分割前景目标奠定基础.%To realize the segmentation of foreground objects in complex video,it is needed to extract the foreground objects accurately,which is affected by the shadow because of light.To solve this problem,an HSV color space shadow detection algorithm based on Gaussian mixture model was proposed.HSV color space shadow detection was corrected,false detection of non-moving target area shadow was corrected,and the contour detection which eliminated the false detection of moving object edge shadow was adopted to achieve accurate detection of the moving shadow.Experimental results show that the algorithm can effectively detect the shadow targets in complex background,which lays the foundation for accurate segmentation of foreground targets.【总页数】5页(P255-259)【作者】杨春德;郭帅【作者单位】重庆邮电大学计算机科学与技术学院,重庆400065;重庆邮电大学计算机科学与技术学院,重庆400065【正文语种】中文【中图分类】TP391.41【相关文献】1.目标检测算法中基于HSV颜色空间的阴影抑制改进与仿真 [J], 梁成武2.基于HSV空间的水上目标检测及阴影去除方法 [J], 田池;冼允廷;夏金锋3.基于HSV空间阴影去除方法研究与应用 [J], 高东旭;曹江涛;李平4.HSV空间特征和纹理特征的阴影检测算法研究 [J], 李媛;张艳珠;渠彪;李小娟5.基于二次迭代Cr分量的改进Otsu自适应阴影检测算法 [J], 朱红;刘虹;迟金亮因版权原因，仅展示原文概要，查看原文内容请购买。
基于颜色特征的交通标志图像分割研究摘要：本文分别基于rgb色彩空间和hsi色彩空间采用阈值分割法，对不同光照条件下采集到的交通标志图像进行颜色分割，并根据实际检测效果进行改进，得出了颜色分割效果较好的阈值空间。
关键词：交通标志颜色特征图像分割一、引言智能交通系统中先进车辆控制与安全系统研究热点主要集中在交通标志识别、视觉增强等方面。
道路交通标志识别主要是通过在机动车上安装的摄像机捕获自然场景图像，再对图像进行检测，对图像中的标志加以识别，这样可以辅助驾驶员从外界环境中获取信息，提高驾驶安全性。
交通标志主要利用图形、颜色与字符结合，向人们传递信息，具有一定的特殊性，在识别时可充分利用交通标志自身的颜色、形状等方面的特征，进行处理、提取加以识别。
交通标志按其作用可分两大类：主标志和辅助标志，本文主要研究主标志中的警告标志、禁令标志和指示标志。
二、基于rgb色彩空间的交通标志分割在面向硬件设备时rgb是最常用的色彩模型，但rgb三个分量间存在较高的相关性，并且三个分量对光照亮度有一定的依赖性，亮度值发生变化会引起rgb三个分量值的改变。
但交通标志牌的检测根据颜色的色度分割即可，不需要考虑颜色受亮度的影响，因此只需知道rgb之间的相对值即可[1]，可将rgb三分量作标准化处理。
在r，g，b色度坐标系中，r+g+b=1，r，g，b分别表示为：r=r/（r+g+b）g=g/（r+g+b）b=b/（r+g+b）我国交通标志主要由红、黄、蓝三种颜色组成，在r、g、b彩色空间中对这几种颜色有规范的定义，但在实际应用中，为了增强算法的健壮性，可根据采集到图像对分割这几种颜色的阈值进行适当的调整。
通过对rgb彩色空间研究发现，不同颜色的r、g、b三分量之间的差值能够保持在一定的范围之内。
本文在归一化的rgb 彩色空间下，采用将不同颜色的r、g、b三分量的差值控制在适当阈值范围内进行分割的算法进行有效分割，实验发现在实际光照条件下，黄色更偏向于黄红色，在对红色进行提取时黄色被误认为是红色也提取出来了。
简单介绍基于颜⾊的阴影检测算法在智能视频监控系统的研发过程中，阴影检测是⼀个重要的内容，⽽阴影的产⽣主要是由于光线的遮挡。
⽽检测阴影最简单和⾼效的⽅法莫过于分析颜⾊信息，还原或移出阴影区域。
基于颜⾊的常⽤阴影检测算法有：1）基于HSI颜⾊空间的阴影检测HSI颜⾊模型是⼀种更符合⼈类视觉感知特征的模型，符合⼈类⾁眼对颜⾊的感知和识别，被⼴泛应⽤于计算机视觉领域。
根据阴影产⽣的原因及特点。
采⽤HSI颜⾊空间来检测阴影是再合适不过的。
通常，对于阴影区域，其主要是由于光线的遮挡⽽产⽣的⼀个相对较暗的区域。
在该区域中，颜⾊的⾊调信息H和饱和度信息S具有较⼩的变动，⽽亮度信息I会有较⼤的变换，但是HS基本上包含了颜⾊信息。
因此根据这个特点，我们在检测某⼀个像素是否为背景时，之需要判断该像素的HS分量浮动较⼩，⽽I变化幅度较⼤就可以。
2）基于RGB空间的阴影检测RGB颜⾊空间是我们常⽤的空间，是使⽤最⼴的⼀个颜⾊空间。
利⽤RGB颜⾊空间来检查阴影，其主要原理：当⼀个物体的亮度变化时，⼈眼感知到的颜⾊信息是不变的，物体被感知的颜⾊取决于物体本⾝的属性（即物体表⾯翻⾝的光线），即物体的被感知的颜⾊特征取决于物体表⾯的光谱反射特征，不受⼴州变化，场景等影响，也和物体的⼏何形状⽆光，即⾊度是独⽴于亮度的。
因此，⽤该模型来检测阴影，就需要将RGB颜⾊信息进⾏亮度和⾊度的分离，根据亮度和⾊度的变化来判断阴影像素。
3）基于YUV颜⾊空间的阴影检测基于YUV颜⾊空间的阴影检测的基本原理：亮度信号Y与⾊度信号UV想好独⽴，即由亮度信号Y和⾊度信号UV构成的单⾊图可以进⾏单独编码和处理。
该种⽅式可以克服阴影检测率不⾼和灰度空间轮廓线阴影消除⽅法中受亮度限制的缺陷，能有效地对视频序列中阴影进⾏检测与消除。
⾄此，上述阐述的阴影检测⽅法都可以归纳为⼀类，即将颜⾊信息的亮度和⾊度信息分类，如HSI颜⾊模型分解为（HS和I），RGB颜⾊模型分解为亮度（Light）和⾊度（chromaticity），⽽YUV颜⾊模型分为（Y和UV）。
面向对象的高分辨率遥感影像阴影提取方法
面向对象的高分辨率遥感影像阴影提取方法，是一种基于遥感影像对象提取技术实现的阴影变化检测方法。
该方法主要分为以下几个步骤：
1. 数据预处理：读取高分辨率遥感影像，进行预处理操作，包括灰度校正、空间校正、大气校正等。
2. 影像分割：使用Mean-Shift算法或Watershed算法进行影像分割，将遥感影像分割成多个对象。
3. 特征提取：根据光学特性和形态特征等选取阴影提取特征，如颜色、形状、纹理、边缘等，计算每个对象的特征向量。
4. 阴影提取：将特征向量输入到分类器中进行分类处理，判断每个对象是否是阴影，将阴影对象分割出来。
5. 阴影变化检测：对两幅遥感影像进行阴影提取，比较两幅影像中的阴影对象是否存在变化，建立变化检测模型。
该方法具有提取精度高、计算速度快等优点，可以广泛应用于城市规划、土地利用、生态环境等领域。
结合先验知识和图像特征的道路提取方法林丽群;肖俊【摘要】In the complex environment, this paper presents a lane detection method with the ability to deal with both structured and unstructured roads.The method combines a priori knowledge database with adaptive region growing method.It establishes a priori knowledge database through a set of road sampling,training, data mining and knowledge discovery,combines adaptive road region growing method using this database process on real-time segmented images.The experimental results show that this method is able to robustly find the road area on different types of roads in various environments.%致力于在复杂环境下能对多种道路进行检测,提出了一种先验知识库与自适应区域增长相融合的道路检测方法,通过少量的道路样本采集,建立样本库,训练挖掘出道路知识模型,并结合区域增长方法对分割的实时道路影像进行道路区域增长.实验结果表明,该方法适用于多种不同环境道路的提取,鲁棒性强.【期刊名称】《计算机工程与应用》【年(卷),期】2011(047)033【总页数】5页(P236-239,243)【关键词】道路检测;计算机视觉;区域增长【作者】林丽群;肖俊【作者单位】湖北大学资源与环境学院,武汉430062;武汉大学测绘遥感信息工程国家重点实验室,武汉430079【正文语种】中文【中图分类】TP7511 引言道路检测是智能导航研究中的重要环节。
一种多尺度几何细节抽取的阴影处理算法王博;张永军;陈奇【摘要】From the shadow processing of high-resolution aerial remote sensing images, this paper analyzed the features of shadow in color space. Using combined thresholds of 3 channels in HIS color space and Gaussian function, the authors detected shadow area and its multi -scale geometric details which can compensate shadow area. The experiments prove that this method can maximize the retention of the original features in shadow area and get more reasonable compensation results, thus ensuring accuracy and reliability of the follow-up imaging.%从高分辨率航空遥感影像的阴影处理角度出发，分析了阴影区域在彩色空间上的特征；采用HIS彩色空间3个通道的联合阈值测度进行阴影检测，并利用高斯函数进行地物纹理几何细节的多尺度抽取，提出了针对影像灰度图的阴影补偿方法。
实验证明，该方法能够在最大限度保留阴影区域原始特征的前提下，对阴影区域信息进行补偿，保证了影像后续处理的准确度和可靠性。
【期刊名称】《国土资源遥感》【年(卷),期】2014(000)004【总页数】6页(P23-28)【关键词】阴影检测;HIS彩色空间;几何细节;阴影补偿【作者】王博;张永军;陈奇【作者单位】武汉大学遥感信息工程学院，武汉 430079;武汉大学遥感信息工程学院，武汉 430079;武汉大学遥感信息工程学院，武汉 430079【正文语种】中文【中图分类】TP750 引言随着信息技术的迅猛发展，遥感技术已广泛应用于资源调查、城市规划、环境监测以及防灾减灾等各个领域，对遥感影像质量也提出了越来越高的要求。
