基于阴影向量扩展的阴影检测方法

图像处理中阴影检测是一个重要的主题。本文提出了一种基于阴影向量扩展的阴影检测新方法。该方法依据阴影区域的光学特性,先找出前景中能够表达阴影区域主要特征的阴影向量,再根据阴影向量扩展出整个阴影区域。测试图库的实验结果表明该方法能有效的检测出前景中的阴影,并且改善了传统方法在强阴影识别方面的缺陷,以及常常把目标局部误识别为阴影的问题。     

一种基于RGB彩色空间的影像阴影检测方法

从色彩理论和高斯-拉普拉斯算子的基本原理出发，提出了一种基于RGB彩色空间的影像阴影检测方法。实现结果表明该方法对彩色航空影像上阴影区域的检测是有效的。     

二维场景阴影区域的自动鲁棒分割

基于HSV彩色空间的色调值融合RGB色彩模型中的蓝色分量信息,提出了鲁棒而有效的二维彩色图像阴影区域自动分割方法.根据阴影与非阴影区域间存在色调差异,利用HSV彩色模型,提取可能阴影区域.为消除提取出的阴影区域中偏蓝物体影响,采用RGB彩色空间中的蓝色分量为模板,计算该模板与提取出的阴影区域间的直方图.采用单阈值化分割方法,确定该直方图阈值.将蓝色分量值低于该阈值的阴影区域确定为有效阴影区域.通过对不同光照下的实际自然场景图像的阴影检测,实验结果表明文中所提方法是有效可行的.     

基于组合特征和HSI颜色空间的阴影检测

为了更有效地检测视频序列中的阴影,提出基于组合特征和HSI颜色空间的阴影检测算法.对提取的前景,先采用扩展的不变矩和Gabor小波变换分别抽取待识别区域的全局特征和局部特征来建立组合特征向量,再通过建立的HSI空间的阴影颜色模型来准确检测出目标的阴影.实验结果表明,该算法具有良好的阴影检测效果.     

基于阴影位置及边缘信息的阴影去除算法

介绍了基于阴影位置及边缘信息的去除阴影算法。首先，估计光照方向，确定阴影方向；然后，基于边缘信息检测阴影设法消除外轮廓边缘，利用提取的前景图像减去构建的前景，得到阴影区域；最后，比较阴影方向，如果方向角在一定阈值范围内，则为实际阴影区域。实验结果表明，去除阴影的方法快速、准确。     

使用闪光灯图像对的闪光灯阴影检测

人们在光线较暗的环境拍摄照片时,经常使用闪光灯来增强光照。但闪光灯的使用会引起一些不良效应,如红眼和闪光灯阴影。检测并去除闪光灯图像中的闪光灯阴影区域,会显著提高对象检测和识别等视觉任务的性能。提出了一种使用闪光灯图像对的闪光灯阴影检测算法。它基于以下假设:闪光灯阴影边缘点只会出现在闪光灯图像中,并且闪光灯阴影区域的灰度值低于非闪光灯图像对应区域的灰度值。所提算法包括三个步骤:预处理、闪光灯阴影边缘点检测和闪光灯阴影检测。仿真结果和与已有方法的比较都验证了所提方法的有效性。      

基于新型阴影指标的遥感影像阴影检测方法

随着遥感影像空间分辨率不断提高,阴影对影像解译产生的影响愈加突出,因此对阴影的识别更为重要。文中针对阴影在RGB空间中与非阴影区域内地物容易混淆的缺点,利用其在HIS空间中低亮度、高色调和高饱和度的特性,提出了一种基于新型阴影检测指标的阴影检测方法。该阴影指标突显阴影区域,且抑制非阴影区域的响应,根据最大类间方差法做直方图阈值分割,可得到检测结果。实验证明,该方法可有效地将阴影与其他地物区分开。     

基于HSV空间阴影去除方法研究与应用

在智能视频监控系统中,运动阴影如果被误判为运动目标,将会影响到场景中运动目标的准确提取、跟踪和预测。针对这一问题,设计了一种基于HSV颜色空间的阴影去除方法。方法首先将背景差法和三帧差分法相结合,用于提取运动目标,再将提取的含有阴影的运动目标区域映射到其HSV色彩空间,通过与背景和相邻帧的亮度、饱和度比较,实现对阴影区域的检测和去除,处理过程中无需提前确定特征判别参数。将所设计的方法在标准高速公路视频数据库中进行测试并应用于实时的视频监控系统,验证结果表明该方法能更加有效的消除阴影,从而准确的检测出运动目标,同时方法对光线变化具有一定的鲁棒性。     

基于二维道路图像理解算法的阴影检测

提出了一种新的自动检测二维彩色道路场景图像阴影区域的方法。该方法首先从RGB色彩空间中提取出亮度信息,并进行图像分割,再结合从色差图像中提取的阴影信息,检测并消除可能存在的阴影区域,减小在直方图分割中由于阴影的影响而引起的分割误差,最终达到正确的图像分割结果。实验结果表明,该方法简便且有效,并能适应各种不同的二维道路场景需求,具有一定的鲁棒性。     

综合灰度和纹理特征的运动阴影检测方法

为了提高运动目标阴影检测的有效性和稳健性,提出了一种综合灰度和纹理特征的阴影检测方法。该方法通过背景差分法提取运动区域,利用快速归一化互相关函数对运动区域进行检测,获得潜在的阴影区域。然后,利用Gabor小波分析潜在阴影区域的纹理特征,得到最终的阴影区域。实验结果表明,该算法能够实时有效地进行阴影检测,并具有较强的稳健性。