基于多特征融合的车辆阴影检测与去除

基于ViBE目标检测算法,融合交通监控视频中车辆的边缘与颜色特征,提出一种基于多特征融合的算法,实现对复杂交通场景中车辆阴影的检测与去除。通过ViBE提取前景目标,采用串行融合方式检测阴影。首先在传统的基于边缘特征检测阴影的基础上,利用水平集方法代替水平垂直填充,实现多个前景目标内部边缘的快速填充。在获取候选的阴影区域后,结合HSV颜色特征以及形态学处理等操作,以达到更好的阴影去除效果。通过对不同的视频图像序列进行测试,表明提出的多特征融合算法能有效去除投射阴影,且优于单个特征方法,适用于复杂的交通场景。     

结合HSV与纹理特征的视频阴影消除算法

目的 在视频监控目标检测应用中,场景中的阴影会直接影响目标检测的准确度,因此阴影抑制算法研究显得尤为重要。目前广泛使用的是HSV（hue,saturation,value）阴影抑制方法,但是该方法存在由于亮度比值的阈值不稳定而造成将运动目标也检测为阴影的问题。针对该问题,本文提出了一种结合HSV与纹理特征的视频阴影消除方法。方法 首先将输入的图像使用传统的混合高斯模型建立背景并在灰度空间中提取前景,其次在HSV空间使用亮度比的阈值方法检测阴影,二者综合得到运动目标;针对由于亮度比值的阈值不稳定而导致的前景误检为阴影的问题,采用了LBP（local binary pattern）算子结合大津阈值（OTSU）提取部分运动目标。最后将LBP算子结合大津阈值提取的部分运动目标与HSV空间检测的目标两者相或,最终去除运动目标的阴影。结果 本文选用在CVPR-ATON和CAVIAR标准视频库中多个场景的阴影视频,将本文算法与SNP算法、SP算法、DNM1算法和DNM2算法进行对比仿真,实验结果表明本文算法在阴影检测率和阴影识别率的平均值上提升约10%。结论 本文提出的视频阴影消除算法结合了HSV与纹理特征,可以在不同的环境中有效地去除阴影,运动目标保留完整,可适用于智能视频监控、遥感图像和人机交互中。     

交通场景中车辆的运动检测与阴影消除

提出一种算法框架实现对交通场景中运动车辆的分割。首先,提出一种基于颜色空间的浮动气球模型,用以解决监控场景的自适应背景建模问题,该方法解决了基于参数模型的背景建模方法无法检测驻留物体的问题,并可有效适应监控场景中的光照变化以实现自适应更新;其次,针对通过背景建模和背景差分得到的运动前景区域包含运动车辆阴影问题,提出一种新的阴影检测算法,该算法采用多特征融合的方法实现了对运动车辆的分割。实验结果分析表明,与其他方法相比,该算法框架在背景建模和阴影检测方法具有较好的效果。     

交通视频中利用多特征抑制车辆阴影

提出了一种综合利用交通视频中运动车辆的边缘、颜色以及几何等多特征,达到完整去除运动车辆阴影的方法.利用车辆本身区域的边缘线段比阴影区密集这一特点,首先提取包括阴影在内的前景图像的边缘图像,利用颜色信息判断边缘点属于车辆还是阴影;然后结合形态学开操作、几何特征对第一步处理后的图像进行修正和细化.实验将基于颜色特征进行阴影抑制的方法以及提出的方法进行对比,结果显示该方法能更好地抑制阴影并保留车辆本体信息.     

基于多特征融合的运动车辆阴影消除方法

提出一种基于边缘特征的阴影消除方法,通过边缘检测获取阴影边缘信息,利用边缘差分、形态学等运算进行阴影消除。并提出一种基于灰度特征的阴影消除方法,利用暗化因子高斯模型进行阴影消除。结合2种方法的优点,给出一种基于多特征融合的运动车辆阴影消除方法,可同时解决车辆与阴影颜色相似以及阴影内部边缘复杂等原因造成的误检问题。实验结果表明,该方法具有较好的实时性、精确性和鲁棒性。     

一种基于统计模型的前景阴影消除算法

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,在阴影检测率和阴影区分度上均有显著提升.     

结合区域配对的室外阴影检测

目的 针对现有大多数阴影检测算法在检测细长阴影、自阴影、区分阴影与暗色像素等方面的不足,提出一种新的结合区域配对的阴影检测算法.方法 首先通过均值漂移算法和canny检测算法,分割图像得到每个独立的区域;然后从每个区域中提取纹理和亮度建立单个区域的阴影模型,再从区域对中提取纹理直方图的距离、颜色比(分别在RGB和Lab空间下)以及HSI空间下H和I两通道的比值等特征建立区域对的阴影模型;最后根据上述两个模型运用图割理论检测阴影.结果 实验结果表明,本文算法在阴影检测上的准确率高达85.2%,远高于其他算法,检测速度也比其他算法快34%左右.该算法不仅能有效地检测细长阴影和自阴影,还能较好地区分阴影与暗色像素.结论 提出了一种新的阴影检测算法,通过区域配对的方法实时处理单幅室外图像.实验结果表明,该算法在检测细长阴影、自阴影以及区分阴影与暗色像素等方面有良好的效果.     

基于运动目标轨迹的高速公路异常事件检测算法研究

针对人工观看高速公路视频录像判断异常事件劳动强度大、工作效率低等缺点,提出基于车辆运动轨迹的异常事件检测算法。采用背景差法提取运动目标前景;对存在阴影的运动目标,使用改进的基于边缘检测和HSV颜色空间相结合的算法去除阴影;对获得的无阴影的运动目标前景通过kalman滤波算法获得车辆的运动轨迹;通过分析车辆的行驶状态建立异常事件模型,使用实际高速公路视频来验证异常事件检测模型的正确性。实验结果表明,本文提出的新的阴影去除算法能够有效地消除阴影,异常事件检测模型能够有效地检测逆行、停车车辆,准确性高、实用性好。     

基于纹理特征改进的GFL运动目标提取方法

基于广义融合套索（GFL）前景模型，融合视频的纹理特征，提出一种基于纹理特征的运动目标提取方法。方法通过GFL前景模型提取前景运动目标和背景，再利用LBP算法提取前景与背景在多个方向上的纹理特征，比较两者纹理特征的相似度，去除前景中的投射阴影，解决由于运动目标遮挡产生的阴影问题，同时还引入误判率去描述模型的准确度。通过对广场、办公室以及体育馆等实际场景进行测试，实验表明提出的算法能够有效去除运动目标产生的阴影。     

基于多特征融合的运动阴影去除算法

对视频监控中的运动阴影问题进行了研究,提出一种颜色特征、归一化向量距离、亮度比值相融合的阴影去除方法。首先,通过混合高斯模型建立背景图像,利用背景差分法分离运动区域。然后,采用串行处理方法检测运动区域中的阴影像素。在RGB颜色空间下根据颜色一致性特征消除阴影之后,根据运动区域的归一化向量距离分布直方图进一步检测阴影像素。最后,针对阴影检测过程中存在的误检问题,建立像素的光照模型,计算阴影像素与背景像素的亮度比值,并根据置信区间排除误检的前景像素。实验结果表明,该方法能够克服单特征方法的局限性,在多个真实场景下能有效检测与去除阴影,适应性强,鲁棒性好,处理时间适中。     

基于梯度域的保纹理图像阴影去除算法

针对当前自然图像阴影去除算法需要多次人工交互、阴影去除结果纹理信息丢失等问题,提出了基于梯度域的图像保纹理阴影去除算法。该方法只需确定出阴影的大概边界,然后在梯度域中,分别对阴影内部和阴影边界的梯度进行最优化修正,得到无阴影的梯度图像,最后利用泊松方程,恢复出无阴影图像。利用多幅图像的实验结果证明,该算法操作简单,不需要多次人机交互,且阴影区域内纹理细节得到了较好的恢复。     

基于改进SUSAN原则的车辆检测方法

为解决汽车辅助驾驶系统中目标车辆检测的实时性和鲁棒性问题,提出一种基于单目视觉的车辆检测系统,将改进的SU—SAN(Smallest Univalue Segment Assimilating Nucleus,即最小核值相似区)算法应用到车辆边缘检测中;采用自适应双阈值法检测车底阴影。结合车道线参数动态规划车辆初始检测区域;在检测区域中,采用改进的SUSAN算法定位车辆边缘,生成车辆假设;最后根据车辆的纹理、形状和位置特征来验证车辆假设;为改善系统性能,采用Kalman滤波算法对检测到的目标进行跟踪;使用实际采集的道路图像序列对系统进行测试。实验表明,该系统能够及时准确地检测前方目标车辆。     

基于混合高斯模型的阴影去除算法

阴影去除是智能视频领域中运动目标识别的一项重要内容,其结果直接影响目标识别的准确性。针对当前基于纹理特征的阴影去除算法的不足,提出一种结合YCbCr颜色空间和混合高斯模型(GMM)的阴影去除算法。首先利用混合高斯模型提取出运动区域;然后通过分析运动区域的前景和背景在YCbCr颜色空间的差值统计特性,建立混合高斯阴影模型;最后根据高斯分布的概率分布规律,得到阴影分布特性,从而实现对阴影的去除。对于实验中的序列图像,所提算法有70%以上的阴影检测率。实验结果表明,所提方法能够在不同的场合快速有效地去除阴影,准确地提取运动目标。     

基于环境要素提取的水上桥梁的定位方法

从高分辨率卫星图像中高效、准确地自动定位描述桥梁目标具有重要的应用价值。本文针对以往检测精度不高,尤其当河水处于枯水期时检测结果依赖检测窗口的选择等问题,从水域提取出发,在桥梁知识模型指导下,经过目标检测和目标定位过程精确定位描述目标。首次引入桥梁阴影特征,通过对它的提取辅助桥梁目标的检测。提取与目标密切相关的环境要素,提出基于环境要素提取的高分辨遥感图像中水上桥梁目标的定位方法,经过环境要素的联合特征提取和知识规则验证,实验验证本文方法提高了定位检测精度。尤其当河水处于枯水期,本文的检测方法优势尤为明显。以实际高分辨率遥感图像为例,实验结果证实了本文方法的有效性。     

注意力与多尺度融合的图像阴影去除算法

针对图像阴影去除算法中复杂地物或与阴影区域纹理相似的暗区域阴影去除不完全的问题,提出了一种注意力与多尺度融合的图像阴影去除算法。该算法基于生成对抗网络框架构建。利用自定义的空洞残差块进行特征提取,获得精确的阴影特征信息并输入到注意力引导的编码网络;在注意力引导的编码阶段进行多尺度的特征融合,获取不同层次的感受野,使编码器能够在不同尺度上捕捉上下文信息;利用多重注意力机制引导判别网络对生成的无阴影图像进行鉴别,进而减少判别网络关键信息损失,提高判别网络的鉴别效果。分别在ISTD（dataset with image shadow triplets）与SRD（dataset for shadow removal）公开数据集上进行验证,实验结果表明：该算法视觉效果表现良好,单幅阴影去除后的图片与数据集中真实无阴影图片进行对比,SSIM（structural similarity）可达到0.978,PSNR（peak signal to noise ratio）可达到32.2?dB,RMSE（root mean squared error）可达到6.2,相比同类算法,具有显著优势,且对复杂地物或暗区域阴影去除效果良好。     

基于环境要素的枯水期水上桥梁目标的定位方法

针对以往水上桥梁检测精度不高,尤其当河水处于枯水期时检测结果依赖检测窗口的选择,以及水上桥梁下方存在湖心岛时桥梁容易被错检等问题,提出基于环境要素提取的高分辨遥感图像中枯水期水上桥梁目标的定位方法。该方法通过提取与目标密切相关的水域、桥体、阴影等环境要素,在桥梁知识模型指导下,经过目标检测、目标定位和描述过程精确定位描述目标。以实际高分辨率遥感图像为例,对该方法进行实验验证,结果表明该方法有效提高了定位检测精度。     

适用于复杂动态场景的快速阴影算法

3D场景中阴影的使用可以提高图像的真实感,文章详细的分析了平面阴影算法和阴影体算法两种阴影算法原理,并给出了数学推导和实现方法。综合使用这两种算法,借助碰撞检测技术中的包围盒原理,文章提出了适用于复杂场景阴影快速算法,还针对动态场景光源变换逆矩阵求解复杂的问题,给出了一种快速确定光源位置的求解方法。经试验证实,该算法既能够较为真实绘制阴影,又缩短了绘制时间,提高了效率。