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。     

太赫兹成像三维块匹配自适应Canny边缘检测算法

针对传统Canny算子在滤波时会模糊边缘且需要人工设置高低阈值的缺点，提出了一种基于三维块匹配的改进自适应阈值Canny边缘检测算法，并用于太赫兹三维层析成像。该算法一方面对滤波方法进行了改进，用三维块匹配(BM3D)滤波算法结合引导滤波算法代替高斯滤波算法以减少图像边缘信息的丢失；另一方面，针对传统人工设定阈值的不确定性，将梯度图进行块匹配后对三维图像块组使用最大类间方差法(OTSU)以自适应确定高低阈值。最后利用该算法对含有噪声的图像进行边缘检测处理，发现在高斯噪声方差为20时滤波后的峰值信噪比(PSNR)从22.202提升至27.151，验证了该算法去除噪声的有效性。三维块匹配改进自适应阈值Canny边缘检测算法(BM-OTSU-Canny)减少了错误边缘的数量，同时保留了连接性较好的边缘点，改善了边缘细节信息的提取效果。     

基于模板边缘的自适应角点检测算法研究与应用

原有算法在检测角点过程中的聚类效果不明显,导致检测后的图像角点个数与实际所需不符,存在伪角点和漏角点,逐渐增加图像的检测时间,为此,设计基于模板边缘的自适应角点检测算法。模板边缘技术可以对潜在的角点区域进行有效规划,以中心点相邻点位进行提纯,具有交点过滤的效果优势。基于模板边缘转化灰度值,分割并预处理图像,抑制角点半径确定对应特征提取点数,获取自适应阈值检测图像角点,完成基于模板边缘的自适应角点检测算法设计。实验结果表明:以两组实际拍摄图像为测试对象,运用传统算法和研究算法进行角点检测,在研究算法应用下,能够真实地标记出两组图像的角点数量,且检测时间均不超过0.2s,具有实际应用效果。     

基于颜色空间转换的运动目标检测与阴影去除

针对室内视频监控中运动目标检测常出现的阴影误检,提出了一种基于颜色空间转换的自适应背景建模和阴影消除算法.在RGB空间采用自适应背景差对视频图像进行前景背景分离,并将检测出的前景目标锁定在活动轮廓矩形框内进行目标跟踪,对于误检的虚假目标(即阴影),利用其亮度等信息,在HSV空间去除.经实验验证,该算法对阴影的去除有良好的效果,能准确检测出真实目标.     

光图像亚像素边缘高精度自适应检测研究

由于激光图像亚像素边缘易出现薄弱现象且边缘位置模糊,导致边缘检测速度以及精度下降,提出激光图像亚像素边缘高精度自适应检测研究。通过小波模极大原理对图像进行粗定位,获取亚像素边缘点位置,结合Zermike矩算法对边缘进行亚像素定位,结合最大类熵阈值方法计算对应的阈值,通过人工对阈值进行反复调整,设定低阈值和自适应阈值来保护图像弱边缘和提取真正边缘,完成激光图像亚像素边缘自适应检测。相关实验结果表明,检测图像图像包含的边缘信息较多,且对于噪声的抑制效果较好,检测信噪比较高,检测时间在1s左右,检测效率在90%以上。     

基于全局纹理和抽样推断的自适应阴影检测算法

为了提高不同光线环境下阴影检测的准确度和稳定性,提出了一种自适应的阴影检测算法。设计了一种阴影检测器,利用候选前景中像素YUV分量变化比率判别阴影像素,其检测阈值由阈值估计器得到。阈值估计器利用全局纹理和抽样推断的方法统计计算出当前光线环境下所需的阈值。整个阴影检测过程不需要人工干预,适应于各种复杂动态的场景。对代表不同光线条件的标准测试视频的检测实验表明,本文算法能够自适应地检测得到各目标阴影区域,具有较好的稳定性和实时性,综合检测指标达到94%以上。     

基于改进ViBe算法的运动目标检测

运动目标检测是智能视频监控中必不可少的环节,其检测结果的好坏影响着后续的研究。针对ViBe算法的不足,对ViBe算法进行了改进。根据chromacity法检测出阴影,通过在当前像素上添加与平均背景强度之间的差值来移除阴影;根据均值法提取出的背景建立初始背景模型,消除后续帧检测时出现的鬼影;通过缩小更新因子加快背景模型更新速度,快速消除均值法在运动目标过多时不能得到干净背景的问题;用自适应阈值代替固定阈值,引入颜色失真值,根据自适应阈值以及颜色失真值进行像素点分类;对前景目标进行去除小面积连通域操作以降低动态背景及噪声的干扰;通过进行闭运算操作以填充目标区域的空洞。实验采用CDnet 2014数据集进行验证,实验表明,改进算法能够有效地消除阴影和鬼影,提高了检测精准度,检测效果较为理想。     

改进Canny的无人机影像边缘检测算法研究

针对经典Canny算法在边缘检测中存在的无法去除椒盐噪声、边缘误判以及无法形成闭合区域的问题,本文构建一种基于各向异性扩散的自适应Canny无人机影像边缘检测算法。首先,将自适应中值滤波和各向异性扩散相结合,在去噪的同时有效地保留了边界信息;其次,运用4方向的Sobel模板,计算梯度幅值和梯度方向;最后,为了避免阈值选取不当,采用逻辑与运算自适应获取阈值并得到边缘图像。选取两幅无人机影像进行试验,并将本文算法和几种常用算法进行对比分析,试验结果表明本文算法在有效去除椒盐噪声的同时,提高了边缘检测的完整性和连续性,进一步实现了影像的自动化处理,对无人机影像边缘检测结果的定性和定量评价也验证了本文算法的可行性。     

基于模板边缘的自适应Harris角点检测算法

针对传统Harris算法检测的角点出现聚簇、伪角点以及阈值人为设定的问题,提出一种基于模板边缘的自适应Harris算法。首先,利用局部区域的思想检测出图像中的潜在角点区域;然后,对潜在角点区域利用改进的自适应阈值Harris算法进行角点提取;最后,提出模板边缘的思想,构造一个新的圆形模板,通过评估中心点与模板边缘像素点邻域的灰度变化情况,对提取的角点进行提纯,过滤掉伪角点,得到最终检测结果。实验结果表明,该方法在计算效率上比Harris算法提高了32.8%,在实际应用中具有较高的精确度和鲁棒性。     

视频流中人体肘关节检测算法研究

在对视频流中运动员肘关节进行检测算法的研究之前,由于背景信息会对算法的实现产生干扰,所以首先对视频图像进行了感兴趣区域的提取,本文分别比较了帧差法和自适应阈值选取法,得出自适应阈值法有它的优势,能保留大量的前景信息。并对得到二值图像进行了形态学处理,去除了前景中的空洞和离散噪声。对于运动员肘关节的检测,由于运动员的胳膊上无标记,所以需要找到肘关节区别于其它地方特有的特征,发现运动员在进行拉弓过程中,胳膊会弯曲,突出肘部关节,利用肘关节此时曲率最大的特征,选用基于特征点的检测和跟踪算法,根据肘关节曲率最大的特征,首先利用Harris算子对运动员肘关节进行特征提取。     

Moving cast shadow detection using online sub-scene shadow modeling and object inner-edges analysis

In this paper, we propose an adaptive and accurate moving cast shadow detection method employing online sub-scene shadow modeling and object inner-edges analysis for applications of static-camera video surveillance. To describe shadow appearance more accurately, the proposed method builds adaptive online shadow models for sub-scenes with different conditions of irradiance and reflectance. The online shadow models are learned by utilizing Gaussian functions to fit the significant peaks of accumulating histograms, which are calculated from Hue, Saturation and Intensity (HSI) difference of moving objects between background and foreground. Additionally, object inner-edges analysis is adopted to reject camouflages, which are misclassified foreground regions that are highly similar to shadows. Finally, the main shadow regions are expanded to recycle the misclassified shadow pixels based on local color constancy. The proposed algorithm can adaptively handle the shadow appearance changes and camouflages without prior information about illuminations and scenarios. Experimental results demonstrate that the proposed method outperforms state-of-the-art methods.     

基于改进高斯混合模型的红外人体目标检测方法

针对高斯混合模型在阴影不显著情况下,容易把随光线突变而变化的背景像素点当作前景目标从而造成目标误检的缺点,提出了一种基于改进的高斯混合模型的红外人体目标检测方法。该方法引入边缘检测信息增强红外人体目标检测效果。首先,该算法利用Canny边缘检测来提取人体目标的边缘信息。然后,以此对每个像素建立高斯混合模型来完成人体目标的检测。实验结果表明,该方法能够有效消除光照突变所产生的阴影影响,提高了检测的准确性。     

一种改进的基于纹理和颜色的运动阴影检测

精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,针对当前运动阴影检测中采用的纹理信息过于粗糙、阈值选取需要人工干涉等问题,通过对NCC(归一化互相关)纹理算法进行改进,并结合亮度和归一化颜色特性,提出一种自适应的运动阴影检测方法。以混合高斯模型得到的前景像素为基础,通过阴影在亮度和归一化颜色的特性筛选出候选的阴影区域,结合改进的纹理算法进一步缩小阴影区域范围,最后利用空间后处理得到真实阴影。实验结果表明,该算法在有效降低噪声干扰的情况下能够较好区分局部纹理不明显的运动目标和阴影。     

基于颜色对立空间的运动目标的阴影检测

利用背景差分法检测运动目标,目标阴影和目标本身均会被当作前景检测出来。针对上述问题,提出了基于颜色对立空间的运动目标阴影的检测方法。该方法首先将提取的前景图像由常见的RGB格式转换成CIELAB颜色对立空间格式,再分别对其L＊、a＊和b＊三个通道进行边缘检测。由于CIELAB颜色对立空间所具有的接近人类视觉的特性,用上述检测出的边缘进行相关的数学形态学的处理,便可检测出阴影。实验结果表明该方法便捷快速,能够有效检测出运动目标的阴影。     

基于稀疏表达残差的自然场景运动目标检测

本文提出一种基于稀疏表达残差的非参数化运动目标检测算法,在假设前景变化相对静态背景可以视为稀疏残差的基础上,采用视频前n帧初始化稀疏表达字典;利用字典对后续视频帧进行重构,提取每帧的重构残差;结合基于光照强度的全局阈值矩阵,将残差图像二值化,提取图像前景;利用前景区域和边缘点关系剔除ghost区域;采用增量PCA(Principal Component Analysis)算法和保守更新的思想对背景模型进行更新.在changedetection.net提供的shadow数据集上实验表明,采用全局更新和残差计算的方法,可以有效的解决由于自然场景光线变化导致的阴影变化,并且对自然场景中背景的小幅度抖动和相机抖动等问题也具有一定的抵抗能力.     

Similarity relation matrix-based color edge detection

A novel edge detection algorithm for color images was described in this paper. In the proposed method, smoothness of each pixel in color image is firstly calculated by means of similarity relation matrix and is normalized to maximum gray level. In other words, color image in three-dimensional color spaces is mapped into one dimension. Accordingly the edges are performed in such a way that pixels lower than thresholds are assigned to be edge. Thus with proposed method, edge pixels in a color image are detected simultaneously without any complex calculations such as gradient, Laplace and statistical calculations.     

基于颜色和梯度差估计器的运动阴影检测

针对当前运动阴影检测中采用的纹理信息过于粗糙问题,提出一种基于梯度差估计器并融合亮度和归一化颜色特征的阴影检测方法。以混合高斯模型得到的前景像素为基础,通过阴影在亮度和归一化颜色上的特性筛选出候选的阴影区域,然后利用梯度差估计器确定最终的阴影区域。实验结果表明,本文算法能很好地区分局部纹理不明显的运动目标和阴影。     

用二次B样条小波进行图像的自适应阈值边缘检测

根据边缘检测的评价标准,参照最佳边缘滤波器的设计要求,确定选择用于边缘检测的小波母函数的一般准则,并在此基础上构造出二次B样条小波,提出了基于小波变换的自适应阈值图像边缘检测的新方法.通过计算机仿真对该算法进行了验证,结果明显好于采用固定阈值的小波边缘检测.     

基于灰度特征和自适应阈值的虚拟背景提取研究

针对虚拟背景提取(Visual Background extractor,ViBe)算法在目标检测时容易出现鬼影和运动目标阴影的缺点,该文提出了一种基于灰度特征和自适应阈值的ViBe背景建模改进方法。该算法首先利用ViBe算法进行背景建模,得到前景目标,然后对前景目标进行灰度特征判断和自适应阈值比较,得到没有鬼影和运动目标阴影的运动目标。实验结果表明,改进后的算法可以很好地弥补ViBe算法的不足,提高ViBe算法的识别准确率。