车辆阴影消除算法

讨论一种结合车辆阴影自身特征和阴影几何模型的阴影消除算法。使用VC 6.0结合OPENCV平台实现。该算法在分析车辆阴影自身特征的基础上,结合阴影几何模型,对相关像素按照提取出的车道线的方向进行坐标变换,在新的坐标系下寻找阴影与车身的边界位置后对阴影进行切除,然后再变换回原坐标系下,实验结果表明该方法对车辆阴影的去除效果很好。     

一种自适应的运动目标阴影消除新算法

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,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,得到疑似阴影区域;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。     

基于高斯混合模型的阴影消除算法

关于阴影消除是智能监控系统的重要组成部分,且对后续的识别和跟踪有很大的影响。根据改进的高斯混合模型检测出目标,用高斯混合阴影模型来检测阴影,并用高斯平滑滤波处理检测的结果。然后动态选择合适的阈值对图像做二值化处理,进一步对结果进行形态学滤波。经过整个过程的处理,得到了较为完整的轮廓,很好的消除了阴影,提高后续的识别和跟踪的准确性和可靠性。实验表明,算法能较好地消除阴影,且具有较好的实时性和鲁棒性。     

一种基于YUV颜色空间自适应阴影消除算法

针对视频内容分析中的物体检测问题,提出一种新的基于YUV颜色空间的阴影消除方法,相比其他基于YUV颜色空间阴影检测方法,该方法为提高检测精度,使用自适应的动态门限。首先,在RGB颜色空间中使用背景差,得到仅包含目标物体及其阴影的图像。然后在YUV颜色空间中对此图像的色度进行统计分析,搜索出色度变化缓慢的区间,再针对每个色度区间确定对应的亮度区间,获得估计门限。最后,利用以上门限检测并消除阴影。实验结果表明,该方法对不同光照情况下的物体阴影都有很好的消除效果。     

一种基于区域的车辆阴影消除方法

该文给出了一种基于区域的车辆阴影检测方法。首先将运动前景像素检测出来,利用梯度特征分割运动前景的连通域获取投射阴影的方向,然后再结合区域内的角点及灰度相似性特征分割车辆和其阴影像素。实验结果表明该方法可以有效的检测阴影,并且能够满足实时性的要求。     

城市航空影像的阴影检测和阴影消除方法研究

阴影是城市航空遥感影像的基本特征之一,阴影的存在影响地物边缘的提取、建筑物的识别和影像的配准等,因此,阴影检测和阴影消除在城市遥感中具有重要意义。本文主要介绍了一种高分辨率城市航空影像的阴影检测和阴影消除方法,在阴影检测过程中,分别对影像RGB色彩空间中的G通道和HIS色彩空间中的亮度通道进行阈值选择检测出阴影区域,然后对这两种阴影检测结果进行与运算得到最终的阴影区域并标记出来。对所标记的阴影区域,根据Retinex理论选择合适的尺度对其进行增强处理,由于阴影区域的地物信息进行增强时阴影边界也有所增强,因此需要对阴影边界进行模糊化处理。试验表明,该方法能较好的检测出阴影区域,而且对阴影区域的地物恢复效果较好。     

彩色与纹理不变性的阴影消除新算法

针对阴影C1C2C3彩色不变性检测法时间开销大的缺陷,提出了改进的D1D2D3模型阴影检测法,减少了算法的时间复杂度;针对阴影LBP纹理不变性检测法在图像纹理不明显时所存在的误检现象,提出了改进的LPTD算子,提高了算法的准确率.进一步将上述两种改进方法进行有效融合,提出了一种阴影消除新算法,采用SUSAN算子去除阴影强边缘,有效解决了强光给阴影检测带来的误差,再通过形态学处理,消除了图像内部孔洞和噪声.实验结果表明,新算法的阴影消除效果更为理想.     

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.     

基于生成对抗网络的图像阴影消除算法

虽然现有基于深度学习的图像阴影消除方法已取得了一定的进步,但是这些方法主要关注图像本身,没有很好地探索其他额外与阴影相关的信息,因此这些方法常常存在图像纹理模糊、内容不协调等问题.针对这些问题,文中基于生成对抗网络(Generative Adversarial Network,GAN),提出了一种新的阴影消除网络模型....     

一种改进的运动目标检测和阴影消除算法

提出一种改进的运动目标检测算法,以准确检测不同光照条件下的运动目标。针对前景检测时出现的阴影,提出基于边缘信息的阴影消除算法。该算法与阴影方向无关,能去除目标各方向的大部分阴影,为视频监控系统的后续高级处理排除了阴影干扰。在配置为 2.0 GHz的P4计算机上运行,速度约为20帧/s。实验结果表明了算法的实时性、可靠性和准确性较好。     

一种基于形态学的运动车辆阴影消除方法

提出一种基于形态学的运动车辆阴影消除方法. 该方法不需要彩色、梯度、模型、空间和纹理信息, 只根据前景目标 (包含车辆及其阴影) 的几何形状, 不仅可以有效区分车辆和阴影, 而且可以有效区分相连的车辆. 实验结果表明, 基于形态学的阴影消除方法既具有较高的可靠性, 也具有较好的实时性.     

昆虫运动图像分割中的阴影消除算法

昆虫运动图像分割是昆虫步态提取、跟踪及分析的基础,根据昆虫运动图像中阴影点灰度小和色度保持稳定的特点提出一种适合室内运动检测的图像分割及阴影消除方法。先将当前帧图像与当前的背景图像对应像素点的像素值相除,比值小于1的点可能包括阴影和运动目标;然后计算比值小于1的点在RGB空间中的向量与对应背景点向量的夹角余弦。因为阴影色度保持不变,其夹角为0或极小,所以可将余弦接近1的点判为阴影。实验表明该方法简单有效,提取出来的昆虫前景图轮廓清晰,特征部分保持完整,为昆虫步态检测、分析及机器人步态规划提供支持。     

基于颜色信息和光学增益的阴影消除

运动阴影常被误分为前景对象,会给目标的跟踪和识别带来很大困难,所以阴影消除在许多的监控系统中都是非常重要的。针对阴影检测算法受特定条件约束,不能自动适用于不同场景,为解决上述问题,提出了一种新颖鲁棒且无需复杂的参数调整的运动阴影消除方法。通过自适应高斯混合模型重建背景,采用背景差分法提取出包含阴影的运动区域,综合颜色信息与光学增益,将运动区域分类为运动对象区域和运动阴影区域。实验结果表明:所提方法在多种不同的场景下均能有效可靠的消除运动阴影。     

基于车辆模板和边缘信息的阴影消除方法

介绍了一种基于车辆模板和车辆与阴影的边缘信息的阴影消除方法。该方法先利用了背景和车辆之间灰度差距比较明显,找出大概的车辆模板。通过应用光源投射时候形成的阴影方位的先验知识以及车辆和阴影之间的边缘信息,在模板内部消除阴影,可以达到很高的准确性。在进行分割过程的时候,采用了动态的阈值选取方法,可以在不同情况下实现很好的鲁棒性。     

运动目标的阴影实时检测和消除

运动目标的实时检测与跟踪是智能监控和视频活动识别应用的基本步骤.运动目标检测把场景分割为前景目标和背景区域,但是在这个过程申运动目标投射的阴影很容易被误分类为前景目标,这种误分类会造成多个目标的合并或目标形状的改变.为了改善运动目标分割的效果,提出一个基于光强、色度和反射率的实时阴影检测和消除的算法,该算法不需要目标的...     

基于各向异性Retinex的路面图像阴影消除

路面图像中常常存在车辆、树木、建筑物等的阴影,给图像的特征抽取和识别带来极大的干扰。通过分析中心/环绕Retinex算法(center/surround Retinex,CSR)以及现有的基于Retinex的阴影消除算法处理阴影图像的不足,提出了一种各向异性中心/环绕Retinex算法(anisotropic diffusion center/surround Retinex,ADCSR),该算法融入了基于偏微分方程(PDE)的各向异性扩散,并根据算法特点提出了基于"边界性"(edge degree,ED)的各向异性扩散方案,避免了梯度门限等参数选择的困难,在消除阴影的效果上和运算效率上都取得了令人满意的结果。     

多特征融合的车辆阴影消除

目的 提出一种基于颜色特征和边缘特征相融合的算法,实现对复杂交通场景中车辆阴影的检测和消除。方法 首先,通过经典混合高斯背景建模方法建立背景模型,以帧差法获取运动目标前景。其次,针对复杂多变的交通道路场景,采用串行融合策略检测车辆阴影。对运动目标前景基于边缘特征检测阴影之后,再进行RGB颜色特征方法检测阴影,此过程中利用边缘差分、形态学处理等运算以达到更好的阴影消除效果。为提高算法效率,对前景区域进行阴影评估,从而判断是否有必要进行阴影检测和消除。结果 通过与统计参数法SP、统计非参数法SNP、两类判定性非模型法DNM1、DNM2等算法的对比,本文算法的阴影检测率和阴影识别率分别有大约10%的提升。实验结果表明,该算法能够有效消除车辆阴影,具有良好的准确性和鲁棒性。结论 本文算法结合颜色和边缘两种特征,弥补基于单个特征方法的单一性,降低由于阴影区域边缘复杂、车辆颜色与阴影颜色相近等原因造成的阴影误检率,阴影消除效果良好。     

一种基于梯度特征的阴影消除方法

基于对运动目标检测跟踪的研究和分析,特别针对人体的阴影消除展开了深入研究,提出了一种基于梯度特征的阴影消除方法。运用背景差分阀值方法,得到运动前景;利用背景像素点的梯度特征在被阴影覆盖前后不变的性质来消除阴影;运用log算子提取二阶梯度信息;运用图像形态学进行处理。     

基于分层码本模型的阴影消除方法

为了解决复杂环境,特别是背景改变带来的背景模型变化,对运动目标的阴影检测与消除效果产生影响的问题,给出一种在YCb Cr颜色空间下基于分层码本模型的阴影消除方法。目标检测时采用分层建模与检测技术检测出运动区域并更新背景模型,从永久背景模型中提取背景图像并采用基于色度的阴影检测方法消除阴影,避免在阴影检测与消除中使用固定背景的问题。在公开测试集上的实验结果表明,该方法能有效地适应背景的动态变化,对复杂环境中的前景目标检测与阴影消除有很好的效果。     

虚拟航空场景中阴影消除的仿真研究

研究虚拟航空场景真实感仿真问题.真实航空视野场景中,航空视野兴趣区存在较大的随机性和不定性的物体.物体会造成场景中出现随机性遮挡干扰.传统的虚拟建模技术很难对上述随机物体做出预判,进而造成虚拟建模像素意外遮挡,虚拟场景中形成较大阴影,影响了航空视野虚拟场景的真实效果.为了解决上述问题,提出一种HSV空间内,虚拟航空视野中的阴影去除算法,通过卡尔曼滤波对航空视觉图像进行实时跟踪,计算产生的阴影部分面积,利用合理的HVS空间内的像素阀值计算消除航空视觉虚拟现实中的阴影.后期的仿真结果证明,改进算法能够有效的消除运动状态下的视觉阴影,算法的精度较高.