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。     

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。     

室内视频中基于边缘的运动阴影去除算法

针对运动提取算法总是将运动阴影错误检测为运动前景,提出一种基于边缘信息的室内运动阴影去除算法.首先用Canny算子提取输入图像的边缘,同时对输入图像进行梯度分割;其次利用运动边缘的属性提取属于真实前景的运动边缘;再次得到靠近运动边缘的真实前景的部分边界;最后通过文中提出的边界跟踪技术构建出完整的前景边界,从而提高运动前景的检测精度.仿真实验表明,对不同的光源距离、不同的阴影投影方向及不同颜色前景引起的运动阴影,算法都能鲁棒地分离目标及其阴影区域.     

基于颜色属性的车辆阴影去除方法

颜色属性,即语言颜色标签,可以表示世界中的所有颜色。视频帧图像中的阴影的颜色属性为黑色,因此提出一种基于颜色属性的车辆阴影去除方法。利用概率潜在语义模型学习颜色属性,建立颜色名概率字典,并实现对视频帧图像的颜色名映射,将表征阴影的黑色区域二值化为背景,而非阴影区域二值化为前景。同时,将二值化图与背景差分图进行"与"操作,去除阴影,再去除阴影外边缘的噪声。最后,对其进行先膨胀再连通域填充处理,以得到去除阴影后的车辆目标。实验证明,该方法在一定场景下可以很好地去除阴影,获得相对完整的运动车辆目标。     

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。     

基于聚类主颜色和边缘直方图的图像检索方法

图像的主颜色被广泛应用于图像检索中,但主颜色不能反映图像信息的空间分布.边缘直方图是在灰度图像上提取的,丢弃了图像的颜色信息.提出了一种综合利用聚类主颜色和边缘信息进行图像检索的方法.首先利用K均值聚类算法得到图像的主颜色,然后利用大津算法分割图像,利用Sobel算子提取目标和背景之间的显著的边缘特征信息构造边缘直方图,最后综合利用聚类主颜色和边缘直方图进行检索.既可以利用主色调信息,又能利用边缘的特征信息来反映图像信息的空间分布.实验结果表明,该方法可以有效地提高检索精度.     

一种基于运动阴影的目标检测算法

运动阴影常被误划为目标并干扰目标的分割和跟踪,所以阴影检测在许多图像监控系统中都非常重要.本文研究传统阴影检测算法.针对传统算法受特定条件约束不能自动适用于不同场景的不足,提出一种在场景特征未知情况下的阴影检测算法.算法综合考虑颜色信息、空间信息和纹理信息,利用阴影的颜色、空间和纹理属性在待分析区域中确定其造成的颜色形变,通过使用颜色形变补偿和纹理校正检测到运动阴影.基于不同图像的实验结果表明该方法的有效性.     

一种基于边缘信息与HSV颜色空间相结合的阴影检测算法

在基于HSV颜色空间检测阴影的基础之上．针对其存在的问题,即容易把亮度较低的车辆也作为阴影消除．提出一种利用车辆边缘对称性的HSV方法。该方法先对感兴趣区域进行边缘检测．之后在垂直方向上对像素点的个数进行累加．由于车辆两边的边缘轮廓明显．累加值通常最大。以此求得车辆的边缘与对称轴,确定车辆的范围,之后在车辆区域之外采用基于HSV颜色空间的方法进行阴影的消除。实验表明,该方法能有效解决亮度较低的运动目标被检测成阴影的问题。     

多颜色空间中目标约束的车辆阴影分割研究

智能交通系统希望从交通视频中获取车辆的相关信息来管理交通流,而视频中车辆阴影的检测和移除是移动车辆检测的一个关键问题。首先提出一种新颖的背景模型更新方法,它是基于从前帧学习到的目标知识来更新背景模型;其次提出一种新的颜色空间,VIRGBC颜色空间,进行车辆阴影分割,它是通过从不同颜色空间中提取对阴影敏感的光谱特征和几何特征进行融合获得VIRGBC颜色特征;然后分别对VIRGBC颜色空间中各通道利用条件随机场进行训练,利用调和平均数合并获得分割结果。实验结果表明,该方法的precision\|recall曲线下的面积为93.5%,比现有其他算法获得更好的结果。     

实时部分遮挡车辆分割及阴影消除

遮挡和阴影问题是智能交通视频监控系统的重要难题.提出一种实时部分遮挡车辆分割及阴影消除方法,该方法针对不同车辆阴影类型获取反映车辆阴影几何形态特征且仅包含稀少像素的阴影线,利用阴影线梯度信息实现阴影消除,并采用几何形态特征分割部分遮挡车辆.实验结果证明,该方法不仅具有较高准确性,而且能满足实时性.