融合颜色和CS-LBP纹理的运动阴影检测

针对现存阴影检测方法存在的实时性和精确性兼顾不周的问题, 提出加权融合颜色和纹理特征的阴影检测方法: 首先利用HSV颜色信息提取疑似阴影点; 其次, 通过阴影的亮度比计算阴影亮度隶属度, 对于高亮度隶属度的疑似阴影点, 直接判定为阴影点, 减少了纹理检测的计算量; 然后对低亮度隶属度的疑似阴影点提取高效的CS-LBP纹理, 并进行纹理匹配, 根据纹理的相似程度及阴影空间分布特点, 计算出纹理隶属度; 最后, 根据实际中纹理随亮度变化的特点, 提出了依据亮度比自适应调整纹理隶属度权重的特征融合方法, 进行有效的阴影检测. 实验表明, 本文方法实时性良好, 可去除自阴影, 分割精度较佳, 隶属度方法的使用, 使本方法对光照变化及噪声更具有鲁棒性.     

一种基于颜色恒常性理论的城市高分辨率遥感影像阴影消除方法

阴影是遥感影像中普遍存在的一种现象,它的存在影响对被遮挡区域信息的获取,并且对影像的目视效果造成不好的影响。因此,对阴影的去除在遥感影像信息提取中是一个需研究的问题,特别是对于具有大量高层建筑物的特大城市区域。本文采用颜色恒常性的理论,来实现对高分辨率遥感影像上阴影的去除,利用上海市陆家嘴区域的QuickBird高分辨率影像对算法进行了实验,结果表明该方法对阴影的去除具有较好的效果,并且计算简便。     

颜色和纹理特征的运动目标检测

针对复杂场景中运动目标检测这一难题,提出利用RGB颜色特征和尺度不变局部三元模式的运动目标检测算法。利用时域中值法得到估算背景图像并快速初始化背景模型。通过颜色特征、纹理特征相似性度量,融合得出背景概率网络,通过侧抑制滤波提高对比度分类出前景与背景像素,前景像素进一步进行阴影检测,将阴影点归为背景点,但不用于模型更新。将算法与GMM、SC-SOBS、SUBSENS算法在变化检测数据库中进行对比验证。实验表明,新算法在满足实时性的基础上,对动态背景,阴影和相机抖动等有一定的鲁棒性。     

结合区域颜色和纹理的运动阴影检测方法

在视频跟踪中,由于运动阴影和运动对象具有相似的物理特性,现有方法很难区分运动对象和运动阴影.为解决这一问题,本文利用区域间的颜色和像素亮度的关系进行运动阴影的检测,有效克服了以像素为最小检测单位时检测结构容易受到噪声影响的不足;在通过分析运动阴影的物理模型证明局部二值模式(LBP)纹理的光照不变性之后,利用局部二值模式...     

基于YCbCr颜色空间的叶片阴影检测与去除

自然环境下获得的植物叶片图像往往由于阴影的存在而严重影响植物叶面特征的提取,为了解决这个问题,提出了一种基于YCbCr颜色空间的阴影的检测与去除方法.首先在YCbCr颜色空间中计算Y通道强度,采用阈值法检测阴影区域.然后在YCbCr颜色空间下根据光照模型对阴影区每个像素进行光照恢复.最后转化到RGB颜色空间下.相对于直接在RGB空间进行的阴影去除,该方法减弱阴影区的边缘效应,使得去除阴影后的区域与非阴影区的颜色更加一致,恢复图像看上去更加自然.     

基于LAB颜色空间的图像阴影检测与去除方法

为实现单幅图像快速去阴影处理,提出基于LAB颜色空间的图像阴影检测与去除方法。首先,将RGB图像转换成LAB图像,再对阴影图像进行边缘检测。然后,通过对不同颜色通道进行分析、计算及重新整合,得到阴影区域与非阴影区域平均色度值相匹配的图像。最后,对图像进行色度校正和边缘校正,实现单幅图像去阴影处理。为验证本文方法的可行性和有效性,分别采用峰值信噪比（PSNR）和结构相似度（SSIM）这2种性能指标,来客观评价图像的去阴影结果,并与2种典型的图像去阴影方法进行比较。结果表明,本文方法的各性能指标最高,如：在3组实验中,PSNR分别达到17.4721、17.6206、17.3048,SSIM分别达到0.8192、0.8344、0.8027。而且去阴影后图像特征信息清晰,保留的结构信息更接近于真实无阴影场景图像,整体取得了很好的去阴影效果。     

融合线性特征的局部纹理运动车辆阴影检测

提出了一种融合线性特征的局部纹理运动车辆阴影检测方法。首先基于连续帧视频图像信息建立初始背景模型;通过背景差法获取包含阴影的运动目标区域,同时依据该运动区域信息实时更新背景;结合亮度信息,利用改进局部二值模式的纹理算子描述运动区域纹理,并根据海明距离进行粗分类,快速检测出运动区域中的阴影覆盖区;进一步对阴影覆盖区域进行纹理信息的线性特性判断,排除车辆自阴影区域,获取背景阴影,得到真实车辆目标。实验结果表明,该方法提高了阴影和车辆自阴影的检测准确度,且速度快,可满足实时性要求。     

融合纹理和颜色特征的显著目标检测

针对在无监督情况下,图像中显著性目标的不确定问题,提出了一种基于纹理和颜色特征的显著目标检测算法.首先,利用Gabor滤波器提取图像的纹理特征,构造背景模型.结合图像边缘信息更新背景先验信息.其次,利用颜色对比度来获取显著特征,利用贝叶斯增强来提高检测效果.最后,在MSRA和ECSSD两个公开数据集上,将论文算法与其他...     

融合纹理特征和阴影属性的阴影检测方法

为了解决智能视频监控中阴影对目标检测、跟踪和识别的影响,提出了一种融合纹理和阴影属性的阴影检测去除算法。分析了像素点在阴影覆盖前后它的纹理变化规律,改进了LBP算子对噪声敏感的缺点,根据像素点基于改进LBP算子的纹理值在当前帧和背景帧的差异检测出候选阴影区域。根据光照模型分析得到阴影点具有相同的亮度比值,根据阴影的亮度比值统计数据排除非阴影点,并在亮度比值空间做区域生长得到完整的阴影区域。实验结果表明,该方法能够快速、准确地检测出重阴影和浅阴影。     

一种基于纹理和颜色置信融合的运动目标检测方法

针对运动目标检测中单特征背景模型存在的局限性,如基于颜色特征的背景模型对光照和阴影敏感,基于纹理特征的背景模型易产生空洞,提出了一种以置信度融合RGB颜色特征和SILTP(Scale Invariant Local Ternary Pattern)纹理特征的运动目标检测方法。以像素点SILTP纹理信息值和RGB颜色信息值及他们各自的置信度构建背景模型。分别计算当前像素点与背景模型的纹理差异度和颜色差异度,通过置信度融合的方法计算当前像素与背景模型的总体差异度,以达到更好的融合效果。采用ViBe算法的更新策略更新背景模型。通过前景像素点8邻域内的背景像素点的统计方法去噪点。wallflower和Data2014数据集上的实验结果表明,所提出的融合方法能有效抑制阴影,对光照有良好的鲁棒性,在复杂动态背景下能取得良好的效果。     

联合两种颜色空间的阴影检测算法

在视频监控的运动检测中,由于光照、风吹等影响,运动阴影常常被误认为运动对象。为了有效解决动态背景下运动目标中存在的阴影问题,提出了一种归一化的RGB颜色空间和HSV颜色空间相结合的阴影消除方法。该方法首先在归一化RGB颜色空间下用背景减除法得到运动目标,然后在HSV空间下对阴影进行检测和消除,从而得到真实运动目标。实验结果证实：该方法在运动目标检测及跟踪方面取得了较好的效果,对动态背景的视频,能准确、实时地检测出阴影并进行消除。     

基于局部纹理特性的运动车辆阴影消除

为解决传统阴影检测算法可靠性和实时性难以兼顾的难题,从交通场景的实际应用出发,提出一种基于局部纹理特性的灰度域阴影消除方法。通过分析阴影的物理模型,得出局部纹理的光照不变性,利用基于比值判决的LBP纹理法来区分运动车辆和阴影,并应用亮度约束和几何启发式准则进一步改善阴影检测效果。实验结果表明,该方法的阴影检测有效率在90％以上,且能较好地满足实时要求,提高低亮度时车辆的阴影检测效果。     

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。     

基于单通道比例差分的运动物体快速检测

本文提出了一种基于颜色单通道比例差分累加投影的运动物体快速检测算法，该方法利用分子分母同向变化时，比值差异小的原理，对颜色单通道和灰度值的比例差异进行累加投影，通过投影波形对运动物体进行检测定位。与传统方法相比，由于利用了色彩曲线的变化比例的差分思想，克服大部分光照缓慢变化引起的噪声问题，达到实时检测定位的目的。实验表明该方法的快速性和可行性。     

基于单通道比例差分的运动物体快速检测

本文提出了一种基于颜色单通道比例差分累加投影的运动物体快速检测算法,该方法利用分子分母同向变化时,比值差异小的原理,对颜色单通道和灰度值的比例差异进行累加投影,通过投影波形对运动物体进行检测定位。与传统方法相比,由于利用了色彩曲线的变化比例的差分思想,克服大部分光照缓慢变化引起的噪声问题,达到实时检测定位的目的。实验表明该方法的快速性和可行性。     

一种彩色纹理图像的分割方法

纹理分析一直是图像理解和计算机视觉等领域研究的重点和难点,现有的纹理分割方法大多集中于研究灰度纹理图像,文中提出一种基于分形理论的BP神经网络原彩色纹理图像分割方法,该方法将彩色图像由RGB色彩空间转换为HSI色彩空间,根据亮度计算分数维、多重分形广义维数谱q-D（q)和“空隙”等纹理特征,同时加入归一化的色度和饱和度作为另外两个分类特征,采用经过有监督训练的BP神经网络作为分类器,通过对纹理图像的分割实验,结果证实该方法行之有效。     

基于ICA特征的运动阴影检测算法

为防止运动阴影在视频图像序列中被错误地检测为目标,必须提高阴影检测算法的准确性和普适性。为此,从独立分量分析(ICA)的原理及其特性出发,提出一种基于空间变换技术的运动阴影检测算法。该算法通过对视频序列建立高斯混合背景模型产生自适应背景,利用ICA技术对其进行空间变换提取特征,再通过背景与当前帧图像对应像素点在特征空间的位置特征来分类运动阴影与前景目标。实验结果表明该方法能够较好地抑制噪声,减少光照变化的影响,准确地检测出阴影。