运动目标检测中的阴影去除方法

采用背景差分法检测运动目标时常常将阴影点检测成前景点,对目标分割与提取产生严重影响。为了准确提取运动目标,提出了一种基于YUV颜色空间色度畸变和一阶梯度模型进行阴影去除的方法。实验表明该算法抗干扰能力强,而且复杂度较低,易于实现实时运动图像处理。     

一种能消除阴影的步态轮廓提取新算法

步态轮廓正确提取是步态识别结果的重要前提.给出一种能消除阴影的步态轮廓提取新算法.根据背景减除法粗定位运动目标区域.并对估计背景和待分帧同一位置的某个像素按照模板生成向量并计算角度.最后对角度设定闲值判断背景(阴影)还是目标.实验结果表明,在给定的步态数据库上,分割目标孔洞少、完整、阴影残留很少,明显优于背景减除结合数学形态学的结果.     

基于下肢轮廓特征的步态周期算法

步态周期是步态的一个重要特征,步态识别是建立在准确的步态周期分割之上的。本文提出了一个基于下肢轮廓的步态周期检测方法,首先对步态序列图像进行灰度化,然后计算各像素点在步态图像序列中的中值,获取整个步态序列图像的背景,提取人体目标后,利用数学形态学方法和区域跟踪算法填补二值化图像中的空洞;采用轮廓跟踪算法获得人体下肢轮廓,并将其转换为对应距离向量,在一个步态系列中利用距离向量范数研究步态周期。本算法计复杂度低,鲁棒性好,精确度高。     

基于图像的六足昆虫的步态检测与三维重构

采用图像方法对六足昆虫进行步态规划,分析图像的颜色空间,选择标记点的颜色,根据颜色向量在颜色空间的夹角,提取关节点。利用区域搜索算法,检测轮廓,计算区域的质心,采用余弦定理计算各质心的夹角,结合俯视图、侧视图实现三维重构。实验表明该方法简单有效,最大误差10％,满足仿生机器人的步态规划要求。     

一种采用高斯模型的步态轮廓分割算法

步态识别中大多采用步态轮廓作为识别特征,因此提取完整封闭的运动人体轮廓以准确表达步态特征是正确识别的前提。本文提出一种采用高斯模型的步态轮廓分割算法。在人的运动方向与摄像机成像面平行和摄像机静止的条件下,假设序列图像所有帧中对应像素点背景时刻的灰度值在时间轴上是高斯分布,而目标时刻不满足这种分布,采用统计推断的方法分割出运动目标轮廓。实验结果表明,本文算法不仅能够提取出完整的人体轮廓,并且能有效地去除噪声,对阴影抑制也有一定效果,能够提高步态识别率。算法直接在RGB空间或灰度空间进行,无需进行颜色空间转换,也无需建立单独的背景图像,计算量小,处理实时性高。     

基于色度畸变和纹理特征的阴影消除方法

从图像序列中精确地提取运动目标是许多计算机视觉应用中的核心部分,但由于运动目标阴影的存在,会导致目标形状的扭曲、目标的相互连接等问题,对分割和提取运动目标造成很大的困难.为了精确地提取运动目标,提出一种利用色度畸变和纹理特征进行阴影消除的方法.采用混合高斯分布建立自适应背景模型,运用背景减除的方法分割出运动区域,并分析了场景点在存在阴影前后色度的分布规律以及纹理的互相关性,从而消除运动目标的阴影.分析和实验表明,该算法抗干扰能力强,对于室内和室外光照条件下的阴影都能有效地消除,并且所需设置的参数少,复杂度较低,易于实现实时运动图像处理.     

基于背景差分法的运动目标分割

运动目标分割在基于视频的运动目标检测与识别研究中发挥着重要作用。以图像差分法为基础,实现了一种复杂背景下快速分割运动目标的方法。通过中值滤波对原始图像进行预处理;运用改进的Surendra算法快速提取并更新背景图像;利用数学形态学运算对差分二值图像进行处理,进行运动区域的初始检测;将RGB图像转换到HSI域中进行适当的阴影去除,完成运动目标分割。实验结果表明该方法能够较为有效地分割出感兴趣区域(ROI)内的运动目标。     

基于改进C-V模型的步态轮廓提取方法

为从步态图像视频序列中提取运动人体轮廓,提出一种新的分割算法。结合背景减除法和对称帧差法初步提取运动人体区域,采用形态学方法消除噪声和阴影,提取较完整的人体轮廓,将此轮廓作为改进C-V模型的初始零水平集,通过少量迭代达到细化人体轮廓的目的。在NLPR步态数据库上的实验表明,该方法能提取完整、精确的运动人体轮廓,消除了大量阴影,具有良好抗噪性且时间复杂度低、识别率高。     

基于空间位置特征的运动阴影检测方法

针对现有依据光学属性检测阴影的方法对不同场景通用性不强、对光照变化敏感等问题,提出一种基于空间位置特征的运动阴影检测方法.用经过标定的双目立体摄像机同时采集背景图像像对.离线获取背景图像对中各匹配点的位置对应关系.投射阴影附着在背景表面,与背景图像像对的位置对应关系相同,故可以通过比较前景图像像对各点在背景对应位置上像素值的相似程度来剔除阴影.该方法不需对环境特征及光照条件等先验知识的学习,各种复杂光照条件均不影响其检测精度.实验表明,该方法能够有效地检测出运动阴影.     

步态识别中的步态检测与序列预处理

步态检测与序列预处理是步态识别的子课题,在人体检测与分割问题上,分别采用光流法、帧间差分法和背景减除法做对比试验。鉴于各种运动检测算法的有效性和复杂性,最终确定采用背景减除法进行行人的检测与分割。针对室内环境采用直接差分的背景减除方法,而室外环境则采用背景实时更新的背景减除方法。用数学形态学填补二值化图像的空洞;再进行单连通的运动分析,提取人的侧影。为了消除图像尺度对识别的影响,运用形态学操作和图形几何变换实现了图像的标准中心化。本文所采用的步态检测与序列预处理方法对后续的步态识别是有效的。     

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。     

Reversible secret-image sharing with high visual quality

This paper proposes a reversible secret-image sharing scheme for sharing a secret image among 2n shadow images with high visual quality (i.e., they are visually indistinguishable from their original images, respectively). In the proposed scheme, not only can the secret image be completely revealed, but the original cover images can also be losslessly recovered. A difference value between neighboring pixels in a secret image is shared by 2n pixels in 2n shadow images, respectively, where n?≥?1. A pair of shadow images which are constructed from the same cover image are called brother stego-images. To decrease pixel values changed in shadow images, each pair of brother stego-images is assigned a weighted factor when calculating difference values to be shared. A pixel in a cover image is recovered by calculating the average of corresponding pixels in its brother stego-images. A single stego-image reveals nothing and a pair of pixels in brother stego-images reveals partial difference value between neighboring secret pixels. The more brother stego-images are collected, the more information in the secret image will be revealed. Finally, a secret image will be completely revealed if all of its brother stego-images are collected.     

Progressive sharing for a secret image

Based on the wavelet transform, a new progressive sharing scheme is proposed to share a secret image into several shadow images using SPIHT encoding processes and Shamir’s threshold scheme. Quality refinement of the recovered image is achieved by the data consumed from the threshold number (r) of shadow images and each single shadow image reveals no information about the secret image. The size of each shadow image is smaller than 1/r of the secret image and any number of shadow images that is less than r reveals no information about the secret image. The proposed approach is secure for image sharing and provides excellent peak signal-to-noise ratio (PSNR) versus rate performance. Experimental results have demonstrated the promising performance of this method in progressive sharing.     

基于YUV颜色空间与局部纹理的运动阴影去除

提出一种视频监控中运动目标的运动阴影去除算法。该方法使用混合高斯背景建模初步得到运动目标区域,在此基础上利用阴影区域的色度、亮度信息与背景的差异,与局部二值纹理模式LBP（Local Binary Pattern）思想相或的方法来消除运动阴影,接着使用形态学的方法去除像素突变的边缘部分。实验结果表明,该方法可以很好地保留前景图像。     

一种可压缩的(r,n)门限秘密图像共享方案

提出了一种可压缩的(r,n)门限秘密图像共享方案,Shamir的门限方案是该方案的基础,它可以克服VSS方案的缺点,并能把影子图像压缩成原秘密图像大小的1/r;当所有像素灰度值小于250时,恢复图像和原秘密图像一样。随后对该方案进行改进,使其在有像素灰度值大于250的情况下,可获得无质量损失的恢复图像。     

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.     

Segmentation of Colour Images with Highlights and Shadows sing Fuzzy-like Reasoning

In this paper, a fuzzy-like technique is presented that resolves several difficult issues related to image segmentation, such as highlights and shadows. Large, relatively continuous, areas within an image are usually easy to segment, and the pixels included within different segments are often determined by using derived edge information. However, in many cases, pixels which lie between segments or in high frequency areas of an image cannot be easily categorised as belonging to any particular segments. Typically, according to the dichromatic reflection model, these pixels may belong to the matte, highlight or shadow area of the closest segment; or, in association with neighbouring pixels, they make up a separate smaller segment. The dichromatic reflection model is applied here to merge highlight and shadow areas with matte areas in an image. By segmenting those pixels into proper regions, the proposed fuzzy-like reasoning approach provides a more human-like segmentation of images.     

高效免置乱的图像秘密共享方案

针对图像秘密共享前需要像素置乱的问题,基于(t, n)门限多重秘密共享思想,提出一种免置乱的图像秘密共享方案,以第n+1人的秘密份额作为因子参与秘密分割与重构,加大相邻像素之间的差距。该方案无需进行额外的密钥传输,运算简单高效、易于扩展,生成的影子图像也仅为原图像的1/t,有效压缩了尺寸。实验结果证明了该方案的可行性。     

Automated masking of cloud and cloud shadow for forest change analysis using Landsat images

Accurate masking of cloud and cloud shadow is a prerequisite for reliable mapping of land surface attributes. Cloud contamination is particularly a problem for land cover change analysis, because unflagged clouds may be mapped as false changes, and the level of such false changes can be comparable to or many times more than that of actual changes, even for images with small percentages of cloud cover. Here we develop an algorithm for automatically flagging clouds and their shadows in Landsat images. This algorithm uses clear view forest pixels as a reference to define cloud boundaries for separating cloud from clear view surfaces in a spectral-temperature space. Shadow locations are predicted according to cloud height estimates and sun illumination geometry, and actual shadow pixels are identified by searching the darkest pixels surrounding the predicted shadow locations. This algorithm produced omission errors of around 1% for the cloud class, although the errors were higher for an image that had very low cloud cover and one acquired in a semiarid environment. While higher values were reported for other error measures, most of the errors were found around the edges of detected clouds and shadows, and many were due to difficulties in flagging thin clouds and the shadow cast by them, both by the developed algorithm and by the image analyst in deriving the reference data. We concluded that this algorithm is especially suitable for forest change analysis, because the commission and omission errors of the derived masks are not likely to significantly bias change analysis results.     

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。