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。

Video shadow elimination algorithm by combining HSV with texture features