国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種彩色圖像陰影檢測方法

      文檔序號:6430758閱讀:254來源:國知局
      專利名稱:一種彩色圖像陰影檢測方法
      技術(shù)領(lǐng)域
      本發(fā)明屬于計算機(jī)視覺領(lǐng)域中的彩色圖像處理領(lǐng)域,尤其是涉及針對自然場景彩色圖像的陰影檢測方法。
      背景技術(shù)
      陰影是在真實(shí)場景的圖像和視頻中經(jīng)常出現(xiàn)的一種光學(xué)現(xiàn)象。它的存在對于眾多計算機(jī)視覺的應(yīng)用領(lǐng)域,如圖像分割、運(yùn)動對象檢測與跟蹤、目標(biāo)識別等,都帶來了很多難題和限制。如自然場景中的人體的陰影,會影響目標(biāo)分割的準(zhǔn)確性。遙感圖像中建筑物的陰影會遮蔽圖像中的細(xì)節(jié)部分,影響圖像分析效果。交通視頻中車輛的陰影會給車輛的檢測和跟蹤帶來困難。因此,針對陰影的檢測與去除對于實(shí)現(xiàn)計算機(jī)視覺應(yīng)用系統(tǒng)的魯棒性具有重要的實(shí)際意義。另外,通過研究陰影的強(qiáng)度和位置特征,對重構(gòu)場景的光照條件有重要的參考價值。而針對含有復(fù)雜場景的圖像陰影區(qū)域檢測與去除,從而獲得在具有一致性均勻光照條件下的無陰影彩色圖像,更是計算機(jī)視覺領(lǐng)域中的重要研究課題。陰影去除主要包括陰影區(qū)域檢測和陰影區(qū)域恢復(fù)兩個步驟[1]。陰影檢測是實(shí)現(xiàn)陰影去除的前提,它完成的是從單幅圖像或圖像序列中確定陰影區(qū)域所在的位置。到目前為止,有關(guān)陰影檢測的研究主要集中在面向視頻序列的運(yùn)動對象陰影檢測方面,針對靜態(tài)彩色圖像陰影檢測的研究在近十年間才開始,還處在起步階段,還沒有出現(xiàn)很成熟的方法。已有的陰影檢測主要分為兩類[2]基于物理模型的方法[3]M和基于特征的方法[5][6][7]。基于物理模型的方法通過分析陰影產(chǎn)生的物理過程,并借助一些先驗(yàn)知識,建立陰影模型,在此基礎(chǔ)上對圖像/視頻中的特定區(qū)域進(jìn)行匹配,檢測陰影區(qū)域,消除陰影區(qū)域。但在實(shí)際情況下,環(huán)境非常復(fù)雜,光源隨時間和地點(diǎn)不斷變化,難以建立準(zhǔn)確的物理模型來描述不同各類陰影。因此,這類方法通常只用于特定領(lǐng)域,如運(yùn)動陰影^和遙感圖像陰影⑷等情況。基于特征的方法是通過分析陰影區(qū)域與周圍非陰影區(qū)域在視覺特征上的差別來實(shí)現(xiàn)陰影檢測與消除。常用的特征包括邊緣[5]、直方圖[6]、顏色比率[7]等。相對于前一種方法,基于特征的方法更靈活,適用于更多的場景情況。已有陰影檢測方法主要不足在于不能很好處理復(fù)雜背景情況。絕大多數(shù)陰影檢測方法都只考慮均勻陰影區(qū)域情況,都假定整個陰影區(qū)域具有近似的反射特性,導(dǎo)致陰影檢測效果不佳。

      發(fā)明內(nèi)容
      針對當(dāng)前彩色圖像陰影檢測不能很好處理復(fù)雜背景的情況,提出了一種多特征無監(jiān)督的陰影自動檢測方法。該方法能有效檢測復(fù)雜背景情況下各種強(qiáng)度的陰影區(qū)域,具有檢測準(zhǔn)確、處理速度快、無需人工干預(yù)等優(yōu)點(diǎn),適合于實(shí)際應(yīng)用。本發(fā)明的技術(shù)方案如下一種彩色圖像陰影檢測方法,包括下列步驟1)根據(jù)輸入的彩色圖像計算B分量與R分量的差值以及B分量與G分量的差值, 并對分別其進(jìn)行歸一化處理,得到歸一化的B分量與R分量的差值BR' (x,y)以及B分量與G分量的差值BG' (x,y)2)計算輸入彩色圖像的灰度I (X,y);3)構(gòu)造陰影檢測所用的特征向量空間F,即F= (F1, F2, F3I = {BR' (χ, y), BG' (x,y), I(x,y)};4)設(shè)定進(jìn)行聚類分析的類別潛在陰影區(qū)域類、過渡區(qū)域類和非陰影區(qū)域類,并設(shè)定各自的初始類心及迭代次數(shù),采用歐式距離衡量特征向量空間F中的兩點(diǎn)之間的距罔;5)每次聚類迭代時,計算特征向量空間中各點(diǎn)到三個類心的距離,并將其劃歸為距離最近類心對應(yīng)的一類。將特征向量空間里所有點(diǎn)進(jìn)行分類后,計算每類所有點(diǎn)對應(yīng)的特征向量的平均值,并將其設(shè)為新的類心,重新進(jìn)行分類,最終將圖像中的特征點(diǎn)分為3 類;6)分別計算各類心到特征向量空間中(1,1,1)點(diǎn)的距離0“1 = 1,2,3),將其中的最大值對應(yīng)的類作為潛在陰影區(qū)域類,最小值對應(yīng)的類劃為非陰影區(qū)域類,剩余的一類劃為過渡區(qū)域類;7)去除潛在陰影區(qū)域內(nèi)的干擾區(qū)域?qū)τ趧澐值綕撛陉幱皡^(qū)域類的點(diǎn),采用4-連通定義計算潛在陰影區(qū)域中各連通區(qū)域的面積,即每個連通區(qū)域的像素數(shù),用Qk(k= 1, 2,...,K)表示,K表示連通區(qū)域的總數(shù),將各潛在陰影區(qū)域的Qk與閾值T1進(jìn)行比較,若滿足Qk > T1則認(rèn)為是干擾區(qū)域并去除;8)確定過渡區(qū)域內(nèi)的陰影區(qū)域像素點(diǎn)考察過渡區(qū)域類內(nèi)各像素點(diǎn)在其8-鄰域內(nèi)是否存在經(jīng)過上步處理后的潛在陰影區(qū)域中的點(diǎn),如果存在,則將該像素點(diǎn)劃分為陰影區(qū)域;否則,將其劃分為非陰影區(qū)域;9)確定陰影區(qū)域?qū)⒔?jīng)第7步處理得到的潛在陰影區(qū)域和經(jīng)第8步處理得到的陰影區(qū)域像素點(diǎn)合并,最終得到陰影區(qū)域。其中,閾值T1最好為16。采用WindoWS7 SPl系統(tǒng)下的matlab2011a作為實(shí)驗(yàn)仿真平臺,實(shí)驗(yàn)所用室外場景陰影圖像部分選自選國內(nèi)外公開發(fā)表的文獻(xiàn)(98幅),還有部分選自hternet和自拍圖像 (100幅),共計198幅。經(jīng)過實(shí)驗(yàn),采用本發(fā)明的檢測方法,能正確檢測到超過90%的陰影區(qū)域,準(zhǔn)確率超過95%。


      圖1為本發(fā)明流程框圖。圖連通定義示意圖,ρ為當(dāng)前點(diǎn),q為P點(diǎn)的4連通區(qū)域。圖38-鄰域定義示意圖,P為當(dāng)前點(diǎn),r表示它的8_鄰域點(diǎn)。
      具體實(shí)施例方式參見圖1,本發(fā)明包括三個主要步驟特征向量集提取、陰影區(qū)域定位和陰影區(qū)域鑒別。具體方案如下一、特征向量集提取
      室外場景中的光照條件主要由太陽直射光(主光源)、大氣散射光和環(huán)境反射光組成。由于物體的遮蔽,陰影區(qū)域的直射光衰減明顯。在室外環(huán)境下,一方面大氣散射光的強(qiáng)度比環(huán)境反射光更占優(yōu)勢,另一方面,陰影區(qū)域和非陰影區(qū)域的環(huán)境反射光差別微小。因此,假定陰影區(qū)域的光照以大氣散射光為主。根據(jù)相關(guān)理論,大氣散射光以瑞利散射和米氏散射為主,散射光的強(qiáng)度隨波長增大而迅速減小。另外,自然場景中出現(xiàn)陰影的區(qū)域主要包括草地、土地、沙石以及人工浙青路面為主,不同地表物體的光譜反射特性存在明顯差異。由于主要的光源被遮蔽,陰影區(qū)域的光照強(qiáng)度較非陰影區(qū)域下降明顯。根據(jù)前面的分析,陰影區(qū)域物體經(jīng)反射到達(dá)攝像機(jī)傳感器的輻射強(qiáng)度歲波長增加而降低。傳感器通常分為R、G、B三類。三者相比,R分量的輻射強(qiáng)度下降最明顯,其次是G分量,B分量最不明顯。根據(jù)上述分析,提取陰影區(qū)域檢測所用的特征集。首先使用(1)式和( 式計算 B分量和R分量以及G分量的差值圖,如下BRdiff(X,y) = B (x, y)-R(x, y) (1)BGdiff(χ, y) = B (χ,y) -G (χ,y) (2)式中,R(χ, y)、G(x,y)、B(x,y)分別表示三個通道在(χ, y)位置上的取值。采用 (3)式和(4)式對兩差值圖進(jìn)行歸一化處理,得到mX,y)- =):^7^ ,(3)
      max [BRdiff {x,y)\- mm [BRdiff (x,y)\-
      max [BGdiff (χ, y)\-mm [BGdiff {x,y)\式中,min{ · }和maX{ · }分別代表取最大值和最小值的操作。另外,使用( 式定義的灰度圖來描述陰影區(qū)域灰度值情況/(χ, >0 = 1 —告(尺(A y) + G(x, y) + B(x, y)) (5)使用F1 = BR(χ, y)、F2 = BG (χ, y)以及F3 = I (χ, y)構(gòu)造陰影檢測所用的特征集 F,即有F = (F1, F2, F3I = {BR' (χ, y),BG' (χ, y),I (χ, y)} (6)二、基于K均值聚類算法的陰影區(qū)域定位傳統(tǒng)的陰影檢測方法通常采用固定閾值區(qū)分陰影區(qū)域和非陰影區(qū)域,閾值的大小需事先經(jīng)人工方式確定。這種固定閾值的方法不利于陰影區(qū)域自動檢測的實(shí)現(xiàn)。我們的方法借助無監(jiān)督聚類技術(shù)對特征集進(jìn)行自動分類,實(shí)現(xiàn)陰影區(qū)域自動檢測。K-均值聚類 (K-means clustering)是一種應(yīng)用廣泛的無監(jiān)督聚類方法。該方法在分類過程中不需要事先確定閾值,只需指定需要劃分的類數(shù),采用誤差函數(shù)最小化為目標(biāo)函數(shù),對數(shù)據(jù)進(jìn)行劃分。K-均值算法的一般步驟如下[8]算法1 :K均值聚類(1)第一步初始化。對于特征集合X,輸入指定聚類類數(shù)N,并在X中按照一定法則選取N個對象作為初始聚類中心。設(shè)定迭代中止條件,比如最大循環(huán)次數(shù)η或者聚類中心收斂誤差容限ε。
      (2)第二步分類。根據(jù)實(shí)現(xiàn)確定的相似度準(zhǔn)則將各數(shù)據(jù)對象分配到距離最接近的聚類中心,從而形成一類。(3)第三步更新聚類中心。計算每一類的平均向量作為新的聚類中心,重新分配數(shù)據(jù)對象。(4)第四步結(jié)束條件判斷。判斷是否滿足結(jié)束條件,如果是,則結(jié)束分類;否則, 反復(fù)執(zhí)行第二步和第三步。K均值聚類方法的聚類結(jié)果對初始聚類中心依賴性比較大。另外,可以通過減少迭代次數(shù)或增加誤差容限來提高聚類速度。所提方法設(shè)定的類別數(shù)目為3,選用(0,0,0)、 (0.5,0.5,0. 5),(1,1,1)作為初始類心,設(shè)定迭代次數(shù)為10次。采用歐式距離衡量特征空間中兩點(diǎn)之間的距離,如(7)式所示
      權(quán)利要求
      1.一種彩色圖像陰影檢測方法,包括下列步驟1)根據(jù)輸入的彩色圖像計算B分量與R分量的差值以及B分量與G分量的差值,并對分別其進(jìn)行歸一化處理,得到歸一化的B分量與R分量的差值BR' (x, y)以及B分量與G 分量的差值BG' (x,y)2)計算輸入彩色圖像的灰度I(χ,y);3)構(gòu)造陰影檢測所用的特征向量空間F,即F= (F1, F2, F3I = {BR' (χ, y),BG' (χ, y),I(x,y)};4)設(shè)定進(jìn)行聚類分析的類別潛在陰影區(qū)域類、過渡區(qū)域類和非陰影區(qū)域類,并設(shè)定各自的初始類心及迭代次數(shù),采用歐式距離衡量特征向量空間F中的兩點(diǎn)之間的距離;5)每次聚類迭代時,計算特征向量空間中各點(diǎn)到三個類心的距離,并將其劃歸為距離最近類心對應(yīng)的一類。將特征向量空間里所有點(diǎn)進(jìn)行分類后,計算每類所有點(diǎn)對應(yīng)的特征向量的平均值,并將其設(shè)為新的類心,重新進(jìn)行分類,最終將圖像中的特征點(diǎn)分為3類;6)分別計算各類心到特征向量空間中(1,1,1)點(diǎn)的距離隊(duì)(1= 1,2,3),將其中的最大值對應(yīng)的類作為潛在陰影區(qū)域類,最小值對應(yīng)的類劃為非陰影區(qū)域類,剩余的一類劃為過渡區(qū)域類;7)去除潛在陰影區(qū)域內(nèi)的干擾區(qū)域?qū)τ趧澐值綕撛陉幱皡^(qū)域類的點(diǎn),采用4-連通定義計算潛在陰影區(qū)域中各連通區(qū)域的面積,即每個連通區(qū)域的像素數(shù),用Qk(k= 1,2,..., K)表示,K表示連通區(qū)域的總數(shù),將各潛在陰影區(qū)域的Qk與閾值T1進(jìn)行比較,若滿足Qk > T1則認(rèn)為是干擾區(qū)域并去除;8)確定過渡區(qū)域內(nèi)的陰影區(qū)域像素點(diǎn)考察過渡區(qū)域類內(nèi)各像素點(diǎn)在其8-鄰域內(nèi)是否存在經(jīng)過上步處理后的潛在陰影區(qū)域中的點(diǎn),如果存在,則將該像素點(diǎn)劃分為陰影區(qū)域; 否則,將其劃分為非陰影區(qū)域;9)確定陰影區(qū)域?qū)⒔?jīng)第7步處理得到的潛在陰影區(qū)域和經(jīng)第8步處理得到的陰影區(qū)域像素點(diǎn)合并,最終得到陰影區(qū)域。
      2.根據(jù)權(quán)利要求1所述的彩色圖像陰影檢測方法,其特征在于,其中閾值T1為16。
      全文摘要
      本發(fā)明屬于計算機(jī)視覺領(lǐng)域中的彩色圖像處理領(lǐng)域,涉及一種彩色圖像陰影檢測方法,包括下列步驟計算輸入的彩色圖像的顏色通道之間的差值,及灰度,據(jù)此構(gòu)造特征向量空間;進(jìn)行聚類分析,得到潛在陰影區(qū)域類、非陰影區(qū)域類以及劃為過渡區(qū)域類兩類;去除潛在陰影區(qū)域內(nèi)的干擾區(qū)域;確定過渡區(qū)域內(nèi)的陰影區(qū)域像素點(diǎn);確定陰影區(qū)域。本發(fā)明具有計算量小,處理速度快,不易受干擾區(qū)域和光照條件變化的影響的優(yōu)點(diǎn)。本發(fā)明能有效檢測復(fù)雜背景情況下各種強(qiáng)度的陰影區(qū)域,具有檢測準(zhǔn)確、處理速度快、無需人工干預(yù)等優(yōu)點(diǎn),適合于實(shí)際應(yīng)用。
      文檔編號G06T7/60GK102298780SQ20111023232
      公開日2011年12月28日 申請日期2011年8月15日 優(yōu)先權(quán)日2011年8月15日
      發(fā)明者劉立, 王建, 馬學(xué)云 申請人:天津大學(xué)
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點(diǎn)贊!
      1