基于颜色空间的阴影检测算法研究

摘要

在计算机视觉领域中，运动物体的检测和跟踪是重要的研究方向，对运动物体的准确分割至关重要。在使用背景差分法进行目标检测时，物体的阴影会被当作前景像素而被分割出来，阴影区域一般与实际物体密切相关，错误的分割为前景会大大降低对运动物体的检测精度和跟踪性能。因此需要设计算法，检测阴影区域。总所周知，视频内容的检测本质上是图像内容的检测，本文对此进行研究，主要工作如下：
　　针对图像内容分析中的物体检测问题，提出一种新的基于YUV颜色空间的阴影检测方法。首先，在RGB颜色空间中使用背景差，得到仅包含目标物体及其阴影的图像。然后在YUV颜色空间中对此图像的色度进行统计分析，搜索出色度变化缓慢的区间，再针对每个色度区间确定对应的亮度区间，获得估计门限。最后，利用以上门限检测并消除阴影。相比其他基于YUV颜色空间阴影检测方法，本文方法使用自适应的门限，提高了检测精度。实验结果表明，该方法对不同光照情况下的物体阴影都有很好的检测效果。
　　针对基于颜色空间阴影检测算法中阴影过度分割的现象，即部分属于待检目标的像素被检测为阴影像素，使目标物体内部出现部分像素丢失的空洞情况。本文结合物体-阴影模型，基于目标物体的阴影像素一般会分布在一块连通区域中，并且该连通区域位于目标物体区域的外侧这一假设，提出一种从候选区域的边缘逐步寻找阴影像素的算法。实验结果表明，该算法能有效消除阴影检测后目标物体内部出现空洞的现象，相比其他消除空洞的算法，该方法在保证消除空洞效果的同时，也不会引入过高的算法复杂度。
　　针对监控场景中，亮度特征短时间内很少发生变化，并且对于这段时间内的图像帧，图像中阴影区域的亮度和色度值存在着高度的相似性。在此基础上，本文提出了一种对阴影检测中的自适应阈值进行估计的阴影检测算法。实验结果表明，在光照缓慢变化的情况下，可以使用已有的图像帧的检测门限进行检测，这样可以降低获取自适应阈值的次数，进而提高算法的运算速度。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1引言

1.2国内外研究进展

1.3论文的主要研究内容和创新点

1.4论文的组织结构

第二章 阴影检测中的图像处理技术基础

2.1色彩空间分类

2.2图像序列

2.3图像预处理

2.4形态学处理

2.5前景提取

2.6图像处理中阴影的特性

2.7本章小结

第三章 基于YUV颜色空间的阴影检测算法

3.1对目前阴影检测算法的回顾

3.2候选区域

3.3基于YUV颜色空间的阴影模型

3.4阈值分析

3.5自适应阴影检测算法

3.6实验结果和分析

3.7本章小结

第四章 结合阴影模型的阴影检测算法

4.1基于二维的物体-阴影模型

4.2结合颜色空间和物体-阴影模型的改进算法

4.3实验结果和分析

4.4本章小结

第五章 光照变化下的快速阴影检测算法

5.1光照变化

5.2缓慢光照变化下的阴影检测门限值

5.3光照变化下的快速阴影检测算法

5.4实验结果和分析

5.5本章小结

第六章 总结与展望

6.1论文总结

6.2工作展望

参考文献

附录1 攻读硕士学位期间撰写的论文

致谢