监控视频中运动阴影自适应检测与消除算法

摘要

作为计算机视觉的一个重要研究方向，阴影检测与消除主要应用于目标识别、图像分割、运动检测等图像分析的预处理。目前已有的各种算法，当环境发生变化时，经常会出现误检或者漏检现象。针对这一问题，我们提出了两种鲁棒的阴影检测与消除算法。
　　(1)提出了一种基于图的图像分割和区域增长相结合的阴影检测与分割算法。首先，利用梯度图像补偿方法，对已有的混合高斯模型进行改进，提取运动目标图像，消除图像空洞、噪声干扰等问题。然后，通过基于图的图像分割算法，对运动目标和阴影区域进行分割。最后，采用区域增长算法对于过分割区域进行合并，并将运动目标和其阴影区域准确的分割出来。
　　(2)提出了一种基于梯度和YUV颜色空间的阴影检测与消除算法。首先，利用PBAS运动目标检测算法提取运动目标，并通过增加帧差法抑制Ghost区域。然后，将运动目标的梯度图与其对应的背景梯度图做差值，获取消除了阴影区域的前景目标候选区域。进一步的，采用基于YUV颜色空间的阴影检测算法，检测并消除运动目标的阴影区域，获得另一部分候选区域。最后，通过阴影的特征，将两部分候选区域有机的结合，获取消除了阴影区域的运动目标。
　　和已有的多种方法相比较，实验结果表明，本文中所提出的两种阴影检测与消除算法，对不同的环境具有更好的鲁棒性。

目录

声明

摘要

第一章 绪论

1．1 引言

1．2 国内外研究的现状

1．3 论文的主要内容和工作

第二章 阴影检测与图像分割算法知识简介

2．1 阴影的概念及特点

2．2 光照模型

2．2．1 Lambert光照模型

2．2．2 Phong光照模型

2．3 基于HSV颜色空间的阴影消除

2．3．1 HSV颜色空间

2．3．2 背景提取

2．3．3 阴影消除

2．4 基于C1C2C3颜色空间的阴影检测

2．5 HSI颜色模型

2．6 图像分割技术

2．6．1 基于阈值的分割方法

2．6．2 基于区域的分割方法

2．7 本章小结

第三章 基于图的图像分割与区域增长结合的阴影检测

3．1 混合高斯运动目标检测

3．2 前景运动物体图像补偿

3．3 基于图和区域增长的遮挡分割

3．3．3 基于图和区域增长的图像分割

3．4 实验与分析

3．5 本章小结

第四章 基于梯度和YUV颜色空间的阴影消除算法

4．1 改进PBAS算法运动目标检测

4．1．1 帧差法

4．1．2 改进PBAS算法

4．2 基于梯度的阴影去除

4．3 基于YUV颜色空间的阴影检测算法

4．4 前景区域互补融合

4．5 实验结果和分析

4．6 本章小结

第五章 总结与展望

5．2 工作展望

参考文献

致谢

攻读硕士学位期间取得的科研成果

攻读硕士期间参加的主要科研项目