本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，其涉及一種基于多特征融合的運(yùn)動(dòng)陰影去除方法。

背景技術(shù)：

基于視頻序列的運(yùn)動(dòng)目標(biāo)檢測(cè)是視頻監(jiān)控系統(tǒng)中的重要環(huán)節(jié)。通常采用背景差分法進(jìn)行運(yùn)動(dòng)區(qū)域分離，由于運(yùn)動(dòng)陰影通常與運(yùn)動(dòng)目標(biāo)具有相同的運(yùn)動(dòng)特征，在運(yùn)動(dòng)目標(biāo)檢測(cè)過(guò)程中常常將陰影誤判為運(yùn)動(dòng)目標(biāo)的組成部分，因此分離的運(yùn)動(dòng)區(qū)域通常伴有運(yùn)動(dòng)目標(biāo)形狀變化，甚至運(yùn)動(dòng)目標(biāo)丟失等情況，影響后續(xù)視頻處理環(huán)節(jié)的準(zhǔn)確性。因此，陰影的檢測(cè)與去除具有非常重要的現(xiàn)實(shí)意義。

常用的陰影去除方法大致可以分為兩類(lèi)：基于模型的陰影去除方法與基于特征的陰影去除方法?；谀Ｐ偷年幱叭コ椒ㄍǔＳ脕?lái)針對(duì)特定環(huán)境下的某一類(lèi)目標(biāo)物體(如高速公路上的車(chē)輛，室內(nèi)的人體)，需要依賴(lài)目標(biāo)與環(huán)境的先驗(yàn)信息，如：目標(biāo)物體的形狀，背景環(huán)境的光照情況等，總體而言，基于模型的陰影去除方法僅僅針對(duì)特定環(huán)境下的特定目標(biāo)，因而存在很大的局限性。

與基于模型的陰影去除方法相比，基于特征的陰影去除方法不受應(yīng)用環(huán)境的制約，是當(dāng)前陰影去除方法的主流。基于特征的陰影去除方法根據(jù)陰影區(qū)域、背景圖像、運(yùn)動(dòng)目標(biāo)在亮度、顏色、紋理等特征上的差異實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)與陰影的分離。亮度法根據(jù)陰影覆蓋區(qū)域亮度會(huì)明顯降低這一特性來(lái)檢測(cè)陰影；基于亮度的陰影去除方法算法簡(jiǎn)單，計(jì)算量小，適用于光照條件良好，目標(biāo)物體與陰影亮度差異較大的場(chǎng)景；在陰天，樹(shù)蔭等環(huán)境下效果下降明顯。顏色法根據(jù)陰影覆蓋區(qū)域r、g、b分量的值減少，但三者的比值不變這一特點(diǎn)來(lái)去除陰影?；陬伾年幱叭コ椒梢灾苯釉趓gb顏色空間下去除陰影，過(guò)程簡(jiǎn)單，計(jì)算量小，但該方法要求目標(biāo)物體顏色相對(duì)明亮，當(dāng)目標(biāo)顏色與黑色接近時(shí)如：黑色的車(chē)輛，穿黑衣的行人等，很容易被誤判為陰影，因此魯棒性較差。紋理法根據(jù)陰影覆蓋前后區(qū)域的紋理特性不變這一假設(shè)來(lái)檢測(cè)陰影，基于紋理的陰影去除方法能夠適應(yīng)各種光照環(huán)境，因此可以應(yīng)用于多種場(chǎng)景，但對(duì)噪聲比較敏感，且對(duì)于天空等灰度變化不明顯的平坦區(qū)域效果較差。

基于單特征的陰影去除方法都具有一定的局限性，魯棒性較差，僅僅依靠某一特征難以完整的去除陰影。為了克服單特征陰影去除方法的局限性，現(xiàn)有技術(shù)結(jié)合多種特征，提出了在各種場(chǎng)景下均能有效去除陰影的新方法；曹健，陳紅倩，張凱，牛長(zhǎng)峰.結(jié)合區(qū)域顏色和紋理的運(yùn)動(dòng)陰影檢測(cè)方法[j].機(jī)器人，2011，9，33(5)：638-633提出了先根據(jù)紋理特征檢測(cè)前景區(qū)域中的陰影，之后根據(jù)hsv空間下基于亮度特征的陰影檢測(cè)方法再一次檢測(cè)前景區(qū)域中的陰影，結(jié)合紋理與亮度特征彌補(bǔ)lbp紋理方法對(duì)平坦區(qū)域陰影檢測(cè)的限制；但hsv空間下亮度特征的陰影檢測(cè)方法存在閥值難以選取，計(jì)算量大的缺陷。miaoqi，jiangyandai，qizhang，junkong.cascadedcastshadowdetectionmethodinsurveillancescenes[j].optik，2014，2，125(3)：1396-1400.提出了先根據(jù)紋理特征檢測(cè)陰影，再根據(jù)亮度特征還原前一步中被誤判為陰影的前景像素，該方法雖然還原了誤判的前景像素，但是只根據(jù)紋理特征來(lái)檢測(cè)陰影，因此依然存在根據(jù)紋理特征去除陰影像素的不足。文獻(xiàn)chutang，m.omairahmad，chunyanwang.anefficientmethodofcastshadowremovalusingmultiplefeatures[j].signal，imageandvideoprocessing，2013，4(7)：695-703.提出了平行多特征的陰影去除方法，在多個(gè)特征下分別去除陰影得到各特征下的前景目標(biāo)，然后合并所得的前景目標(biāo)，得到最終的前景目標(biāo)；該方法具有非常好的陰影去除效果，魯棒性強(qiáng)，但計(jì)算量巨大，另外由于單特征檢測(cè)的局限性根據(jù)各個(gè)特征所得的前景目標(biāo)分量常常帶有殘余的陰影像素，因而需要進(jìn)行形態(tài)學(xué)操作等后續(xù)處理步驟。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于解決上述現(xiàn)有技術(shù)存在的缺陷，提供一種多特征融合的陰影去除算法。

一種基于多特征融合的運(yùn)動(dòng)陰影去除方法，包括以下步驟：

步驟一：通過(guò)混合高斯法建立背景模型，利用背景差分法提取運(yùn)動(dòng)區(qū)域；

步驟二：根據(jù)顏色一致性原理初步去除運(yùn)動(dòng)區(qū)域中的陰影像素；

步驟三：在步驟二基礎(chǔ)上根據(jù)紋理不變性特征，利用局部二值模式進(jìn)一步去除陰影；

步驟四：根據(jù)光照特性基于統(tǒng)計(jì)學(xué)原理去除殘存的陰影,并還原誤判的前景像素。

進(jìn)一步地，如上所述的基于多特征融合的運(yùn)動(dòng)陰影去除方法，步驟一中所示利用背景差分法提取運(yùn)動(dòng)區(qū)域包括：

將當(dāng)前幀與對(duì)應(yīng)的背景模型進(jìn)行差分運(yùn)算，得到對(duì)應(yīng)的運(yùn)動(dòng)區(qū)域：

fk(x,y)＝|ik(x,y)-bk(x,y)|

上式中fk(x,y)表示前景圖像，ik(x,y)為視頻幀圖像，bk(x,y)為對(duì)應(yīng)的背景圖像。

進(jìn)一步地，如上所述的基于多特征融合的運(yùn)動(dòng)陰影去除方法，對(duì)下式中所得到的前景圖像進(jìn)行二值化操作：

上式中zk(x,x)為最終的二值化圖像，totsu為根據(jù)otsu法得到的分割閥值。

進(jìn)一步地，如上所述的基于多特征融合的運(yùn)動(dòng)陰影去除方法，步驟一中所述通過(guò)混合高斯法建立背景模型包括：

視頻幀i由背景bg與前景fg兩部分表示，設(shè)x⁽ⁱ⁾表示第i幀圖像的rgb顏色空間的三通道值，選擇某一合適的時(shí)間長(zhǎng)度t，假設(shè)當(dāng)前視頻幀所處時(shí)間為t，則在t時(shí)刻像素x的訓(xùn)練集為xt＝{x^(t),x^(t-1),......,x^(t-t)}；

圖像中像素x的分布用可用m(一般m≤5,本文中為3)個(gè)相互獨(dú)立的高斯分布來(lái)表示：

上式中表示各個(gè)高斯分量的平均值，為對(duì)應(yīng)高斯分量的協(xié)方差矩陣，表示各個(gè)高斯分量的混合權(quán)值，所有的混合權(quán)值都是非負(fù)的，并且和為1；

背景模型的更新公式如下：

上式中常數(shù)α表示更新系數(shù)，即舊數(shù)據(jù)對(duì)背景更新的影響，一般的取α≈1/t，為x^(t)中第m個(gè)高斯分量的隸屬度，當(dāng)為所有混合權(quán)值中的最大值時(shí)，否則表示樣本與第m個(gè)高斯分布的平方距離，當(dāng)樣本與某個(gè)高斯分量的馬氏距離小于3倍標(biāo)準(zhǔn)差時(shí)，認(rèn)為該高斯分量符合匹配條件，此時(shí)刪除混合權(quán)值最小的高斯分量，b為最終得到的背景模型，cf表示前景目標(biāo)所占的比重。

進(jìn)一步地，如上所述的基于多特征融合的運(yùn)動(dòng)陰影去除方法，步驟二包括：

基于顏色特征的陰影像素判據(jù)為：

上式中p(x,y)表示前景區(qū)域中(x,y)處的像素；

其中，判定運(yùn)動(dòng)區(qū)域(x,y)處像素為陰影的表達(dá)式為：

上式中rf,gf,bf為運(yùn)動(dòng)區(qū)域的r、g、b值；t1為設(shè)定的閥值；rb(x,y),gb(x,y),bb(x,y)分別代表背景圖像在(x,y)處的r、g、b值。

進(jìn)一步地，如上所述的基于多特征融合的運(yùn)動(dòng)陰影去除方法，步驟三包括：

根據(jù)lbp紋理特征的陰影判定方法如下：

上式中s2(x)為根據(jù)紋理特征的得到的陰影二值化圖像，lbp^f(x)為經(jīng)過(guò)基于顏色特征處理方法處理后的運(yùn)動(dòng)區(qū)域中像素的lbp值，lbp^b(x)為背景圖像中像素的lbp值。

上述基于多特征融合的運(yùn)動(dòng)陰影去除方法中所述lbp為經(jīng)過(guò)改良后的算子，其改進(jìn)方法為：

設(shè)gc為(x0,y0)處像素的灰度值，劃定以(x0,y0)為中心，半徑為r的像素鄰域，則(x0,y0)處的lbp算子定義如下：

上式中p表示以(x0,y0)為中心，半徑為r的鄰域中像素的個(gè)數(shù)，gp表示像素點(diǎn)的灰度值；

對(duì)lbp算子加以改良：

上式中tlbp為減少噪聲干擾設(shè)置的幅值判定條件，可根據(jù)噪聲的幅值相應(yīng)的調(diào)整tlbp的大小。

進(jìn)一步地，如上所述的基于多特征融合的運(yùn)動(dòng)陰影去除方法，步驟四中根據(jù)統(tǒng)計(jì)學(xué)原理基于亮度特征的判定條件如下所示：

上式中s3(x,y)表示運(yùn)動(dòng)區(qū)域中符合判定條件的陰影像素，o3(x,y)表示所得陰影中還原的前景像素，io(x,y)、ib(x,y)、is(x,y)分別表示運(yùn)動(dòng)區(qū)域、背景圖像、陰影在(x,y)處的亮度，μ1為io/ib的算數(shù)平均值，μ2表示is/ib的算術(shù)平均值，σ1表示io/ib的標(biāo)準(zhǔn)差，σ2表示is/ib的標(biāo)準(zhǔn)差，d1，d2為置信度系數(shù)，io代表前景目標(biāo)的亮度，ib代表背景亮度，is代表陰影亮度；

根據(jù)亮度特征可得最終的前景目標(biāo)與陰影區(qū)域可以表示為：

of＝o+o3-s3

sf＝s+s3-o3

上式中，of表示最終的前景目標(biāo)，sf表示最終的陰影區(qū)域，o基于lbp的紋理特征分析后得到的前景區(qū)域，s表示所得到的的陰影區(qū)域。

有益效果：

本發(fā)明針對(duì)視頻監(jiān)控系統(tǒng)中運(yùn)動(dòng)目標(biāo)檢測(cè)存在的移動(dòng)陰影問(wèn)題，從顏色、紋理和亮度三個(gè)方面進(jìn)行分析，可以在多種場(chǎng)景中有效地去陰影，準(zhǔn)確地分割運(yùn)動(dòng)目標(biāo)，適應(yīng)性強(qiáng)，魯棒性好。

附圖說(shuō)明

圖1為本發(fā)明基于多特征融合的運(yùn)動(dòng)陰影去除方法流程圖；

圖2為基于顏色特征的陰影去除示意圖；

其中，(a)為highway場(chǎng)景第372幀視頻圖像；(b)為背景圖像；(c)為二值化背景差分圖像；(d)為陰影區(qū)s1；(e)為根據(jù)顏色特征去除陰影后的二值圖像；

圖3為lbp紋理描述圖；

圖4為基于紋理特征的陰影去除示意圖；

其中，(f)為對(duì)2.1中所得前景圖像根據(jù)lbp紋理特征去除陰影后的結(jié)果；(g)為陰影區(qū)s2；

圖5為根據(jù)本發(fā)明方法得到的最終結(jié)果圖；

其中，(h)為最終的前景目標(biāo)of；(i)為陰影sf；

圖6為highway場(chǎng)景第778幀圖像處理結(jié)果；

其中，(a)為第778幀圖像；(b)為背景圖像；(c)為背景差分圖像；(d)為對(duì)比文件1中結(jié)果；(e)為對(duì)比文件2中結(jié)果；(f)為對(duì)比文件3中結(jié)果；(g)為本發(fā)明方法結(jié)果；

圖7backdoor場(chǎng)景第1445幀圖像處理結(jié)果；

其中，(a)第1445幀圖像；(b)背景圖像；(c)背景差分圖像；(d)對(duì)比文件1中結(jié)果；(e)對(duì)比文件2中結(jié)果；(f)對(duì)比文件3中結(jié)果；(g)本發(fā)明方法結(jié)果；

圖8bungalows場(chǎng)景第141幀圖像處理結(jié)果；

其中，(a)第141幀圖像；(b)背景圖像；(c)背景差分圖像；(d)對(duì)比文件1中結(jié)果；(e)對(duì)比文件2中結(jié)果；(f)對(duì)比文件3中結(jié)果；(g)本發(fā)明方法結(jié)果。

具體實(shí)施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面本發(fā)明中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

本發(fā)明提出一種多特征融合的陰影去除算法。首先利用背景差分法分離運(yùn)動(dòng)區(qū)域，然后根據(jù)顏色特征粗略去除陰影，再通過(guò)分析紋理特征進(jìn)一步檢測(cè)陰影像素，最后基于亮度特征，根據(jù)統(tǒng)計(jì)學(xué)的方法剔除所得前景區(qū)域中殘存的陰影像素，還原陰影區(qū)域中誤判的前景像素。

1提取運(yùn)動(dòng)區(qū)域

在視頻監(jiān)控系統(tǒng)中，運(yùn)動(dòng)區(qū)域的提取是視頻處理的第一步。常用的運(yùn)動(dòng)區(qū)域提取方法有：背景差分法、幀間差分法、光流法。背景差分法由于其原理簡(jiǎn)單，易于實(shí)現(xiàn)，實(shí)時(shí)性好被廣泛應(yīng)用于視頻監(jiān)控系統(tǒng)中，本發(fā)明采用背景差分方法提取運(yùn)動(dòng)區(qū)域。

1.1建立背景模型

背景模型的建立是背景差分法的關(guān)鍵，本發(fā)明提出一種自適應(yīng)的混合高斯算法有效能夠地克服傳統(tǒng)的混合高斯法存在的“鬼影”問(wèn)題，較好的建立背景模型，本發(fā)明采用該方法建立背景模型。

視頻幀i可由背景bg與前景fg兩部分表示，設(shè)x⁽ⁱ⁾表示第i幀圖像的rgb顏色空間的三通道值，選擇某一合適的時(shí)間長(zhǎng)度t，假設(shè)當(dāng)前視頻幀所處時(shí)間為t，則在t時(shí)刻像素x的訓(xùn)練集為xt＝{x^(t),x^(t-1),......,x^(t-t)}。

圖像中像素x的分布用可用m(一般m≤5,本文中為3)個(gè)相互獨(dú)立的高斯分布來(lái)表示：

式(1)中表示各個(gè)高斯分量的平均值，為對(duì)應(yīng)高斯分量的協(xié)方差矩陣，表示各個(gè)高斯分量的混合權(quán)值，所有的混合權(quán)值都是非負(fù)的，并且和為1。

背景模型的更新公式如下：

上式中常數(shù)α表示更新系數(shù)，即舊數(shù)據(jù)對(duì)背景更新的影響，一般的取α≈1/t，為x^(t)中第m個(gè)高斯分量的隸屬度，當(dāng)為所有混合權(quán)值中的最大值時(shí)，否則表示樣本與第m個(gè)高斯分布的平方距離，當(dāng)樣本與某個(gè)高斯分量的馬氏距離小于3倍標(biāo)準(zhǔn)差時(shí)，認(rèn)為該高斯分量符合匹配條件，此時(shí)刪除混合權(quán)值最小的高斯分量，b為最終得到的背景模型，cf表示前景目標(biāo)所占的比重。

1.2背景差分

建立好背景模型之后，將當(dāng)前幀與對(duì)應(yīng)的背景模型進(jìn)行差分運(yùn)算，得到對(duì)應(yīng)的運(yùn)動(dòng)區(qū)域：

fk(x,y)＝|ik(x,y)-bk(x,y)|(8)

上式中fk(x,y)表示前景圖像，ik(x,y)為視頻幀圖像，bk(x,y)為對(duì)應(yīng)的背景圖像。

得到差分圖像后為了更清晰的表示運(yùn)動(dòng)區(qū)域，對(duì)(8)中所得到的前景圖像進(jìn)行二值化操作：

上式中zk(x,x)為最終的二值化圖像，^totsu為根據(jù)otsu法得到的分割閥值。

2多特征融合的陰影去除方法

本文的陰影去除算法流程圖如圖1所示。首先根據(jù)背景差分方法得到包含陰影的運(yùn)動(dòng)區(qū)域，然后根據(jù)顏色特征，對(duì)所得的運(yùn)動(dòng)區(qū)域在rgb顏色空間下初步去除陰影，之后根據(jù)紋理特征利用lbp算子，進(jìn)一步去除陰影，最后針對(duì)前景區(qū)域中殘存的陰影像素(如：陰影邊緣)以及上述陰影去除步驟中存在的陰影誤判現(xiàn)象，根據(jù)亮度特征基于統(tǒng)計(jì)學(xué)原理，檢測(cè)殘存的陰影像素，還原誤判的前景像素。

2.1基于rgb的顏色特征分析

在正常的光照條件下，陰影主體部分的顏色與對(duì)應(yīng)背景區(qū)域的顏色是一致的，即r、g、b分量各自所占的比例與背景區(qū)域是相同的，但陰影主體中r、g、b值小于對(duì)應(yīng)背景區(qū)域的r、g、b的值，這種特征被稱(chēng)為陰影與背景區(qū)域顏色的一致性，上述顏色的一致性特征可以表示為：

上式中rb(x,y),gb(x,y),bb(x,y)分別代表背景圖像在(x,y)處的r、g、b值。rs,bs,gs代表陰影區(qū)域在(x,y)處的r、g、b值。由(10)可知陰影區(qū)域的r、g、b值均小于對(duì)應(yīng)背景區(qū)域的r、g、b值，則判定運(yùn)動(dòng)區(qū)域(x,y)處像素為陰影的表達(dá)式為：

(11)中rf,gf,bf為運(yùn)動(dòng)區(qū)域的r、g、b值。t1為設(shè)定的閥值。事實(shí)上陰影區(qū)域與背景區(qū)域?qū)?yīng)像素的r、g、b的差值各不相同，因而僅僅設(shè)置一個(gè)閥值并不準(zhǔn)確，但是多個(gè)閥值不僅增加了算法的復(fù)雜程度，閥值的選取也很困難；針對(duì)這一問(wèn)題，本發(fā)明采用遞進(jìn)式結(jié)構(gòu)從三個(gè)特征方面依次對(duì)陰影像素進(jìn)行剔除，某些特征并不明顯的陰影像素在另一個(gè)特征中可能十分典型，因此可以采用簡(jiǎn)單閥值的方法去除顏色特征非常明顯的陰影像素。本發(fā)明中基于顏色特征的陰影像素判據(jù)為：

上式中p(x,y)表示前景區(qū)域中(x,y)處的像素。

圖2為對(duì)開(kāi)源圖庫(kù)changedetection中的highway場(chǎng)景中第372幀圖像采用本文中基于顏色特征的陰影去除方法處理所得到的結(jié)果，其中t1取值為60。從仿真結(jié)果中可以看出，根據(jù)顏色特征僅僅能去除部分陰影，因此需要根據(jù)紋理特征和亮度特征篩除剩余的陰影像素。

2.2基于lbp的紋理特征分析

陰影區(qū)域與對(duì)應(yīng)的背景區(qū)域具有相似的紋理特征，而背景與運(yùn)動(dòng)目標(biāo)在紋理上卻存在明顯的差異，因此可以利用該特點(diǎn)來(lái)檢測(cè)運(yùn)動(dòng)區(qū)域中的陰影像素，上述特征簡(jiǎn)稱(chēng)為背景與陰影的紋理不變性。lbp(localbinarypattern)是基于像素及其周?chē)徲蚧叶汝P(guān)系的紋理描述算子。設(shè)gc為(x0,y0)處像素的灰度值，劃定以(x0,y0)為中心，半徑為r的像素鄰域，則(x0,y0)處的lbp算子定義如下：

上式中p表示以(x0,y0)為中心，半徑為r的鄰域中像素的個(gè)數(shù)，gp表示像素點(diǎn)的灰度值。由(13)可知某個(gè)區(qū)域的紋理可以由p位的二進(jìn)制編碼表示，p值越大描述越準(zhǔn)確，但同時(shí)也會(huì)增加計(jì)算量，本文中取p＝4,r＝1，lbp紋理描述圖如圖3所示：

由于lbp算子對(duì)噪聲敏感，較小的噪聲波動(dòng)就會(huì)對(duì)檢測(cè)結(jié)果造成較大的干擾，導(dǎo)致錯(cuò)誤的判定；因此必須對(duì)lbp算子加以改良，以增強(qiáng)其抗干擾能力：

上式中tlbp為減少噪聲干擾設(shè)置的幅值判定條件，可根據(jù)噪聲的幅值相應(yīng)的調(diào)整tlbp的大小，一般情況下tlbp在[1,10]中取值。

需要注意的是：若背景的某部分本身就處于環(huán)境陰影中，像素及其鄰域的灰度相同，運(yùn)動(dòng)陰影覆蓋此處并不會(huì)改變其lbp值，因而其lbp值為0。因此根據(jù)lbp紋理特征的陰影判定方法如下：

上式中s2(x)為根據(jù)紋理特征的得到的陰影二值化圖像，lbp^f(x)為經(jīng)過(guò)2.1中方法處理后的運(yùn)動(dòng)區(qū)域中像素的lbp值，lbp^b(x)為背景圖像中像素的lbp值。

對(duì)2.1中根據(jù)顏色特征去除部分陰影之后的前景圖像使用lbp方法進(jìn)一步去除陰影，得到仿真結(jié)果如圖4所示，其中tlbp＝4。由仿真可見(jiàn)：被車(chē)頭遮蓋的陰影部分其顏色特征并不明顯紋理特征卻十分顯著；然而擋風(fēng)玻璃以及車(chē)頭等灰度相近本應(yīng)屬于運(yùn)動(dòng)目標(biāo)的組成部分，均被誤判為陰影，而陰影邊緣依然存在。因此，須進(jìn)一步對(duì)殘存的陰影像素根據(jù)亮度特征進(jìn)行檢測(cè)、消除，并還原誤判的前景像素。

2.3基于統(tǒng)計(jì)學(xué)原理的亮度特征分析

圖像中(x,y)處像素的亮度定義如下：

i(x,y)＝∫λe(λ,x,y)r(λ,x,y)q(λ,x,y)dλ(16)

上式中λ為光的波長(zhǎng)，i(x,y)表示(x,y)處像素的亮度，e(λ,x,y)為光照強(qiáng)度函數(shù)，q(λ,x,y)表示攝像機(jī)傳感器的靈敏度，r(λ,x,y)表示物體表面的反射系數(shù)，與物體的材料構(gòu)成有關(guān)。因?yàn)樘幱诜顷幱皡^(qū)域的像素其光照強(qiáng)度由環(huán)境光照與光源光照共同產(chǎn)生，而對(duì)于陰影區(qū)域處像素其光強(qiáng)僅僅由環(huán)境光照產(chǎn)生；所以圖像中由波長(zhǎng)為λk的光所產(chǎn)生的亮度可以表示為：

上式中代表前景目標(biāo)的亮度，代表背景亮度，代表陰影亮度，代表環(huán)境光強(qiáng)，代表光源光強(qiáng)，ro代表前景目標(biāo)的反射系數(shù)，rb代表背景的反射系數(shù)。由(17)可得：

由(18)可知前景目標(biāo)的亮度與背景亮度的比值io/ib僅僅與二者的反射系數(shù)有關(guān)；陰影處亮度與背景亮度的比值is/ib則由環(huán)境光照與光源光照決定；因此前景目標(biāo)與背景的亮度比值跟陰影與背景的亮度比值不同，且二者均為常數(shù)。由于外界噪聲的存在，io/ib與is/ib的值應(yīng)該大致符合高斯分布，且相互獨(dú)立，因此可以利用統(tǒng)計(jì)學(xué)的方法對(duì)2.2中殘存的陰影邊緣與誤判的前景像素進(jìn)行處理。

根據(jù)統(tǒng)計(jì)學(xué)原理基于亮度特征的判定條件如下所示：

上式中s3(x,y)表示運(yùn)動(dòng)區(qū)域中符合判定條件的陰影像素，o3(x,y)表示從前文所得陰影中還原的前景像素，io(x,y)、ib(x,y)、is(x,y)分別表示運(yùn)動(dòng)區(qū)域、背景圖像、陰影在(x,y)處的亮度，μ1為io/ib的算數(shù)平均值，μ2表示is/ib的算術(shù)平均值，σ1表示io/ib的標(biāo)準(zhǔn)差，σ2表示is/ib的標(biāo)準(zhǔn)差，d1，d2為置信度系數(shù)，從圖4中可以看出，運(yùn)動(dòng)區(qū)域中僅僅殘存的極少量陰影像素，因此取d1＝1.96；而陰影區(qū)域中包含相對(duì)較多的前景像素，取d2＝1。

根據(jù)亮度特征可得最終的前景目標(biāo)與陰影區(qū)域可以表示為：

上式中，of表示最終的前景目標(biāo)，sf表示最終的陰影區(qū)域，o表示2.2中得到的前景區(qū)域，s表示前述步驟中所得到的的陰影區(qū)域。圖5為最終的仿真結(jié)果，由圖5可以看出該分析方法可以有效的去除殘余的陰影像素，還原被誤判的前景像素。

3仿真分析

為了驗(yàn)證算法在不同場(chǎng)景中的性能，分別選取開(kāi)源圖庫(kù)changedetection中的highway，backdoor，bungalows等三個(gè)場(chǎng)景進(jìn)行實(shí)驗(yàn)。highway場(chǎng)景為高速公路實(shí)景拍攝，光照情況良好，陰影較為明顯；backdoor場(chǎng)景為處于樹(shù)蔭環(huán)境下的街道，光照變化較為頻繁，包含較多的噪聲；bungalows場(chǎng)景處于太陽(yáng)直射的公路，光照強(qiáng)烈，攝像頭近距離拍攝公路，圖像中含有大面積的陰影；本發(fā)明中的實(shí)驗(yàn)算法采用mtlab2015a編寫(xiě)，平臺(tái)環(huán)境為intelpentium2.4ghz處理器，2gram。

選取現(xiàn)有技術(shù)中基于亮度特征的方法作為對(duì)比文件1，現(xiàn)有技術(shù)中基于rgb顏色空間的方法作為對(duì)比文件2，現(xiàn)有技術(shù)中平行多特征的方法作為對(duì)比文件3與本發(fā)明所提出的基于多特征融合的方法進(jìn)行對(duì)比試驗(yàn)。圖6、圖7、圖8為分別為對(duì)highway場(chǎng)景第778幀，backdoor場(chǎng)景第1445幀，bungalows場(chǎng)景第141幀圖像的處理結(jié)果，其中(a)為原始圖像，(b)為對(duì)應(yīng)的背景圖像，(c)為背景差分的二值圖像，(d)為根據(jù)對(duì)比文件1中方法的處理結(jié)果，(e)為根據(jù)對(duì)比文件2中的處理結(jié)果，(f)為根據(jù)對(duì)比文件3中方法的處理結(jié)果，(g)為根據(jù)本發(fā)明中的方法所得到的結(jié)果。表1為上述算法在各個(gè)場(chǎng)景中的平均處理速度。

表一三個(gè)場(chǎng)景下每幀圖片的平均處理時(shí)間(s)

其中，對(duì)比文件6來(lái)自chuntingchen，chungyensu，wenchungkao.anenhancedsegmentationonvision-basedshadowremovalforvehicledetection.in：proceedingsoftheinternationalconferencegreencircuitsandsystems，2010，679-682.對(duì)比文件7來(lái)自elenasalvador，andreacavallaro，toutadjebrahimi.castshadowsegmentationusinginvariantcolorfeatures[j].computervisionandimageunderstanding，2004，95(2)，238-259.對(duì)比文件11來(lái)自chutang，m.omairahmad，chunyanwang.anefficientmethodofcastshadowremovalusingmultiplefeatures[j].signal，imageandvideoprocessing，2013，4(7)：695-703。

由圖6-8以及表1可以看出，在光照情況良好情況下(如圖6中的highway)，雖然對(duì)比文件1與對(duì)比文件2中方法存在無(wú)法消除陰影邊緣與部分前景像素誤判的情況，但并不影響陰影去除的總體效果，上述4種方法均能有效地去除陰影。對(duì)于圖7中光照變化頻繁，運(yùn)動(dòng)目標(biāo)顏色與陰影相近的場(chǎng)景，對(duì)比文件2中基于rgb顏色特征的方法幾乎沒(méi)有任何效果；對(duì)于圖8中陰影中包含大面積本影的情況，對(duì)比文件1中基于亮度特征的方法很容易將前景像素誤判為陰影，造成大面積的空洞現(xiàn)象，因此上述兩種方法均只適用于光照，顏色條件等比較明顯的環(huán)境，魯棒性較差。對(duì)比文件3中平行多特征的陰影去除方法在三種場(chǎng)景中均能有效的去除陰影，魯棒性強(qiáng)；但是該算法中涉及多處閥值的選取，難以調(diào)節(jié)，另外該方法中對(duì)陰影邊緣等部分采用形態(tài)學(xué)方法進(jìn)行處理，在不同場(chǎng)景下需要更換不同的模板，加大了處理過(guò)程的繁瑣程度，也不利于將該算法應(yīng)用于工程實(shí)際中，相對(duì)而言本發(fā)明中的陰影去除方法根據(jù)陰影特征分析陰影像素，不需要借助其它方法，可以直接應(yīng)用于多種環(huán)境場(chǎng)景中，另外與對(duì)比文件3中方法相比本發(fā)明方法在實(shí)時(shí)性上更具有優(yōu)越性。綜上所述本發(fā)明所提出的多特征融合的方法陰影去除效果明顯，魯棒性強(qiáng)，能應(yīng)用于各種場(chǎng)景中。

最后應(yīng)說(shuō)明的是：以上實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)其限制；盡管參照前述實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說(shuō)明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對(duì)前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對(duì)其中部分技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的精神和范圍。