[发明专利]基于边缘和骨架信息的车辆阴影消除方法

权利要求书

1.一种基于边缘和骨架信息的车辆阴影消除方法，其特征在于包括如下步骤：

①计算背景差图像并对其二值化

交通场景的背景图像为BKG，需要进行车辆阴影消除的当前图像为P，计算当前图像P与背景图像BKG之间的绝对差，得到背景差图像BP，即：

BP(x，y)＝|P(x，y)-BKG(x，y)|，

式中，P(x，y)表示图像P中坐标为(x，y)的像素的灰度，BKG(x，y)表示背景图像BKG中坐标为(x，y)的像素的灰度，BP(x，y)表示背景差图像BP中坐标为(x，y)的像素的灰度，x，y分别表示横坐标和纵坐标，下同；

其次，对背景差图像BP进行二值化计算，得到前景二值图OM，

式中，THR表示分割阈值；OM(x，y)表示前景二值图OM中坐标为(x，y)的像素的值，若为1表示该像素属于车辆区域，若为0表示该像素属于静止背景区域；

②计算初始阴影图像

用当前图像P除以背景图像BKG得到图像D，即：

式中，P(x，y)表示图像P中坐标为(x，y)的像素的灰度，BKG(x，y)表示背景图像BKG中坐标为(x，y)的像素的灰度，D(x，y)表示图像D中坐标为(x，y)的像素的值，

根据如下判断规则计算初始阴影图像SH，

式中，D(x，y)表示图像D中坐标为(x，y)的像素的值，T₁和T₂表示取值范围且 Sh(x，y)表示初始阴影图像SH中坐标为(x，y)的像素的值，若为1表示该像素属于车辆的阴影区域，若为0则表示该像素不属于车辆的阴影区域；

③计算车辆区域的边界

利用Sobel边缘算子提取前景二值图OM中车辆区域的初始边界，得到图像 即：

OM_1m＝OM*G_m，

OM_1n＝OM*G_n，

式中，G_m＝[-1 -2 -1；0 0 0；1 2 1]，G_n＝[-1 01 ；-2 0 2；-1 0 1]，S₁为阈值，OM_1m是前景二值图OM与G_m进行卷积运算后得到的图像，OM_1n是前景二值图OM与G_n进行卷积运算后得到的图像，

之后，利用膨胀算子Se＝[1 1 1；1 1 1；1 1 1]对图像 进行膨胀，得到车辆区域的边界图像OM1，

④计算车辆区域的骨架

利用Sobel边缘算子提取背景差图像BP中前景区域的骨架，得到图像 即：

OM_2m＝BP*G_m，

OM_2n＝BP*G_n，

式中，G_m＝[-1 -2 -1；0 0 0；1 2 1]，G_n＝[-1 0 1；-2 0 2；-1 0 1]，S₂为阈值，OM_2m是图像BP与G_m进行卷积运算后得到的图像，OM_2n是图像BP与G_n进行卷积运算后得到的图像，

之后，利用膨胀算子Se＝[1 1 1；1 1 1；1 1 1]对图像 进行膨胀，得到车辆区域的骨架图像OM2，

⑤计算车辆二值图像

首先，用前景二值图OM减去初始阴影图像SH中重叠的区域，得到初始的车辆二值图像MV0，即：

然后，用初始的车辆二值图像MV0加上车辆区域的骨架图像OM2，得到初步修正的车辆二值图像MV1，即：

MV1(x，y)＝MV0(x，y)or OM2(x，y)， 

最后，用初步修正的车辆图像MV1减去车辆区域的边界图像OM1，得到最终的车辆二值图像MV2，即：

⑥消除阴影

利用车辆二值图像MV2获得消除阴影后的车辆图像P，即：

式中，P(x，y)表示图像P中坐标为(x，y)的像素的灰度，BKG(x，y)表示背景图像BKG中坐标为(x，y)的像素的灰度；MV2(x，y)表示车辆二值图像MV2中坐标为(x，y)的像素的值，若值为1表示该像素属于车辆区域，若值为0表示该像素不属于车辆区域。