[发明专利]一种彩色图像阴影检测方法

说明书

技术领域

本发明属于计算机视觉领域中的彩色图像处理领域，尤其是涉及针对自然场景彩色图像的阴影检测方法。

背景技术

阴影是在真实场景的图像和视频中经常出现的一种光学现象。它的存在对于众多计算机视觉的应用领域，如图像分割、运动对象检测与跟踪、目标识别等，都带来了很多难题和限制。如自然场景中的人体的阴影，会影响目标分割的准确性。遥感图像中建筑物的阴影会遮蔽图像中的细节部分，影响图像分析效果。交通视频中车辆的阴影会给车辆的检测和跟踪带来困难。因此，针对阴影的检测与去除对于实现计算机视觉应用系统的鲁棒性具有重要的实际意义。另外，通过研究阴影的强度和位置特征，对重构场景的光照条件有重要的参考价值。而针对含有复杂场景的图像阴影区域检测与去除，从而获得在具有一致性均匀光照条件下的无阴影彩色图像，更是计算机视觉领域中的重要研究课题。

阴影去除主要包括阴影区域检测和阴影区域恢复两个步骤^[1]。阴影检测是实现阴影去除的前提，它完成的是从单幅图像或图像序列中确定阴影区域所在的位置。到目前为止，有关阴影检测的研究主要集中在面向视频序列的运动对象阴影检测方面，针对静态彩色图像阴影检测的研究在近十年间才开始，还处在起步阶段，还没有出现很成熟的方法。已有的阴影检测主要分为两类^[2]：基于物理模型的方法^[3][4]和基于特征的方法^[5][6][7]。基于物理模型的方法通过分析阴影产生的物理过程，并借助一些先验知识，建立阴影模型，在此基础上对图像/视频中的特定区域进行匹配，检测阴影区域，消除阴影区域。但在实际情况下，环境非常复杂，光源随时间和地点不断变化，难以建立准确的物理模型来描述不同各类阴影。因此，这类方法通常只用于特定领域，如运动阴影^[3]和遥感图像阴影^[4]等情况。基于特征的方法是通过分析阴影区域与周围非阴影区域在视觉特征上的差别来实现阴影检测与消除。常用的特征包括：边缘^[5]、直方图^[6]、颜色比率^[7]等。相对于前一种方法，基于特征的方法更灵活，适用于更多的场景情况。

已有阴影检测方法主要不足在于不能很好处理复杂背景情况。绝大多数阴影检测方法都只考虑均匀阴影区域情况，都假定整个阴影区域具有近似的反射特性，导致阴影检测效果不佳。

发明内容

针对当前彩色图像阴影检测不能很好处理复杂背景的情况，提出了一种多特征无监督的阴影自动检测方法。该方法能有效检测复杂背景情况下各种强度的阴影区域，具有检测准确、处理速度快、无需人工干预等优点，适合于实际应用。本发明的技术方案如下：

一种彩色图像阴影检测方法，包括下列步骤：

1)根据输入的彩色图像计算B分量与R分量的差值以及B分量与G分量的差值，并对分别其进行归一化处理，得到归一化的B分量与R分量的差值BR′(x，y)以及B分量与G分量的差值BG′(x，y)

2)计算输入彩色图像的灰度I(x，y)；

3)构造阴影检测所用的特征向量空间F，即F＝{F₁，F₂，F₃}＝{BR′(x，y)，BG′(x，y)，I(x，y)}；

4)设定进行聚类分析的类别：潜在阴影区域类、过渡区域类和非阴影区域类，并设定各自的初始类心及迭代次数，采用欧式距离衡量特征向量空间F中的两点之间的距离；

5)每次聚类迭代时，计算特征向量空间中各点到三个类心的距离，并将其划归为距离最近类心对应的一类。将特征向量空间里所有点进行分类后，计算每类所有点对应的特征向量的平均值，并将其设为新的类心，重新进行分类，最终将图像中的特征点分为3类；

6)分别计算各类心到特征向量空间中(1，1，1)点的距离D_i(i＝1，2，3)，将其中的最大值对应的类作为潜在阴影区域类，最小值对应的类划为非阴影区域类，剩余的一类划为过渡区域类；

7)去除潜在阴影区域内的干扰区域：对于划分到潜在阴影区域类的点，采用4-连通定义计算潜在阴影区域中各连通区域的面积，即每个连通区域的像素数，用Ω_k(k＝1，2，...，K)表示，K表示连通区域的总数，将各潜在阴影区域的Ω_k与阈值T₁进行比较，若满足Ω_k＞T₁则认为是干扰区域并去除；