[发明专利]基于边缘和骨架信息的车辆阴影消除方法

摘要

本发明公布了一种基于边缘和骨架信息的车辆阴影消除方法，本发明方法对当前图像进行背景差计算并二值化得到前景二值图，通过对前景二值图进行边缘检测和膨胀得到车辆及阴影区域的边缘图像，通过对背景差图像进行边缘检测和膨胀得到车辆的骨架图像，然后，以车辆区域和阴影区域相对于背景区域的灰度比为判别特征，初步检测阴影区域，并用前景二值图减去初步阴影区域，最后利用骨架图像对车辆区域内的孔洞进行补充并减去边缘图像，得到最终消除阴影区域之后的图像。本发明综合利用了用以区分车辆区域和阴影区域的灰度特征、车辆与阴影区域的边缘信息及车辆骨架的信息，能够准确地检测和消除阴影区域。

主权项

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， OM ( x , y ) = 1 , if BP ( x , y ) ≥ THR 0 , else , 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： D ( x , y ) = P ( x , y ) / BKG ( x , y ) BKG ( x , y ) ≠ 0 P ( x , y ) / ( BKG ( x , y ) + 1 ) BKG ( x , y ) = 0 , 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， Sh ( x , y ) = D ( x , y ) if T 1 < D ( x , y ) < T 2 0 else , 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 T 1 T 2 ⊆ 0.4 1 ; 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OM1，即：OM1m＝OM*Gm，OM1n＝OM*Gn， OM 1 ‾ ( x , y ) = 1 ( O M 1 m ( x , y ) ^ 2 + O M 1 n ( x , y ) ^ 2 ) ^ 0.5 ≥ S 1 0 else , 式中，Gm＝[-1-2-1；0 0 0；1 2 1]，Gn＝[-1 0 1；-2 0 2；-1 0 1]，S1为阈值，OM1m是前景二值图OM与Gm进行卷积运算后得到的图像，OM1n是前景二值图OM与Gn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OM1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OM2，即：OM1m＝BP*Gm，OM2n＝BP*Gn， OM 2 ‾ ( x , y ) = 1 ( O M 2 m ( x , y ) ^ 2 + O M 2 n ( x , y ) ^ 2 ) ^ 0.5 ≥ S 2 0 else , 式中，Gm＝[-1-2-1；0 0 0；1 2 1]，Gn＝[-1 0 1；-2 0 2；-1 0 1]，S2为阈值，OM2m是图像BP与Gm进行卷积运算后得到的图像，OM2n是图像BP与Gn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OM2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： MV 0 = 1 OM ( x , y ) = 1 andSH ( x , y ) = 0 0 else , 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： MV 2 = 1 MV 1 ( x , y ) = 1 andOM 1 ( x , y ) = 0 0 else , 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： P ‾ ( x , y ) = P ( x , y ) MV 2 ( x , y ) = 1 BKG ( x , y ) MV 2 ( x , y ) = 0 , 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。