圖像處理模版--視頻序列圖像分割及陰影抑制算法的研究畢業(yè)論文

1、<p><b>　　安徽建筑工業(yè)學(xué)院</b></p><p>　　畢 業(yè) 設(shè) 計(jì) (論 文)</p><p>　　課 題 視頻序列圖像分割及陰影抑制 算法的研究 </p><p><b>　　摘 要</b></p><p>　　在智能視頻監(jiān)控

2、領(lǐng)域、影視技術(shù)、多媒體應(yīng)用技術(shù)中，常常需要檢測(cè)出人體或其它物體，并將其與背景分離，即解決實(shí)時(shí)背景下目標(biāo)的分割問(wèn)題。視頻圖像的目標(biāo)分割結(jié)果，將對(duì)目標(biāo)分類(lèi)、跟蹤及行為理解等后續(xù)處理產(chǎn)生重要影響。</p><p>　　圖像分割多年里一直受到研究人員的重視，也提出了數(shù)以千計(jì)的算法?，F(xiàn)今比較流行的目標(biāo)分割的方法，有不少是忽略陰影檢測(cè)的，目標(biāo)總是與陰影一起被檢測(cè)出來(lái)。陰影會(huì)引起目標(biāo)的合并、目標(biāo)形狀的失真等一些嚴(yán)重問(wèn)題，引起分

3、割和跟蹤錯(cuò)誤。由于陰影直接影響目標(biāo)的檢測(cè)，成為影響后續(xù)處理效果的關(guān)鍵因素，有必要進(jìn)一步研究。</p><p>　　本課題擬根據(jù)圖像處理的理論基礎(chǔ)，對(duì)一些傳統(tǒng)的邊緣檢測(cè)算子進(jìn)行了理論分析，用仿真實(shí)驗(yàn)測(cè)試其邊緣檢測(cè)的效果，對(duì)比分析各邊緣檢測(cè)算法效果。介紹幾種常用的彩色空間以及彩色空間的轉(zhuǎn)換算法，系統(tǒng)地闡述了圖像分割的各種方法，分析總結(jié)了幾種常用分割方法的優(yōu)缺點(diǎn)。選用RGB彩色空間，利用背景差分法對(duì)圖像初步分割后，再利

4、用區(qū)域生長(zhǎng)法去除目標(biāo)外部的噪聲，分割出帶影子的目標(biāo)圖像。然后，分析總結(jié)了陰影檢測(cè)的基本假設(shè)和一般框架，及國(guó)內(nèi)外目前主流的陰影檢測(cè)與抑制算法，指出了這些方法用于去除目標(biāo)陰影時(shí)存在的問(wèn)題。</p><p>　　針對(duì)不同圖像的陰影和目標(biāo)體的特點(diǎn)，擬設(shè)計(jì)一種去除陰影的算法?；谶吘壭畔⒌年幱耙种扑惴ㄟm用于目標(biāo)體邊緣信息豐富，陰影邊緣信息相對(duì)簡(jiǎn)單的陰影去除。</p><p>　　關(guān)鍵詞 圖像分割 陰

5、影抑制</p><p><b>　　Abstract</b></p><p>　　In the field of intelligent video surveillance, video technology, multimedia technology, often need to detect a human body or other objects, sep

6、arate them with background, that is the context of solving real-time target segmentation. Video image object segmentation results, will target classification, tracking and behavior understanding such an important impact

7、on subsequent processing. Image segmentation has been for many years in research attention, also raised thousands of algorithms. Goal o</p><p>　　Key words image segmentation shadow suppression</p>&l

8、t;p><b>　　目 錄</b></p><p>　　第1章緒論.................................................................................................................6</p><p>　　1.1課題背景................

9、..............................................................................................6</p><p>　　1.2圖像分割...............................................................................................

10、...............6</p><p>　　1.2.1圖像分割研究的意義........................................................................7</p><p>　　1.2.2顏色理論..............................................................

11、..............................7</p><p>　　1.2.3圖像分割研究現(xiàn)狀............................................................................8</p><p>　　1.3陰影去除的研究現(xiàn)狀.........................................

12、......................................9</p><p>　　1.4本文研究?jī)?nèi)容...........................................................................................11</p><p>　　1.5本文結(jié)構(gòu)安排........................

13、...................................................................11</p><p>　　第2章圖像分割的相關(guān)理論.........................................................................12</p><p>　　2.1引言.............

14、.............................................................................................12</p><p>　　2.2邊緣檢測(cè)方法概述..................................................................................12</p&

15、gt;<p>　　2.2.1梯度算子...........................................................................................14</p><p>　　2.2.2拉普拉斯算子....................................................................

16、...............15</p><p>　　2.3陰影檢測(cè)..................................................................................................16</p><p>　　2.3.1陰影的分類(lèi)........................................

17、...............................................17</p><p>　　2.3.2陰影的影響.......................................................................................17</p><p>　　2.4本章小結(jié)...................

18、...............................................................................18</p><p>　　第3章圖像分割.............................................................................................18</p>&l

19、t;p>　　3.1引言..........................................................................................................18</p><p>　　3.2顏色空間的研究.................................................................

20、.....................18</p><p>　　3.2.1面向設(shè)備的顏色空間.......................................................................18</p><p>　　3.3圖像分割的算法......................................................

21、................................19</p><p>　　3.3.1區(qū)域生長(zhǎng)法..................................................................................20</p><p>　　3.4基于差分法和區(qū)域生長(zhǎng)法的彩色圖像分割算法.......................

22、...........20</p><p>　　3.4.1分割原理...........................................................................................20</p><p>　　3.4.2實(shí)驗(yàn)分析..................................................

23、.........................................21</p><p>　　3.5本章小結(jié)..................................................................................................25</p><p>　　第4章陰影檢測(cè)理論基礎(chǔ).............

24、................................................................25</p><p>　　4.1引言..........................................................................................................25</p><p&

25、gt;　　4.2陰影的特點(diǎn)..............................................................................................25</p><p>　　4.3陰影檢測(cè)的基本假設(shè)............................................................................

26、..25</p><p>　　4.4陰影檢測(cè)的一般框架..............................................................................26</p><p>　　4.5本章小結(jié).......................................................................

27、...........................26</p><p>　　第5章陰影抑制算法.....................................................................................26</p><p>　　5.1引言............................................

28、..............................................................26</p><p>　　5.2基于邊緣信息抑制陰影..........................................................................27</p><p>　　5.2.1算法步驟............

29、..............................................................................27</p><p>　　5.2.2實(shí)驗(yàn)結(jié)果分析...................................................................................29</p><p>

30、　　5.3本章小結(jié)..................................................................................................34</p><p>　　結(jié)論......................................................................................

31、...........................34</p><p>　　參考文獻(xiàn)..........................................................................................................35</p><p>　　致謝...............................

32、.................................................................................36</p><p>　　附錄一...........................................................................................................37-4

33、8</p><p><b>　　第1章緒論</b></p><p><b>　　1.1課題背景</b></p><p>　　在現(xiàn)代的視頻監(jiān)控及多媒體應(yīng)用技術(shù)中，常常需要檢測(cè)出運(yùn)動(dòng)的人體或車(chē)體，并將其與背景分離。靜態(tài)圖像分割技術(shù)都能應(yīng)用于序列圖像的目標(biāo)檢測(cè)。在民用的影視制作領(lǐng)域，可以將拍攝目標(biāo)圖像和拍攝背景分開(kāi)進(jìn)行，再將目標(biāo)

34、提取出來(lái)完成與特定背景的合成，以達(dá)到降低拍攝成本的要求，它不要求目標(biāo)的實(shí)時(shí)分割，但要求分割的精度較高。在軍事目標(biāo)的識(shí)別應(yīng)用中，對(duì)目標(biāo)的分割技術(shù)需求也很大，但對(duì)實(shí)時(shí)性的要求較高，需要將程序安裝在硬件中，因而加大了技術(shù)難度。</p><p>　　由于圖像目標(biāo)之間的遮擋和光照的不均勻等原因，經(jīng)常產(chǎn)生陰影現(xiàn)象。無(wú)論運(yùn)動(dòng)分割還是變化檢測(cè)都會(huì)受到陰影的影響。陰影尤其對(duì)目標(biāo)分割的影響比較顯著，并對(duì)后續(xù)的跟蹤、識(shí)別造成負(fù)面影響，

35、導(dǎo)致錯(cuò)誤率上升，使系統(tǒng)的整體性能下降。在實(shí)際應(yīng)用系統(tǒng)中，目標(biāo)總是伴隨有陰影，大多數(shù)的目標(biāo)必須在去除陰影后才能正確檢測(cè)與分割。人眼很容易區(qū)分目標(biāo)與目標(biāo)投射的陰影，但如何讓計(jì)算機(jī)識(shí)別出陰影卻是極具挑戰(zhàn)性的研究難題。圖像中的陰影可以提供有關(guān)目標(biāo)的位置與形狀、監(jiān)控場(chǎng)景的表面特性以及光源等方面的信息，同時(shí)由于目標(biāo)投射的陰影顏色屬性明顯不同于場(chǎng)景背景，并且和目標(biāo)有相同的特性，所以進(jìn)行目標(biāo)檢測(cè)時(shí)很容易將陰影檢測(cè)為目標(biāo)的一部分，造成目標(biāo)的合并、幾何變形

36、，甚至使目標(biāo)丟失。雖然基于統(tǒng)計(jì)的多峰分布背景建模方法能對(duì)反復(fù)的背景運(yùn)動(dòng)(如搖動(dòng)的樹(shù)枝)、光線的突變(如天空云層遮擋陽(yáng)光)、傳感器噪聲等進(jìn)行建模，但還是無(wú)法成功地區(qū)分場(chǎng)景中的目標(biāo)和目標(biāo)投射的陰影，這使智能監(jiān)控系統(tǒng)無(wú)法準(zhǔn)確判斷出場(chǎng)景內(nèi)目標(biāo)的數(shù)目、形狀、運(yùn)動(dòng)軌跡，更無(wú)法實(shí)時(shí)準(zhǔn)確地判斷此物體是安全目標(biāo)還是危險(xiǎn)目標(biāo)，也不能及時(shí)報(bào)警。本文基于上述需求，研究了影視圖像的目標(biāo)分割及其陰影的抑制問(wèn)題。</p><p><b&

37、gt;　　1.2圖像分割</b></p><p>　　圖像分割是數(shù)字圖像處理中的重要前期過(guò)程，特征提取、目標(biāo)識(shí)別都依賴于圖像分割的質(zhì)量好壞，所以圖像分割決定了圖像分析的最終成敗。圖像分割指的是把一幅圖像分割成不同的區(qū)域，這些區(qū)域在某些圖像特征如邊緣、紋理、顏色、亮度等是一致的或相似的。圖像分割的基本目的之一是將圖像中有意義的特征或者需要應(yīng)用的特征提取出來(lái)。這些特征可以是圖像中的原始特征，如物體占有區(qū)域

38、的像素灰度值、物體輪廓曲線和紋理特征等；也可以是空間頻譜或直方圖特征等。在對(duì)應(yīng)于圖像中某一方面或?qū)ο笪锏哪骋徊糠?，其特?灰度、色彩、紋理等)都是近似或相同的，但對(duì)于不同的對(duì)象物或?qū)ο笪锏母鱾€(gè)部分之間，其特征就會(huì)產(chǎn)生相應(yīng)的變化。不同的圖像類(lèi)型，不同的應(yīng)用要求所要提取的特征是不相同的，當(dāng)然特征提取的方法也就不同，因此實(shí)際中并不存在一種普遍適應(yīng)的最優(yōu)方法。</p><p>　　1.2.1圖像分割研究的意義</p

39、><p>　　圖像分割是任何圖像分析及視覺(jué)系統(tǒng)必不可少的組成環(huán)節(jié)，是計(jì)算機(jī)視覺(jué)研究中的一個(gè)基本且困難的問(wèn)題。困難在于圖像分割本身是一個(gè)病態(tài)問(wèn)題，分割的目的是為了理解，但理想的分割往往需要理解后得到的結(jié)果作為先驗(yàn)知識(shí)，這種病態(tài)性給問(wèn)題的解決造成了很大的困難，成為阻礙計(jì)算機(jī)視覺(jué)發(fā)展的一個(gè)瓶頸問(wèn)題。但正是因?yàn)閳D像分割是計(jì)算機(jī)視覺(jué)的一個(gè)基本問(wèn)題，分割結(jié)果對(duì)視覺(jué)系統(tǒng)性能的影響很大，所以圖像分割始終是計(jì)算機(jī)視覺(jué)中的一個(gè)研究熱點(diǎn)。

40、人類(lèi)對(duì)自身視覺(jué)機(jī)理研究的不斷深入以及計(jì)算機(jī)技術(shù)迅速發(fā)展將為圖像分割問(wèn)題的解決提供新的途徑。</p><p>　　圖像分割是由圖像處理進(jìn)入到圖像分析的關(guān)鍵步驟，在圖像工程中占據(jù)重要的位置。一方面，它是目標(biāo)表達(dá)的基礎(chǔ)，對(duì)特征測(cè)量有重要的影響；另一方面，因?yàn)閳D像分割與基于分割的目標(biāo)表達(dá)、特征提取和參數(shù)測(cè)量等能將原始圖像轉(zhuǎn)化為更有效更緊湊的形式，從而使得更高層次的圖像分析和理解成為可能。</p><p

41、>　　圖像分割在實(shí)際中有著廣泛的應(yīng)用前景，例如在工業(yè)自動(dòng)化、在線產(chǎn)品檢測(cè)、生產(chǎn)過(guò)程控制、文檔圖像處理、遙感和生物醫(yī)學(xué)圖像分析、保安監(jiān)視以及軍事、體育、農(nóng)業(yè)工程等方面。概括來(lái)說(shuō)，在各種圖像應(yīng)用中，只要需對(duì)圖像目標(biāo)進(jìn)行提取、測(cè)量、跟蹤等都離不開(kāi)圖像分割。</p><p><b>　　1.2.2顏色理論</b></p><p>　　顏色是各種頻率的光譜在人眼中的感知現(xiàn)

42、象。光線沒(méi)有顏色，它只是某功率分布，而顏色則是人對(duì)這種功率分布的心理響應(yīng)。人類(lèi)所感知到的物體顏色由物體表面的光譜反射、光照和視角所決定。對(duì)于顏色感知的研究是人類(lèi)視覺(jué)系統(tǒng)的基礎(chǔ)研究之一，與生理學(xué)、心理學(xué)以及信息科學(xué)密切相關(guān)。顏色感知研究的目的是模擬人腦中視覺(jué)信息的表達(dá)和處理方式，設(shè)計(jì)出基于人類(lèi)視覺(jué)特性的計(jì)算機(jī)視覺(jué)系統(tǒng)。對(duì)于計(jì)算機(jī)視覺(jué)系統(tǒng)來(lái)說(shuō)，顏色是物體表面的屬性，因此對(duì)于圖像分割和目標(biāo)識(shí)別等的研究都具有非常重要的意義。顏色空間、色彩度量以

43、及顏色恒常性是顏色視覺(jué)研究的幾個(gè)主要方面。近年來(lái)，隨著彩色設(shè)備制造技術(shù)和多媒體技術(shù)的發(fā)展，顏色在計(jì)算機(jī)視覺(jué)中應(yīng)用也在不斷進(jìn)步。</p><p>　　人類(lèi)視覺(jué)系統(tǒng)對(duì)于色差是高度敏感的，顏色感知系統(tǒng)可以區(qū)分上萬(wàn)種的不同顏色。然而這一系統(tǒng)只能記住幾種顏色，有報(bào)告說(shuō)明人能記住大約11種焦點(diǎn)顏色，即紅綠藍(lán)黃紫橙粉棕灰白黑。其它的顏色以這些顏色之間的粗略混合方式記憶。顏色敏感和顏色記憶之間如此的差異是人類(lèi)顏色感知最為重要的現(xiàn)

44、象之一。顏色適應(yīng)、顏色記憶和顏色視覺(jué)的時(shí)空特性是人類(lèi)顏色感知的要素，全面深入地理解這些要素對(duì)于計(jì)算機(jī)顏色視覺(jué)系統(tǒng)的研究來(lái)說(shuō)是必要的。</p><p>　　顏色空間有多種類(lèi)型的定義，在彩色圖像處理中，RGB顏色空間是最基本、最常用的顏色空間。另外還有一些在彩色電視系統(tǒng)中使用的顏色空間，在這一系統(tǒng)中選用不同顏色空間的目的就是通過(guò)降低各RGB分量之間的相關(guān)性從而減小信號(hào)傳送的帶寬。降低相關(guān)性的主要方法就是計(jì)算顏色的統(tǒng)計(jì)

45、獨(dú)立分量構(gòu)造一個(gè)正交顏色空間。應(yīng)用于不同的電視系統(tǒng)中一些顏色空間的顏色分量是統(tǒng)計(jì)上近似獨(dú)立的?；镜腞GB顏色空間的一個(gè)主要缺點(diǎn)是不直觀。不可能直接從RGB數(shù)值估計(jì)出顏色的色度、飽和度和亮度等感知特征。兩種顏色之間的差異被稱為色差，從另一角度來(lái)說(shuō)，也是顏色相似性的度量。色差度量一般可以用顏色空間內(nèi)兩個(gè)顏色矢量之間的歐氏距離來(lái)進(jìn)行。</p><p>　　1.2.3圖像分割研究現(xiàn)狀</p><p&

46、gt;　　目前已經(jīng)提出的圖像分割方法很多，總體上看，圖像分割方法大致可以分為相似性分割和非連續(xù)性分割。所謂相似分割就是將具有同一灰度級(jí)或相同組織結(jié)構(gòu)的像素聚集在一起，形成圖像中不同區(qū)域，這種基于相似原理的方法通常也稱為基于區(qū)域相關(guān)的分割技術(shù)。所謂非連續(xù)性分割就是首先檢測(cè)局部不連續(xù)性，然后將它們連接起來(lái)形成邊界，這些邊界把圖像分成不同的區(qū)域，這種基于不連續(xù)性原理檢出物體邊緣的方法有時(shí)也稱為基于點(diǎn)相關(guān)的分割技術(shù)。這兩種方法是互補(bǔ)的，在有些場(chǎng)

47、合適宜用某種分割方法，而另一些場(chǎng)合又適合用另一種分割方法，有時(shí)還要將它們有機(jī)地結(jié)合起來(lái)以求得到更好的分割效果。因此，我們將圖像分割的方法分為三類(lèi)，第一類(lèi)是基于邊界的分割方法；第二類(lèi)是基于區(qū)域的分割方法；第三類(lèi)是基于邊界和基于區(qū)域二者結(jié)合的分割方法?；谶吔绲姆指罘椒ㄊ菑膱D像數(shù)據(jù)的不連續(xù)性出發(fā)，根據(jù)局部的灰度變化來(lái)實(shí)現(xiàn)圖像的分割。基于區(qū)域的分割方法主要是利用圖像空間區(qū)域特征來(lái)進(jìn)行的，這些特征包括諸如RGB值、灰度值等等。這一方法的主要理論

48、根據(jù)是同一區(qū)域的所有像素具有相同或相似的統(tǒng)計(jì)特征。為了克服以上兩種方法自身的缺點(diǎn)，近年來(lái)出現(xiàn)了兩種方法融合的分割方法。這一方法尋求</p><p>　　現(xiàn)有的大多數(shù)圖像分割算法主要是針對(duì)灰度圖像的。如以上提到的區(qū)域生長(zhǎng)分割方法，由于彩色圖像的使用越來(lái)越廣泛，所以近年來(lái)彩色圖像分割越來(lái)越得到重視。彩色圖像分割與灰度圖像分割的算法相比，大部分算法在分割思想上是一致的。但彩色圖像包含更豐富的信息，并有多種顏色空間的表達(dá)

49、方式，因此分割算法有所不同，原用于灰度圖像分割的方法并不適合于直接分割彩色圖像。</p><p>　　在許多實(shí)際應(yīng)用中，可對(duì)彩色圖像的各個(gè)分量進(jìn)行適當(dāng)?shù)慕M合轉(zhuǎn)化為灰度圖像，然后可用對(duì)灰度圖像的分割算法進(jìn)行分割。彩色圖像分割算法的關(guān)鍵在于如何利用豐富的彩色信息來(lái)達(dá)到分割的目的。要分割一幅彩色圖像，首先要選擇好合適的顏色空間；其次要采用適合于此空間的分割策略和方法。現(xiàn)有的彩色圖像分割技術(shù)主要有6種類(lèi)型：基于像素的技術(shù)

50、、基于邊緣的技術(shù)、基于區(qū)域的技術(shù)、基于模型的技術(shù)、基于物理的技術(shù)和混合技術(shù)。無(wú)論采取哪種分割方法都與顏色特征及顏色坐標(biāo)的選擇有關(guān)，看別人的實(shí)驗(yàn)結(jié)果表明，沒(méi)有一種分類(lèi)方法對(duì)所有顏色特征都是有效的，同樣也不可能有單一的顏色坐標(biāo)對(duì)所有的分割方法都是有效的。</p><p>　　1.3陰影去除的研究現(xiàn)狀</p><p>　　為對(duì)運(yùn)動(dòng)陰影進(jìn)行檢測(cè)與抑制，研究人員己經(jīng)開(kāi)發(fā)了多種陰影檢測(cè)與抑制算法，例如

51、：在HSV顏色空間，利用色度、飽和度和亮度三方面的信息建立背景模型，對(duì)陰影進(jìn)行檢測(cè)和識(shí)別；在RGB顏色空間中，用矢量來(lái)表征像素點(diǎn)，并以當(dāng)前圖中的像素點(diǎn)矢量與對(duì)應(yīng)的背景點(diǎn)矢量相減得到能表征亮度和色度的彩色模型，并在此基礎(chǔ)上建立背景模型，利用陰影的光學(xué)特性，并結(jié)合紋理特征，采用區(qū)域生長(zhǎng)的方法來(lái)檢測(cè)陰影。現(xiàn)有的陰影抑制方法主要分為二類(lèi)，即基于屬性的陰影抑制算法與基于模型的陰影抑制算法。基于屬性的方法是利用陰影的幾何特點(diǎn)、亮度、顏色等信息來(lái)標(biāo)識(shí)

52、陰影區(qū)域，在現(xiàn)有陰影抑制算法中對(duì)陰影光譜特性的使用比幾何特性更常見(jiàn)，基于屬性的陰影抑制算法對(duì)不同場(chǎng)景及光照條件有較強(qiáng)的魯棒性。陳百盛在HSV顏色空間中，根據(jù)陰影使背景變暗、背景在被陰影覆蓋前后的亮度比值成近似線性、陰影不會(huì)使背景像素的色度有很大改變及減小背景像素的飽和度等特點(diǎn)，進(jìn)行陰影抑制。Mikic與Cosman認(rèn)為場(chǎng)景背景像素點(diǎn)被陰影覆蓋后，其R,G,B三顏色通道值呈線性衰減，通過(guò)計(jì)算像素點(diǎn)屬于背景、運(yùn)動(dòng)目標(biāo)、運(yùn)動(dòng)陰影的后驗(yàn)概率來(lái)檢

53、測(cè)陰影。Elena Salvador首先根據(jù)陰</p><p>　　陽(yáng)與漫射光源天空，在兩光源同時(shí)存在的情況下，像素點(diǎn)如果只受到漫射光源天空的照射，而沒(méi)有受到點(diǎn)光源太陽(yáng)的照射(太陽(yáng)光被遮擋)，那么該像素點(diǎn)就會(huì)呈現(xiàn)陰影。</p><p>　　基于模型的方法是利用場(chǎng)景、運(yùn)動(dòng)目標(biāo)、光照條件的先驗(yàn)信息，建立陰影模型，對(duì)三維運(yùn)動(dòng)目標(biāo)模型的棱、線、角進(jìn)行匹配，此方法通常在特定場(chǎng)景條件下使用，如航空?qǐng)D像

54、理解與視頻監(jiān)控。Akio Yoneyama提出一種二維的車(chē)輛/陰影聯(lián)合模型，可以根據(jù)輸入視頻估計(jì)出聯(lián)合模型的參數(shù)與類(lèi)型，該模型不需要進(jìn)行三維圖像分析，通過(guò)求取聯(lián)合模型(而不是車(chē)輛與陰影二個(gè)模型)的參數(shù)來(lái)把車(chē)輛與陰影區(qū)分開(kāi)。在車(chē)輛/陰影聯(lián)合模型中，設(shè)置攝像機(jī)的水平軸與所監(jiān)控場(chǎng)景的交通流方向垂直，以使車(chē)輛立方體模型的邊界滿足一定的幾何關(guān)系，根據(jù)車(chē)輛與車(chē)輛所投射陰影的相對(duì)位置，把聯(lián)合模型分成六種類(lèi)型，通過(guò)確定當(dāng)前場(chǎng)景的運(yùn)動(dòng)前景(包括運(yùn)動(dòng)目標(biāo)與

55、運(yùn)動(dòng)陰影)屬于哪種聯(lián)合模型類(lèi)型來(lái)進(jìn)行陰影檢測(cè)與抑制。</p><p>　　雖然已經(jīng)有多種陰影抑制算法出現(xiàn)，但現(xiàn)有算法都僅僅對(duì)某一特定應(yīng)用場(chǎng)景適用，且算法效果有待提高，如何將陰影與運(yùn)動(dòng)目標(biāo)有效分割，開(kāi)發(fā)出比較通用的陰影抑制算法，仍是一個(gè)富于挑戰(zhàn)性的難題。</p><p><b>　　1.4本文研究?jī)?nèi)容</b></p><p>　　對(duì)顏色的感受是人

56、類(lèi)對(duì)電磁輻射中可見(jiàn)光部分里不同頻率知覺(jué)的體現(xiàn)。隨著技術(shù)的進(jìn)步，彩色圖像使用得越來(lái)越多，并且能夠提供比灰度圖像更為豐富的信息，因此，彩色圖像分割作為彩色圖像處理的重要問(wèn)題正受到人們?cè)絹?lái)越多的關(guān)注。十幾年來(lái)人們進(jìn)行了大量的工作，提出了許多不同的圖像分割算法。然而，至今仍無(wú)統(tǒng)一的理論，還沒(méi)有哪一種分割方法可以對(duì)所有的圖像都能進(jìn)行理想的分割，也不存在所有方法對(duì)某一類(lèi)圖像均可獲得較好分割結(jié)果的情況，無(wú)論是理論上還是實(shí)踐上都遠(yuǎn)遠(yuǎn)沒(méi)有達(dá)到讓人滿意的程

57、度。正是基于此，我們利用已有的灰度處理方式，加以改進(jìn)，試圖對(duì)彩色圖像的處理進(jìn)行一次嘗試，來(lái)解決實(shí)際問(wèn)題。</p><p>　　本文對(duì)圖像分割及陰影抑制算法的研究主要?dú)w納為以下幾個(gè)方面：</p><p>　?。?）對(duì)圖像邊緣的檢測(cè)方法進(jìn)行了研究，對(duì)典型的梯度算子、拉普拉斯算子等進(jìn)行了仿真實(shí)驗(yàn)比較；</p><p>　?。?）本文中針對(duì)影視拍攝的特點(diǎn)及應(yīng)用要求，通過(guò)對(duì)彩

58、色特征空間的分析、比較和選擇，選擇了RGB彩色空間實(shí)現(xiàn)彩色圖像分割。在RGB彩色空間中，采用背景差分法對(duì)圖像進(jìn)行初步差分，利用區(qū)域生長(zhǎng)法進(jìn)一步處理初步分割后的圖像，去除目標(biāo)以外的噪聲；</p><p>　?。?）在光照模型的基礎(chǔ)上討論了陰影的形成與特征，并討論了陰影檢測(cè)的一般框架和基本假設(shè)；對(duì)現(xiàn)有的陰影分割方法進(jìn)行了分析與總結(jié)，指出了這些方法用于目標(biāo)陰影分割時(shí)存在的問(wèn)題；</p><p>

59、　?。?）基于陰影檢測(cè)的基本假設(shè)和一般框架，并針對(duì)不同的應(yīng)用要求，設(shè)計(jì)分析了一種陰影去除算法：基于邊緣信息的陰影抑制算法。通過(guò)實(shí)驗(yàn)仿真研究分析，總結(jié)了這個(gè)算法的優(yōu)缺點(diǎn)及適用條件。</p><p><b>　　1.5本文結(jié)構(gòu)安排</b></p><p>　　第1章為緒論，闡明了本文研究的課題背景，介紹了圖像分割及去除陰影的研究現(xiàn)狀，指出了本文的研究?jī)?nèi)容。</p&g

60、t;<p>　　第2章為理論基礎(chǔ)部分，闡述了圖像分割及去除陰影的相關(guān)理論，包括邊緣檢測(cè)的方法，數(shù)學(xué)形態(tài)學(xué)的基礎(chǔ)知識(shí)，并在光照模型的基礎(chǔ)上討論了陰影的形成及陰影對(duì)于目標(biāo)分割造成的影響。</p><p>　　第3章首先討論了幾種彩色空間分別闡述了它們的概念，特性以及空間之間的轉(zhuǎn)換算法。然后，系統(tǒng)地闡述了圖像分割的各種方法，分析總結(jié)了幾種常用分割方法的優(yōu)缺點(diǎn)。最后，針對(duì)影視拍攝的特點(diǎn)及應(yīng)用要求，在RGB彩

61、色空間中，基于背景差分法和區(qū)域生長(zhǎng)法實(shí)現(xiàn)了彩色圖像分割。</p><p>　　第4章對(duì)陰影檢測(cè)理論進(jìn)行了系統(tǒng)概述，闡述了陰影檢測(cè)的基本假設(shè)和一般框架。對(duì)現(xiàn)有的陰影去除方法進(jìn)行了分析與總結(jié)，指出了這些方法用于目標(biāo)陰影去除時(shí)存在的問(wèn)題。</p><p>　　第5章基于第4章分析總結(jié)的陰影的特點(diǎn)及陰影檢測(cè)的基本假設(shè)和一般框架，針對(duì)影視圖像的不同特點(diǎn)，研究了一種簡(jiǎn)單有效的陰影抑制算法：基于邊緣信息

62、的陰影抑制算法。</p><p>　　第2章圖像分割的相關(guān)理論</p><p><b>　　2.1引言</b></p><p>　　圖像處理技術(shù)把輸入圖像轉(zhuǎn)換成具有所希望特性的另一幅圖像。在計(jì)算機(jī)視覺(jué)研究中經(jīng)常需要利用圖像處理技術(shù)進(jìn)行預(yù)處理和特征抽取，如各種數(shù)學(xué)變換技術(shù)等。在各種圖像處理中，只要包含對(duì)圖像目標(biāo)進(jìn)行提取、測(cè)量等都離不開(kāi)圖像分割。圖

63、像分割就是指把圖像分成各具特性的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過(guò)程。有效合理的圖像分割能夠?yàn)榛趦?nèi)容的圖像檢索、對(duì)象分析等抽象出十分有用的信息，從而使得更高層的圖像理解成為可能。本章將介紹圖像分割以及圖</p><p>　　像分割后去除陰影所涉及到的圖像處理的理論基礎(chǔ)。</p><p>　　2.2邊緣檢測(cè)方法概述</p><p>　　邊緣主要反映的是圖像灰度的不連續(xù)

64、性。根據(jù)灰度變化的劇烈程度，通常將邊緣劃分為三種：階梯形邊緣，屋頂型邊緣，脈沖形邊緣。如圖2-1所示。</p><p>　　a)階梯形邊緣 b)屋頂形邊緣 c)脈沖形邊緣</p><p>　　階梯狀邊緣處于圖像中兩個(gè)具有不同灰度值的相鄰區(qū)域間，脈沖狀邊緣主要對(duì)應(yīng)細(xì)條狀的灰度值突變區(qū)域，屋頂狀邊緣上升下降沿都比較緩慢。實(shí)際中的數(shù)字圖像會(huì)由于采樣，造成

65、邊緣處的模糊，所以垂直上下的邊緣剖面都有一定坡度，即邊緣區(qū)有一定的寬度。</p><p><b>　　2.2.1梯度算子</b></p><p>　　梯度是一階導(dǎo)數(shù)的二維等效形式，梯度的幅值代表邊緣的強(qiáng)度，梯度的方向與邊緣走向垂直。對(duì)于一個(gè)連續(xù)函數(shù)f(x,y)，它在位置(x, y)的梯度可表示為一個(gè)矢量：</p><p>　　梯度的幅值由下式給

66、出： </p><p>　　梯度的方向由下式定義，其中θ角是與x軸的夾角。</p><p>　　對(duì)于數(shù)字圖像，可用一階差分代替一階導(dǎo)數(shù)進(jìn)行運(yùn)算，最簡(jiǎn)單的梯度近似表達(dá)是：</p><p>　　=f(x,y+1)-f(x ,y)</p><p>　　=f(x+1,y)-f(x ,y)</p><p>　　這樣就可以得到圖像

67、f(x ,y)的邊緣圖像g(x ,y)。</p><p>　　2.2.1.1 Roberts邊緣算子</p><p>　　Roberts交叉梯度算子為梯度的計(jì)算提供了一種簡(jiǎn)單的近似方法，它采用的是對(duì)角方向相鄰兩像素之差：</p><p>　　Robert梯度是以為中心的，在這個(gè)中心點(diǎn)上連續(xù)梯度的近似。Robert算子的卷積模板如圖2-2所示：</p>

68、<p>　　圖2-2 Roberts算子</p><p>　　有了這兩個(gè)卷積算子就可以計(jì)算出Roberts梯度幅值，再取適當(dāng)門(mén)限TH，如果梯度幅值大于門(mén)限值則為階躍邊緣點(diǎn)，否則為非邊緣點(diǎn)。如此將圖像上所有像素遍歷后，結(jié)果為邊緣圖像。</p><p>　　2.2.1.2 Sobel邊緣算子</p><p>　　Sobel提出一種將方向差分運(yùn)算與局部平均相結(jié)合

69、的算子，即Sobel算子、Sobel算子是在以f (x ,y)為中心的3×3鄰域上計(jì)算X和Y方向的偏導(dǎo)數(shù)。將圖像中的每個(gè)像素的上、下、左、右四鄰域的灰度值加權(quán)差，與之接近的鄰域的權(quán)最大。</p><p>　　Sobel算子的卷積模板如圖2-3所示：</p><p>　　Sobel算子引入了加權(quán)局部平均，不僅能檢測(cè)圖像邊緣而且能進(jìn)一步抑制噪聲影響，但它得到的邊緣較粗。Sobel算子

70、很容易在空間上實(shí)現(xiàn)，是邊緣檢測(cè)算子中最常用的算子之一。</p><p>　　2.2.2拉普拉斯算子</p><p>　　一階導(dǎo)數(shù)的局部最大值對(duì)應(yīng)著二階導(dǎo)數(shù)的過(guò)零點(diǎn)，這意味著在圖像邊緣點(diǎn)處有一階導(dǎo)數(shù)的峰值同樣會(huì)有二階導(dǎo)數(shù)的零交叉點(diǎn)，因此通過(guò)尋找圖像灰度值的二階導(dǎo)數(shù)的零交叉點(diǎn)就能檢測(cè)到圖像的邊緣點(diǎn)。拉普拉斯算子是不依賴于邊緣方向的二階導(dǎo)數(shù)算子，它是一個(gè)標(biāo)量而不是向量，具有旋轉(zhuǎn)不變即各向同性的性

71、質(zhì)。若只關(guān)心邊緣點(diǎn)的位置而不需要了解其周?chē)膶?shí)際灰度差時(shí)，一般選擇該算子提取圖像的邊緣。因?yàn)橐浑A算子是以絕對(duì)亮度差為基礎(chǔ)的，它的局限是在景物照射變化的條件下不可能一致地確定物體邊界。所以對(duì)于光照均勻的圖像，進(jìn)行簡(jiǎn)單一階求導(dǎo)可以找到邊界。但對(duì)于光照條件不一致、噪聲干擾較大的圖像，有些對(duì)比度較小的邊緣檢測(cè)不出來(lái)，而一些噪聲點(diǎn)卻作為邊緣被檢測(cè)了出來(lái)。而二階算子由于對(duì)圖像灰度的一階導(dǎo)數(shù)的極大值敏感，對(duì)圖像較暗區(qū)域的微弱邊緣和較亮區(qū)域的邊緣都能做

72、出響應(yīng)。另外，二次濾波使有較大灰度跳變的邊緣部分仍保持較大的灰度差，而有較小灰度跳變的真實(shí)邊緣點(diǎn)附近的偽邊緣點(diǎn)的跳變變小。同時(shí)大大降低了噪聲帶來(lái)的灰度跳變，為邊緣特征信息的提取做好了準(zhǔn)備工作。因此，通常采用二階算子來(lái)檢測(cè)噪聲圖像的邊緣信息。用拉普拉斯算子檢測(cè)圖像邊緣就是估算拉普拉斯算子的</p><p>　　在數(shù)字圖像中可用數(shù)字差分近似為：</p><p>　　=f (x +1,y )+f

73、 (x ,y +1)+f (x ,y -1)-4f (x ,y)</p><p>　　數(shù)字圖像函數(shù)的拉普拉斯算法也是借助各種模板卷積實(shí)現(xiàn)的。這里對(duì)模板的基本要求是對(duì)應(yīng)中心像素的系數(shù)應(yīng)是正的，而對(duì)應(yīng)中心像素臨近像素的系數(shù)應(yīng)是負(fù)的，且所有系數(shù)的和應(yīng)該是零，這樣不會(huì)產(chǎn)生灰度偏移。拉普拉斯算子的卷積模板如圖2-5所示：</p><p>　　圖2-5拉普拉斯算子模板</p><p

74、>　　拉普拉斯算子的特點(diǎn)是：各向同性、線性和位移不變性，對(duì)細(xì)線和孤立點(diǎn)的檢測(cè)效果好。該算子的缺點(diǎn)是:邊緣的方向信息丟失，常產(chǎn)生雙象素的邊緣，對(duì)噪聲有雙倍加強(qiáng)作用。由于拉普拉斯算子是二階導(dǎo)數(shù)運(yùn)算，與只包含一階導(dǎo)數(shù)的算子相比，它對(duì)噪聲更加敏感，增強(qiáng)了噪聲對(duì)圖像的影響，因此在實(shí)際應(yīng)用中通常需要先對(duì)圖像進(jìn)行濾波平滑處理。</p><p><b>　　2.3陰影檢測(cè)</b></p>

75、<p>　　陰影是遮擋物體在光源入射方向上的投影。陰影的形狀、大小、取決于遮擋物體的形狀、大小、投影面與遮擋物體之間的距離；遮擋物體與投影平面之間的位置決定了陰影的位置，當(dāng)遮擋物體與投影平面相連時(shí)，陰影區(qū)域與被遮擋物體之間存在共同的邊界，而當(dāng)遮擋物體與投影平面有一定的空間距離時(shí)，陰影區(qū)域與被遮擋物體之間是分離的，根據(jù)三維物體與二維圖像平面的投影變換，三維空間的中位置分離的被遮擋物體與陰影區(qū)域在二維圖像平面中也可能是相連的。&

76、lt;/p><p>　　2.3.1陰影的分類(lèi)</p><p>　　從物理學(xué)的角度看，光是沿直線傳播的；光線在傳播的過(guò)程中，如遇到介質(zhì)（不透明的物體），就會(huì)在介質(zhì)的另一面形成影子。物體在光源的照射下，就會(huì)在物體的表面形成陰影。陰影是由于目標(biāo)阻塞了光源的直接照射而在場(chǎng)景上形成的暗區(qū)域。沒(méi)有被照亮的部分目標(biāo)被稱為自身陰影(self-shadow)。當(dāng)表面背離光源照射方向時(shí)，在該表面形成自身陰影，若因

77、場(chǎng)景中不透明景物對(duì)光源入射光線的遮擋而在位于其后的表面上形成陰影，則稱為投射陰影(cast-shadow)，陰影各區(qū)域如圖2-6所示。</p><p>　　圖2-6陰影區(qū)域劃分示意圖</p><p>　　在陰影分割中，入射光源采用了自然日光，它是除環(huán)境泛光外的唯一入射光源，產(chǎn)生的是平行光束，這樣不會(huì)產(chǎn)生半影區(qū)域。自身陰影區(qū)域在目標(biāo)的自身區(qū)域中，影響物體表面的顏色，并不影響目標(biāo)本身的形狀；投

78、射陰影與目標(biāo)區(qū)域相連，這影響了目標(biāo)參數(shù)的提取，本章主要討論的是投射陰影的分割。</p><p>　　2.3.2陰影的影響</p><p>　　陰影是目標(biāo)在入射光的照射下產(chǎn)生的，它們是相關(guān)聯(lián)的，目標(biāo)投射的陰影也會(huì)隨著目標(biāo)一起運(yùn)動(dòng)。陰影明顯不同于背景，現(xiàn)有算法在利用背景減除進(jìn)行目標(biāo)檢測(cè)時(shí)，陰影會(huì)被檢測(cè)為前景，這樣就會(huì)造成目標(biāo)的合并、幾何變形，甚至使目標(biāo)丟失，對(duì)后期目標(biāo)識(shí)別、分類(lèi)及行為理解造成嚴(yán)

79、重的影響，例如在多人跟蹤中，當(dāng)多個(gè)目標(biāo)的距離較近時(shí)，由于陰影的存在，多個(gè)檢測(cè)出的前景會(huì)相互連接在一起，從而造成錯(cuò)誤的目標(biāo)檢測(cè)結(jié)果。目前的圖像分割通常將陰影與目標(biāo)體一起分割出來(lái)，陰影對(duì)圖像的后期合成影響很大，因此目標(biāo)分割后要去除陰影。</p><p><b>　　2.4本章小結(jié)</b></p><p>　　本章為理論基礎(chǔ)部分，首先系統(tǒng)地闡述了邊緣檢測(cè)的方法比較了幾種一階

80、和二階邊緣算子的特性，Sobel、Prewitt算子檢測(cè)效果要優(yōu)于Roberts算子，但是邊緣較粗，而二階算子定位的效果要優(yōu)于一階算子，二階拉普拉斯算子，在保證了定位準(zhǔn)確的基礎(chǔ)上圖像邊界更加連續(xù)，邊界也比較細(xì)。但是由于二階算子的特性，對(duì)噪聲太敏感。最后討論了陰影的形成，陰影的影響。</p><p><b>　　第3章圖像分割</b></p><p><b>

81、　　3.1引言</b></p><p>　　在過(guò)去的十多年里彩色圖像的分割方法有了顯著的增長(zhǎng)，因?yàn)榇蠖鄶?shù)彩色圖像分割的方法都是在灰度圖像分割方法的基礎(chǔ)上發(fā)展起來(lái)的，即通過(guò)利用RGB彩色空間或它的線性的、非線性的變換把灰度圖像分割方法推廣到處理彩色圖像上來(lái)。這樣處理，不能充分地利用彩色圖像的顏色信息，并且過(guò)早地丟失了圖像的顏色信息，使得后續(xù)的處理只能在灰度圖像上進(jìn)行操作，或者是在灰度處理的基礎(chǔ)上再映射到

82、彩色圖像，增加了圖像處理的復(fù)雜程度。在這一章，首先介紹各種色彩空間及它們之間的相互轉(zhuǎn)換，然后提出了運(yùn)算復(fù)雜度較低的彩色空間的分割算法，充分利用彩色圖像本身的色彩信息并結(jié)合區(qū)域生長(zhǎng)法，提高目標(biāo)分割的效果。</p><p>　　3.2顏色空間的研究</p><p>　　世界是具有顏色的，在計(jì)算機(jī)中描述出來(lái)就需要建立相應(yīng)的顏色空間。所謂顏色空間指的是某個(gè)三維顏色空間中的一個(gè)可見(jiàn)光子集。它包含某個(gè)

83、顏色域的所有顏色。顏色空間是用來(lái)定義和表示顏色的。彩色圖像分割中，顏色空間的選擇是至關(guān)重要的，是圖像處理的難點(diǎn)。每種顏色空間都有著自己各自的優(yōu)缺點(diǎn)，都在不同的領(lǐng)域發(fā)揮著重要的作用。不可能找出一種顏色空間可以適用于所有的彩色圖像處理。一般的思想是具體問(wèn)題具體處理。下面將簡(jiǎn)單介紹幾種顏色空間。</p><p>　　3.2.1面向設(shè)備的顏色空間</p><p>　　面向設(shè)備的顏色空間適合在輸出顯

84、示場(chǎng)合下使用。計(jì)算機(jī)彩色輸入輸出設(shè)備使用與設(shè)備相關(guān)的顏色空間。如CRT顯示器和掃描儀使用RGB顏色空間，打印機(jī)使用CMYK顏色空間，但各種外部設(shè)備使用的顏色空間并不一致。因此除了分析研究它們各自所在的顏色空間外，還必須清楚它們之間的相互轉(zhuǎn)換關(guān)系，這在計(jì)算機(jī)系統(tǒng)彩色管理工作中十分重要。</p><p>　　3.2.1.1 RGB顏色空間</p><p>　　光譜中最重要的顏色是紅(R)、綠(

85、G)、藍(lán)(B)三基色，所有顏色都可以由三基色相加而產(chǎn)生。RGB顏色空間是一個(gè)立方體三維坐標(biāo)空間結(jié)構(gòu)[35]，分別用紅、綠、藍(lán)表示三個(gè)坐標(biāo)軸，如圖3-1所示。立方體的底部R=G=B=0處為黑色，頂部與其相對(duì)角R=G=B=255處為白色。由于圖像采集和顯示設(shè)備使用的是RGB顏色空間，所以RGB顏色空間是彩色圖像處理中最基礎(chǔ)、最常用的顏色空間。</p><p>　　藍(lán)（0，0,1） 青（0,1,1）</p>

86、;<p><b>　　白（1,1,1）</b></p><p><b>　　品紅（1,0,1）</b></p><p>　　黑（0,0,0） 綠（0,1,0）</p><p>　　紅（1,0,0） 黃（1,1,0）</p><p>　　圖3-1 RGB顏色空間</p>

87、;<p>　　RGB顏色空間的主要缺點(diǎn)是：（1）不直觀。從RGB值中很難看出其所表示的顏色的認(rèn)知屬性；（2）不均勻。兩個(gè)色點(diǎn)之間的距離不等于兩個(gè)顏色之間的知覺(jué)差異；（3）對(duì)硬件設(shè)備具有依賴性。因此，RGB顏色空間是一個(gè)與設(shè)備相關(guān)的、顏色描述不完全直觀的空間。為了克服RGB顏色空間的均勻和不直觀的缺點(diǎn)，在彩色圖像處理中大多采用更加符合顏色視覺(jué)特性的顏色空間。RGB顏色空間能被轉(zhuǎn)變成所需要的其它任何顏色空間。</p>

88、;<p>　　3.3圖像分割的算法</p><p>　　圖像分割是數(shù)字圖像分析中的重要環(huán)節(jié)，在整個(gè)研究中起著承前啟后的作用，它既是對(duì)所有圖像預(yù)處理效果的一個(gè)檢驗(yàn)，也是后續(xù)進(jìn)行圖像分析與解譯的基礎(chǔ)。因此，對(duì)于圖像分割的研究多年里一直受到人們廣泛的重視，也提出了數(shù)以千計(jì)的不同算法。本節(jié)中簡(jiǎn)單介紹一種目前常用的圖像分割算法。這些算法大部分都是針對(duì)灰度圖的。而目前對(duì)彩色圖像的分割，大部分也是基于灰度圖的：先

89、將彩色圖像的各個(gè)分量進(jìn)行適當(dāng)?shù)慕M合轉(zhuǎn)化為灰度圖像，然后利用對(duì)灰度圖像的分割算法進(jìn)行分割。</p><p>　　3.3.1區(qū)域生長(zhǎng)法</p><p>　　區(qū)域生長(zhǎng)是一種受到人工智能領(lǐng)域中的計(jì)算機(jī)視覺(jué)界十分關(guān)注的圖像分割方法。這種方法的基本思想是將具有相似性質(zhì)的像素點(diǎn)集合起來(lái)構(gòu)成區(qū)域。先把一幅圖像分成許多小的鄰域甚至是單個(gè)像素。在每個(gè)區(qū)域中，對(duì)經(jīng)過(guò)適當(dāng)定義的能反映一個(gè)物體內(nèi)成員隸屬程度的性質(zhì)(

90、度量)進(jìn)行計(jì)算。用于區(qū)分不同物體內(nèi)像素的性質(zhì)包括平均灰度值、紋理或顏色信息。因此，第一步是賦給每個(gè)區(qū)域一組參數(shù)，這些參數(shù)的值能夠反映區(qū)域?qū)儆谀膫€(gè)物體。接下來(lái)，對(duì)相鄰區(qū)域的所有邊界進(jìn)行檢查，相鄰區(qū)域的平均度量之間的差異是計(jì)算邊界強(qiáng)度的一個(gè)尺度。如果給定邊界兩側(cè)的度量差異明顯，那么這個(gè)邊界很強(qiáng)反之則弱。強(qiáng)邊界允許繼續(xù)存在，而弱邊界則被消除，相鄰區(qū)域被合并。這是一個(gè)迭代過(guò)程，每一步都重新計(jì)算被擴(kuò)大區(qū)域的物體成員隸屬關(guān)系并消除弱邊界，當(dāng)沒(méi)有可以

91、消除的弱邊界時(shí)，區(qū)域合并過(guò)程結(jié)束。這時(shí)，圖像分割也就完成。區(qū)域生長(zhǎng)的固有缺點(diǎn)是分割效果依賴于種子點(diǎn)的選擇及生長(zhǎng)順序，由于相似性通常是用統(tǒng)計(jì)的方法確定的，因而這些方法對(duì)噪聲不敏感。</p><p>　　3.4基于差分法和區(qū)域生長(zhǎng)法的彩色圖像分割算法</p><p>　　圖像的分割要求達(dá)到這樣一種效果：能夠?qū)⒛繕?biāo)完整地從背景中分離出來(lái)，要盡量地減少或避免目標(biāo)信息的損失，同時(shí)要盡量去除背景信息的

92、干擾。即保證目標(biāo)的完整性和可靠性。但是，這兩點(diǎn)在實(shí)際中是矛盾的，很難同時(shí)達(dá)到這兩點(diǎn)要求，應(yīng)該有一個(gè)優(yōu)化的過(guò)程。</p><p><b>　　3.4.1分割原理</b></p><p>　　由于單一的圖像分割算法總是存在一定的弊端，所以在算法的選擇上，盡量采用兩到三個(gè)算法的結(jié)合，優(yōu)勢(shì)互補(bǔ)，才能得到滿意的結(jié)果。本文正是基于這方面的考慮，首先在RGB顏色空間中采用背景差分法

93、初步分割圖像后，然后利用區(qū)域生長(zhǎng)法進(jìn)一步對(duì)分割后的圖像進(jìn)行處理，去除目標(biāo)以外的噪聲。</p><p>　　3.4.1.1采用背景差分法對(duì)圖像進(jìn)行初步分割</p><p>　　背景圖像差分法是傳統(tǒng)目標(biāo)檢測(cè)方法中最直接、最簡(jiǎn)單的一種方法。它事先將背景圖像儲(chǔ)存下來(lái)，由于物體和背景在灰度或色彩上存在差別，通過(guò)將背景圖像和當(dāng)前圖像做減法運(yùn)算，相減的結(jié)果中每一像素的值和一個(gè)預(yù)先設(shè)定的閾值相比較，若這個(gè)

94、像素的值大于閾值，則認(rèn)為這點(diǎn)是前景點(diǎn)，否則是背景點(diǎn)。影視圖像拍攝中，攝相機(jī)的位置能夠固定，可以得到靜止的背景。當(dāng)目標(biāo)經(jīng)過(guò)時(shí)，拍攝目標(biāo)圖像；目標(biāo)移走后，再拍攝背景的圖像。這樣得到的兩幅圖，背景的變化不大，且對(duì)應(yīng)像素點(diǎn)的位置相差不大，理想的情況是背景完全不變，且對(duì)應(yīng)的像素點(diǎn)的位置相同。根據(jù)實(shí)際環(huán)境的使用特點(diǎn)，使用圖像的差分來(lái)完成圖像的分割。</p><p>　　在戶外的情況，背景經(jīng)常會(huì)受到光線和風(fēng)等自然因素影響而發(fā)生

95、變化，噪聲和干擾是不可避免的。因此，對(duì)算法進(jìn)行改進(jìn)，降低噪聲。由前面介紹的區(qū)域生長(zhǎng)法可以看到，用像素點(diǎn)周?chē)钠渌袼攸c(diǎn)的特征來(lái)表征像素特征，這有很多優(yōu)勢(shì)，它可以減少噪聲的干擾。類(lèi)似地，也可以利用這種方式來(lái)進(jìn)行分割。</p><p>　　3.4.1.2利用區(qū)域生長(zhǎng)法去除噪聲</p><p>　　初步分割后的圖像有噪聲，利用區(qū)域生長(zhǎng)法去除噪聲。區(qū)域生長(zhǎng)法的基本思想是將具有相似性質(zhì)的象素集合起來(lái)

96、構(gòu)成區(qū)域。具體先對(duì)每個(gè)需要分割的區(qū)域找一個(gè)種子象素作為生長(zhǎng)的起點(diǎn)，然后將種子周?chē)徲蛑信c種子象素有相同或者相似性質(zhì)的象素（根據(jù)事先約定好的生長(zhǎng)規(guī)則）合并到種子象素所在的區(qū)域中。將這些新像素作為新的種子像素繼續(xù)進(jìn)行上面的過(guò)程，直到?jīng)]有滿足條件的像素被包含進(jìn)來(lái)。種子像素的選擇方法一般都是根據(jù)具體的問(wèn)題具體對(duì)待，時(shí)常選擇亮度最大的點(diǎn)作為種子點(diǎn)。本課題的區(qū)域生長(zhǎng)法是背景差分算法初步分割以后才進(jìn)行的。這里使用區(qū)域生長(zhǎng)法的主要目的是為了去除目標(biāo)點(diǎn)以

97、外的不連通的噪聲。種子點(diǎn)選取靠近目標(biāo)重心的點(diǎn)較為合適。</p><p><b>　　3.4.2實(shí)驗(yàn)分析</b></p><p>　　圖3-4、圖3-5、圖3-6、圖3-7分別為目標(biāo)圖像、背景圖像、分割后的圖像和區(qū)域生長(zhǎng)去除噪聲后的圖像。圖3-6是采用背景差分法對(duì)圖像進(jìn)行初步分割的結(jié)果。由于，前景圖像和背景圖像的像素點(diǎn)并不是像理想情況那樣完全一一對(duì)應(yīng)的，所以，利用背景差

98、分法對(duì)圖像進(jìn)行初步分割后，目標(biāo)體外還存在噪聲。需用區(qū)域生長(zhǎng)法對(duì)圖3-6進(jìn)行進(jìn)一步處理。區(qū)域生長(zhǎng)去除噪聲后結(jié)果如圖3-7所示。</p><p><b>　　圖3-4目標(biāo)圖像</b></p><p><b>　　圖3-5背景圖像</b></p><p>　　圖3-6分割后的圖像</p><p>　　圖3

99、-7區(qū)域生長(zhǎng)去除噪聲</p><p><b>　　程序如下：</b></p><p>　　function main(); </p><p>　　n=input('請(qǐng)輸入待處理的圖像幀數(shù):'); </p><p>　　A1= imread

100、(['images\',int2str(n-1),'.jpg']); </p><p>　　A2= imread (['images\',int2str(n),'.jpg']); </p><p>　　figure('Name','經(jīng)典二幀差分法圖像處理結(jié)果！'); </p>

101、;<p>　　subplot(2,2,1),imshow(A1),title('背景圖像'); </p><p>　　subplot(2,2,2),imshow(A2),title('含有運(yùn)動(dòng)目標(biāo)的圖像');</p><p>　　A3=imsubtract(A1,A2); </p&g

102、t;<p>　　imwrite(A3,'chafenjieguo.jpg'); </p><p>　　subplot(2,2,3),imshow(A3),title('第一步 背景差分結(jié)果');</p><p>　　A3=rgb2gray(A3);</p><p>　　[m,n]=size

103、(A3);</p><p>　　s=zeros(m,n);</p><p><b>　　s(8,6)=1;</b></p><p>　　s(10,8)=1;</p><p>　　s(34,5)=1;</p><p>　　Im19=floor(A3/256*25)*10;</p>&l

104、t;p>　　[g, NR, Im13, TI]=regiongrow(Im19, 250, 5);</p><p>　　subplot(2,2,4),imshow(Im13),title('第二步 區(qū)域增長(zhǎng)法處理后結(jié)果');</p><p>　　imwrite(Im13,'zuihoujieguo.jpg'); </

105、p><p>　　a=edge(canny,Im13);</p><p>　　imshow(a);</p><p><b>　　3.5本章小結(jié)</b></p><p>　　本章從彩色圖像處理中的彩色空間的劃分出發(fā)，首先討論了一種顏色空間：RGB顏色空間。闡述了它的概念，特性以及空間之間的轉(zhuǎn)換算法。不同的圖像，在不同的空間里會(huì)表

106、現(xiàn)出不同的特性，所以在不同的空間中進(jìn)行圖像處理的效果也不同。接下來(lái)，系統(tǒng)地闡述了圖像分割的一種方法，分析總結(jié)了常用分割方法的優(yōu)缺點(diǎn)。</p><p>　　第4章陰影檢測(cè)理論基礎(chǔ)</p><p><b>　　4.1引言</b></p><p>　　對(duì)陰影的檢測(cè)與抑制已成為對(duì)目標(biāo)進(jìn)行有效分割的重要內(nèi)容與難題，對(duì)陰影的檢測(cè)與抑制的效果直接影響視頻圖像