專利名稱：一種彩色圖像陰影檢測方法
技術領域：
本發明屬于計算機視覺領域中的彩色圖像處理領域，尤其是涉及針對自然場景彩色圖像的陰影檢測方法。
背景技術：
陰影是在真實場景的圖像和視頻中經常出現的一種光學現象。它的存在對于眾多計算機視覺的應用領域，如圖像分割、運動對象檢測與跟蹤、目標識別等，都帶來了很多難題和限制。如自然場景中的人體的陰影，會影響目標分割的準確性。遙感圖像中建筑物的陰影會遮蔽圖像中的細節部分，影響圖像分析效果。交通視頻中車輛的陰影會給車輛的檢測和跟蹤帶來困難。因此，針對陰影的檢測與去除對于實現計算機視覺應用系統的魯棒性具有重要的實際意義。另外，通過研究陰影的強度和位置特征，對重構場景的光照條件有重要的參考價值。而針對含有復雜場景的圖像陰影區域檢測與去除，從而獲得在具有一致性均勻光照條件下的無陰影彩色圖像，更是計算機視覺領域中的重要研究課題。陰影去除主要包括陰影區域檢測和陰影區域恢復兩個步驟[1]。陰影檢測是實現陰影去除的前提，它完成的是從單幅圖像或圖像序列中確定陰影區域所在的位置。到目前為止，有關陰影檢測的研究主要集中在面向視頻序列的運動對象陰影檢測方面，針對靜態彩色圖像陰影檢測的研究在近十年間才開始，還處在起步階段，還沒有出現很成熟的方法。已有的陰影檢測主要分為兩類[2]基于物理模型的方法[3]M和基于特征的方法[5][6][7]。基于物理模型的方法通過分析陰影產生的物理過程，并借助一些先驗知識，建立陰影模型，在此基礎上對圖像/視頻中的特定區域進行匹配，檢測陰影區域，消除陰影區域。但在實際情況下，環境非常復雜，光源隨時間和地點不斷變化，難以建立準確的物理模型來描述不同各類陰影。因此，這類方法通常只用于特定領域，如運動陰影^和遙感圖像陰影⑷等情況。基于特征的方法是通過分析陰影區域與周圍非陰影區域在視覺特征上的差別來實現陰影檢測與消除。常用的特征包括邊緣[5]、直方圖[6]、顏色比率[7]等。相對于前一種方法，基于特征的方法更靈活，適用于更多的場景情況。已有陰影檢測方法主要不足在于不能很好處理復雜背景情況。絕大多數陰影檢測方法都只考慮均勻陰影區域情況，都假定整個陰影區域具有近似的反射特性，導致陰影檢測效果不佳。
發明內容
針對當前彩色圖像陰影檢測不能很好處理復雜背景的情況，提出了一種多特征無監督的陰影自動檢測方法。該方法能有效檢測復雜背景情況下各種強度的陰影區域，具有檢測準確、處理速度快、無需人工干預等優點，適合于實際應用。本發明的技術方案如下一種彩色圖像陰影檢測方法，包括下列步驟1)根據輸入的彩色圖像計算B分量與R分量的差值以及B分量與G分量的差值， 并對分別其進行歸一化處理，得到歸一化的B分量與R分量的差值BR' (x,y)以及B分量與G分量的差值BG' (x,y)2)計算輸入彩色圖像的灰度I (X，y)；3)構造陰影檢測所用的特征向量空間F，即F= (F1, F2, F3I = {BR' (χ, y), BG' (x,y), I(x,y)}；4)設定進行聚類分析的類別潛在陰影區域類、過渡區域類和非陰影區域類，并設定各自的初始類心及迭代次數，采用歐式距離衡量特征向量空間F中的兩點之間的距罔；5)每次聚類迭代時，計算特征向量空間中各點到三個類心的距離，并將其劃歸為距離最近類心對應的一類。將特征向量空間里所有點進行分類后，計算每類所有點對應的特征向量的平均值，并將其設為新的類心，重新進行分類，最終將圖像中的特征點分為3 類；6)分別計算各類心到特征向量空間中(1，1，1)點的距離0“1 = 1，2，3)，將其中的最大值對應的類作為潛在陰影區域類，最小值對應的類劃為非陰影區域類，剩余的一類劃為過渡區域類；7)去除潛在陰影區域內的干擾區域對于劃分到潛在陰影區域類的點，采用4-連通定義計算潛在陰影區域中各連通區域的面積，即每個連通區域的像素數，用Qk(k= 1， 2，...，K)表示，K表示連通區域的總數，將各潛在陰影區域的Qk與閾值T1進行比較，若滿足Qk > T1則認為是干擾區域并去除；8)確定過渡區域內的陰影區域像素點考察過渡區域類內各像素點在其8-鄰域內是否存在經過上步處理后的潛在陰影區域中的點，如果存在，則將該像素點劃分為陰影區域；否則，將其劃分為非陰影區域；9)確定陰影區域將經第7步處理得到的潛在陰影區域和經第8步處理得到的陰影區域像素點合并，最終得到陰影區域。其中，閾值T1最好為16。采用WindoWS7 SPl系統下的matlab2011a作為實驗仿真平臺，實驗所用室外場景陰影圖像部分選自選國內外公開發表的文獻(98幅)，還有部分選自hternet和自拍圖像 (100幅)，共計198幅。經過實驗，采用本發明的檢測方法，能正確檢測到超過90%的陰影區域，準確率超過95%。
圖1為本發明流程框圖。圖連通定義示意圖，ρ為當前點，q為P點的4連通區域。圖38-鄰域定義示意圖，P為當前點，r表示它的8_鄰域點。
具體實施例方式參見圖1，本發明包括三個主要步驟特征向量集提取、陰影區域定位和陰影區域鑒別。具體方案如下一、特征向量集提取
室外場景中的光照條件主要由太陽直射光(主光源)、大氣散射光和環境反射光組成。由于物體的遮蔽，陰影區域的直射光衰減明顯。在室外環境下，一方面大氣散射光的強度比環境反射光更占優勢，另一方面，陰影區域和非陰影區域的環境反射光差別微小。因此，假定陰影區域的光照以大氣散射光為主。根據相關理論，大氣散射光以瑞利散射和米氏散射為主，散射光的強度隨波長增大而迅速減小。另外，自然場景中出現陰影的區域主要包括草地、土地、沙石以及人工浙青路面為主，不同地表物體的光譜反射特性存在明顯差異。由于主要的光源被遮蔽，陰影區域的光照強度較非陰影區域下降明顯。根據前面的分析，陰影區域物體經反射到達攝像機傳感器的輻射強度歲波長增加而降低。傳感器通常分為R、G、B三類。三者相比，R分量的輻射強度下降最明顯，其次是G分量，B分量最不明顯。根據上述分析，提取陰影區域檢測所用的特征集。首先使用(1)式和( 式計算 B分量和R分量以及G分量的差值圖，如下BRdiff(X，y) = B (x, y)-R(x, y) (1)BGdiff(χ, y) = B (χ，y) -G (χ，y) (2)式中，R(χ, y)、G(x，y)、B(x，y)分別表示三個通道在(χ, y)位置上的取值。采用 (3)式和(4)式對兩差值圖進行歸一化處理，得到mX，y)- =):^7^ ,(3)
max [BRdiff {x,y)\- mm [BRdiff (x,y)\-
max [BGdiff (χ, y)\-mm [BGdiff {x,y)\式中，min{ · }和maX{ · }分別代表取最大值和最小值的操作。另外，使用( 式定義的灰度圖來描述陰影區域灰度值情況/(χ, >0 = 1 —告(尺(A y) + G(x, y) + B(x, y)) (5)使用F1 = BR(χ, y)、F2 = BG (χ, y)以及F3 = I (χ, y)構造陰影檢測所用的特征集 F，即有F = (F1, F2, F3I = {BR' (χ, y)，BG' (χ, y)，I (χ, y)} (6)二、基于K均值聚類算法的陰影區域定位傳統的陰影檢測方法通常采用固定閾值區分陰影區域和非陰影區域，閾值的大小需事先經人工方式確定。這種固定閾值的方法不利于陰影區域自動檢測的實現。我們的方法借助無監督聚類技術對特征集進行自動分類，實現陰影區域自動檢測。K-均值聚類 (K-means clustering)是一種應用廣泛的無監督聚類方法。該方法在分類過程中不需要事先確定閾值，只需指定需要劃分的類數，采用誤差函數最小化為目標函數，對數據進行劃分。K-均值算法的一般步驟如下[8]算法1 :K均值聚類(1)第一步初始化。對于特征集合X，輸入指定聚類類數N，并在X中按照一定法則選取N個對象作為初始聚類中心。設定迭代中止條件，比如最大循環次數η或者聚類中心收斂誤差容限ε。
(2)第二步分類。根據實現確定的相似度準則將各數據對象分配到距離最接近的聚類中心，從而形成一類。(3)第三步更新聚類中心。計算每一類的平均向量作為新的聚類中心，重新分配數據對象。(4)第四步結束條件判斷。判斷是否滿足結束條件，如果是，則結束分類；否則， 反復執行第二步和第三步。K均值聚類方法的聚類結果對初始聚類中心依賴性比較大。另外，可以通過減少迭代次數或增加誤差容限來提高聚類速度。所提方法設定的類別數目為3，選用(0，0，0)、 (0.5,0.5,0. 5),(1,1,1)作為初始類心，設定迭代次數為10次。采用歐式距離衡量特征空間中兩點之間的距離，如(7)式所示
權利要求
1.一種彩色圖像陰影檢測方法，包括下列步驟1)根據輸入的彩色圖像計算B分量與R分量的差值以及B分量與G分量的差值，并對分別其進行歸一化處理，得到歸一化的B分量與R分量的差值BR' (x, y)以及B分量與G 分量的差值BG' (x,y)2)計算輸入彩色圖像的灰度I(χ，y)；3)構造陰影檢測所用的特征向量空間F，即F= (F1, F2, F3I = {BR' (χ, y)，BG' (χ, y)，I(x，y)}；4)設定進行聚類分析的類別潛在陰影區域類、過渡區域類和非陰影區域類，并設定各自的初始類心及迭代次數，采用歐式距離衡量特征向量空間F中的兩點之間的距離；5)每次聚類迭代時，計算特征向量空間中各點到三個類心的距離，并將其劃歸為距離最近類心對應的一類。將特征向量空間里所有點進行分類后，計算每類所有點對應的特征向量的平均值，并將其設為新的類心，重新進行分類，最終將圖像中的特征點分為3類；6)分別計算各類心到特征向量空間中(1，1，1)點的距離隊(1= 1，2，3)，將其中的最大值對應的類作為潛在陰影區域類，最小值對應的類劃為非陰影區域類，剩余的一類劃為過渡區域類；7)去除潛在陰影區域內的干擾區域對于劃分到潛在陰影區域類的點，采用4-連通定義計算潛在陰影區域中各連通區域的面積，即每個連通區域的像素數，用Qk(k= 1，2，...， K)表示，K表示連通區域的總數，將各潛在陰影區域的Qk與閾值T1進行比較，若滿足Qk > T1則認為是干擾區域并去除；8)確定過渡區域內的陰影區域像素點考察過渡區域類內各像素點在其8-鄰域內是否存在經過上步處理后的潛在陰影區域中的點，如果存在，則將該像素點劃分為陰影區域； 否則，將其劃分為非陰影區域；9)確定陰影區域將經第7步處理得到的潛在陰影區域和經第8步處理得到的陰影區域像素點合并，最終得到陰影區域。
2.根據權利要求1所述的彩色圖像陰影檢測方法，其特征在于，其中閾值T1為16。
全文摘要
本發明屬于計算機視覺領域中的彩色圖像處理領域，涉及一種彩色圖像陰影檢測方法，包括下列步驟計算輸入的彩色圖像的顏色通道之間的差值，及灰度，據此構造特征向量空間；進行聚類分析，得到潛在陰影區域類、非陰影區域類以及劃為過渡區域類兩類；去除潛在陰影區域內的干擾區域；確定過渡區域內的陰影區域像素點；確定陰影區域。本發明具有計算量小，處理速度快，不易受干擾區域和光照條件變化的影響的優點。本發明能有效檢測復雜背景情況下各種強度的陰影區域，具有檢測準確、處理速度快、無需人工干預等優點，適合于實際應用。
文檔編號G06T7/60GK102298780SQ20111023232
公開日2011年12月28日 申請日期2011年8月15日 優先權日2011年8月15日
發明者劉立, 王建, 馬學云 申請人:天津大學