·282. 智能系统学报 第10卷 征提取和去除问题，给出了阴影去除算法实现过程 面材质不变，即反射率P(x,y)不变，而车辆的遮挡 和实验结果，并对结果进行了分析和评价。 会使路面像素点接收的光照强度变弱。设阴影像素 1常用的阴影去除方法 点的亮度为S(x,y),背景像素点的亮度为S(x, y),它们之间的比值为C(x,y),则计算公式如式 1.1几何模型方法 (3)所示劉： 这类算法思路是从空间角度建立阴影几何模 S(x,y）E(x,y) 型，文献[34]利用车辆和其投射阴影的二维分布模 C(x）=sx,)E队） (3) 型来消除车辆阴影。根据车辆和阴影的位置关系可 通常C(x,y)的取值范围为(1.2~1.5)，利用背 以确定多种阴影模型，通过匹配当前帧运动前景特 景像素与阴影像素点的比例可以进行阴影的检测。 征，利用其模型特征进行阴影消除。但是这类方法 这些阴影去除方法按照检测所依据的信息可分 需要较为准确的模型，不同的场景需要不同的模型， 为两大类山：1)基于模型的方法；2)利用阴影特性 所以只能在特定的场景中有效。 的方法。基于阴影模型的方法]依赖先验几何模 1.2色彩空间阴影检测 型，如目标的三维形状和光照模型等。通过几何模 基于色彩空间的投射阴影消除是目前最常用的 型，精确地计算出阴影的形状和位置，从而实现阴影 阴影去除方法，T.Horpraser等)利用阴影的2个特 去除，但模型的建立十分复杂，因此实际中应用并不 性进行去除：1)阴影与背景在色度上相似：2)阴影 广泛。基于阴影特征的方法利用阴影的颜色、梯度 像素亮度比背景暗。两像素点的色彩矢量夹角越 或纹理特性来进行阴影去除，由于其算法实现简单， 小，说明两像素色度差别就越小。像素矢量的长度 且效率较高，因此本文采用基于特征的方法来完成 越短，则说明该像素的亮度越暗。经典的RGB空间 阴影去除。 中的阴影消除方法的计算如式(1)。 2阴影特征提取 P人x,y）·p(x,y) 1p以x,)1x刘p.(,)<7 arccos (1) 本文利用单边侧阴影特征分布进行阴影消除。 T.>|p(x,y)1-lp(x,y)1>0 投射阴影可以按其灰度分布特征和空间分布特征进 式中：P(x,y)为当前帧图像中坐标(x,y)处的色 行特征提取，阴影的灰度分布特征是基于对视频图 彩矢量，P(x,y)为背景图像色彩矢量，T。为素阈 像中各个区域的像素分布特性的假设，而阴影的空 值，T为亮度阈值。满足上述条件的像素点则可以 间分布特征则是基于投射阴影产生的空间特性。 认为是阴影点。由于含有大量的矢量计算，所以基 本部分操作分为：1)通过阈值分割法从差分图 于色彩空间的方法运算量非常大，算法实时性较差。 像中提取出包括车辆和阴影在内的前景区域；2)通 1.3纹理特征 过对4种模型的分析对提取的前景区域进行阴影特 基于纹理的阴影消去算法利用阴影区域纹理和 征的提取。在背景差分图像中，背景区域差分后的 背景区域的相关性，目标车辆的纹理和背景区域不相 像素值较小且分布比较集中，在图中呈现大片的黑 关，而且纹理特征受光照变化的影响。文献[6]利用 色区间，呈现单调递减的分布，而目标车辆区域和阴 基于比值判决的LBP纹理法来区分运动车辆和阴 影区域的差分区间则呈现近似正态分布。如图1。 影，提出了一种灰度域阴影消除方法，并通过启发式 准则进一步优化检测效果。文献[7]利用Canny边缘 背是 检测算子、边缘匹配和条件膨胀等多种技术，通过融 合多帧的信息，检测室内场景中物体的投射阴影。 阴影 1.4基于亮度的阴影特征 车辆1车2车辆3 之 对于视频中的一个像素点(x,y),光照模型如 0 255灰度值 式(2)所示： 图1背景差分图像各区域像素分布 S(x,y)=E(x,y)P(x,y） (2) Fig.1 The pixel distribution of the background differ- 式中：S(x,y)表示第k帧像素点(x,y)处的瞬时 ence image 亮度；E(x,y)表示像素点(x,y）)处单位面积接收 根据图1中的分布特性，利用频数法获得最佳 的光强；P:(x,y)表示像素点(x,y)处物体表面的 阈值T,,采用阈值分割算法对差分图像进行二值化 反射率。在静止摄像头情况下，图像中同一位置路 处理，获取差分图像中前景区域，但是该前景区域不征提取和去除问题，给出了阴影去除算法实现过程 和实验结果，并对结果进行了分析和评价。 １ 常用的阴影去除方法 １．１ 几何模型方法 这类算法思路是从空间角度建立阴影几何模 型，文献［３⁃４］利用车辆和其投射阴影的二维分布模 型来消除车辆阴影。 根据车辆和阴影的位置关系可 以确定多种阴影模型，通过匹配当前帧运动前景特 征，利用其模型特征进行阴影消除。 但是这类方法 需要较为准确的模型，不同的场景需要不同的模型， 所以只能在特定的场景中有效。 １．２ 色彩空间阴影检测 基于色彩空间的投射阴影消除是目前最常用的 阴影去除方法，Ｔ．Ｈｏｒｐｒａｓｅｒ 等［５］ 利用阴影的 ２ 个特 性进行去除：１）阴影与背景在色度上相似；２） 阴影 像素亮度比背景暗。 两像素点的色彩矢量夹角越 小，说明两像素色度差别就越小。 像素矢量的长度 越短，则说明该像素的亮度越暗。 经典的 ＲＧＢ 空间 中的阴影消除方法的计算如式（１）。 ａｒｃｃｏｓ ｐｆ（ｘ，ｙ）·ｐｂ（ｘ，ｙ） ｜ ｐｆ（ｘ，ｙ） ｜ ×｜ ｐｂ（ｘ，ｙ） ｜ ＜ Ｔθ Ｔｃ ＞ ｜ ｐｂ（ｘ，ｙ） ｜ －｜ ｐｆ（ｘ，ｙ） ｜ ＞ ０ （１） 式中： ｐｆ（ｘ，ｙ） 为当前帧图像中坐标 （ｘ，ｙ） 处的色 彩矢量， ｐｂ（ｘ，ｙ） 为背景图像色彩矢量， Ｔθ 为素阈 值， Ｔｃ 为亮度阈值。 满足上述条件的像素点则可以 认为是阴影点。 由于含有大量的矢量计算，所以基 于色彩空间的方法运算量非常大，算法实时性较差。 １．３ 纹理特征 基于纹理的阴影消去算法利用阴影区域纹理和 背景区域的相关性，目标车辆的纹理和背景区域不相 关，而且纹理特征受光照变化的影响。 文献［６］利用 基于比值判决的 ＬＢＰ 纹理法来区分运动车辆和阴 影，提出了一种灰度域阴影消除方法，并通过启发式 准则进一步优化检测效果。 文献［７］利用 Ｃａｎｎｙ 边缘 检测算子、边缘匹配和条件膨胀等多种技术，通过融 合多帧的信息，检测室内场景中物体的投射阴影。 １．４ 基于亮度的阴影特征 对于视频中的一个像素点 （ｘ，ｙ） ，光照模型如 式（２）所示： Ｓｋ（ｘ，ｙ） ＝ Ｅｋ（ｘ，ｙ）ρｋ（ｘ，ｙ） （２） 式中： Ｓｋ（ｘ，ｙ） 表示第 ｋ 帧像素点 （ｘ，ｙ） 处的瞬时 亮度； Ｅｋ（ｘ，ｙ） 表示像素点 （ｘ，ｙ） 处单位面积接收 的光强； ρｋ（ｘ，ｙ） 表示像素点 （ｘ，ｙ） 处物体表面的 反射率。 在静止摄像头情况下，图像中同一位置路 面材质不变，即反射率 ρｋ（ｘ，ｙ） 不变，而车辆的遮挡 会使路面像素点接收的光照强度变弱。 设阴影像素 点的亮度为 Ｓｆ（ｘ，ｙ） ，背景像素点的亮度为 Ｓｂ（ｘ， ｙ） ，它们之间的比值为 Ｃｋ（ｘ，ｙ） ，则计算公式如式 （３）所示［８］ ： Ｃｋ（ｘ，ｙ） ＝ Ｓｂ（ｘ，ｙ） Ｓｆ（ｘ，ｙ） ＝ Ｅｂ（ｘ，ｙ） Ｅｆ（ｘ，ｙ） （３） 通常 Ｃｋ（ｘ，ｙ） 的取值范围为（１．２～１．５），利用背 景像素与阴影像素点的比例可以进行阴影的检测。 这些阴影去除方法按照检测所依据的信息可分 为两大类［１］ ：１）基于模型的方法；２）利用阴影特性 的方法。 基于阴影模型的方法［２］ 依赖先验几何模 型，如目标的三维形状和光照模型等。 通过几何模 型，精确地计算出阴影的形状和位置，从而实现阴影 去除，但模型的建立十分复杂，因此实际中应用并不 广泛。 基于阴影特征的方法利用阴影的颜色、梯度 或纹理特性来进行阴影去除，由于其算法实现简单， 且效率较高，因此本文采用基于特征的方法来完成 阴影去除。 ２ 阴影特征提取 本文利用单边侧阴影特征分布进行阴影消除。 投射阴影可以按其灰度分布特征和空间分布特征进 行特征提取，阴影的灰度分布特征是基于对视频图 像中各个区域的像素分布特性的假设，而阴影的空 间分布特征则是基于投射阴影产生的空间特性。 本部分操作分为：１）通过阈值分割法从差分图 像中提取出包括车辆和阴影在内的前景区域；２）通 过对 ４ 种模型的分析对提取的前景区域进行阴影特 征的提取。 在背景差分图像中，背景区域差分后的 像素值较小且分布比较集中，在图中呈现大片的黑 色区间，呈现单调递减的分布，而目标车辆区域和阴 影区域的差分区间则呈现近似正态分布。 如图 １。 图 １ 背景差分图像各区域像素分布 Ｆｉｇ．１ Ｔｈｅ ｐｉｘｅｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｔｈｅ ｂａｃｋｇｒｏｕｎｄ ｄｉｆｆｅｒ⁃ ｅｎｃｅ ｉｍａｇｅ 根据图 １ 中的分布特性，利用频数法获得最佳 阈值 Ｔｂ ，采用阈值分割算法对差分图像进行二值化 处理，获取差分图像中前景区域，但是该前景区域不 ·２８２· 智 能 系 统 学 报 第 １０ 卷