第6期 刘清，等：UV颜色空间和图论切割的阴影去除算法 ·557· 化的亮度变化和色度偏移来识别阴影4].运用基于 U=(B-Y)*0.565, (2) 颜色的方法对监控场景的光照变化较为敏感，如果 V=(R-Y)*0.713. 物体的部分像素和阴影具有相似的颜色特征，以上 很显然，式(2)较式(1)在计算上少了4次乘 方法极有可能会将这些物体像素误判为阴影3].利 法，2次加法，有效地提高了转换运算速率.在对转 用梯度特征进检测，Chien等人先假定监控场景中 换速率有特殊要求的场合，还可以选择文献[8]中 阴影部分的亮度值是缓慢变化的，然后采用梯度滤 提到的查表法，该方法不需要乘法运算，其方法相较 波器将输入图像中的阴影去除3，).该方法对背景 于式(1)极大地提高了转换效率. 单一、阴影较弱的室内场景有效，但对阴影边缘去除 根据已有的视觉经验可知，在YUV颜色空间检 的效果不好.在纹理方面，Leone等用基于纹理的方 测阴影的规则可以归纳如下： 法进行阴影检测[6]，首先利用阴影比其覆盖的背景 规则1阴影区域中像素的亮度低于背景像素 灰度值小的特性，得到候选的阴影像素，然后采用优 和前景像素的亮度； 化的Gabor核函数提取候选点附近和相应背景点附 规则侧2阴影区域中像素的色度与背景像素色 近的Gbor特征值，如果这2个特征值相近，则认为 度相比几乎相等. 纹理相似，判定为阴影像素.该方法选取的核函数越 假设输入视频序列中的某一帧图像上的某一个 多，检测性能越好，但计算也更复杂.同时该方法适 位置(i处)对应的像素点为X:,令IC=（Yc(X:), 合运动物体和背景纹理差别比较大的情况] Uc(X:),Vc(X:))为该像素点所对应的当前帧中的 近年来有学者提出基于2类方法的融合来实现 YUV颜色空间各分量信息值；B=(Y:(X:), 阴影的检测，如Qi等人利用阴影的粗模型与HSV Ua(X:),Va(X:))为该像素点所对应的背景帧中的 颜色空间结合的方法，但这只是对提高检测速率有一 YUV颜色空间各分量信息值.检测中间结果用二值 定成效.本文考虑到基于模型方法的模型复杂度和计 图表示，1代表是前景像素点，0代表是阴影像素点. 算时间都随着场景的复杂度而增加，选泽基于YUV 根据规则1有如下判断函数： 颜色空间的特征方法，同时为简化YUV检测阴影的 阈值选取及后处理问题，在基于颜色空间检测的基础 PoutImgl(X:)= 上引入了图切割算法方法以提高目标分割的鲁棒性. 1, if I Yc(X;)-Ya(X:)I>Ty; 即在前景运动区域中通过YUV阴影检测的约束条件 10,otherwise. 得到确切的目标和阴影种子点后，再利用图论中的最 式中：PoutImgl(X:)是根据亮度信息得到的带有前 大流最小切割算法在该运动区域上进一步分割，从而 景和阴影分区的输出图像；T,为对应的亮度阈值. 得到相对精确、平滑的前景目标图像， 根据规则2有如下判断函数： PoutImg2(X:)= 1阴影检测 [o,if I Uc(X)-Ug(X)I+Vc(X:)-Ve(X:)I>Tiv; 1.1YUV颜色空间阴影检测 10,otherwise. 目前大多数视频采集设备所采集的图像都是基 式中：PoutImg2(X:)是根据色度信息得到的带有前 于RGB颜色空间，但该空间各分量之间相关性高、 景和阴影分区的输出图像；Tw为对应色度阈值. 冗余信息多、计算量大.考虑到RGB空间到YUV空 通过调整亮度阈值和色度阈值得到检测结果 间的转换过程是线性的，且YUV空间亮度信号Y和 PoutImgl(X:)和PoutImg2(X:),并进行与操作得到 色度信号U、V是相互独立的.本文选择在YUV颜 最终检测结果；但由于场景中各种因素的影响，检测 色空间上结合形态学操作来获得置信度很高的阴影 结果中往往会存在噪声或空洞现象，不利于后续的 像素点集和前景目标像素点集， 处理分析，故利用形态学操作中的开、闭等运算，合 RGB颜色空间到YUV颜色空间的线性转换公 理选取腐蚀膨胀因子得到置信度很高的目标和阴影 式为 像素点， Y=0.299R+0.587G+0.114B, YUV颜色空间检测方法为获得相对精确的目标 U=-0.147R-0.289G+0.437B, (1) 信息，在后处理操作上必须综合考虑腐蚀、膨胀结构 V=0.615R-0.515G-0.100B. 元素大小以及连通性判断面积阈值的选取等问题，虽 对式(1)进行方程组近似变换得 然可以得到比较接近运动目标轮廓的结果，但往往存 Y=0.299R+0.587G+0.114B, 在部分轮廓信息丢失或是多个目标合并的现象.因