圖像分割及陰影抑制算法的研究.pdf

1、在智能視頻監(jiān)控領(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、跟蹤及行為理解等后續(xù)處理產(chǎn)生重要影響。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。雖然這些算法大都在不同程度上取得了一定的成功，但是圖像分割問(wèn)題還遠(yuǎn)遠(yuǎn)沒(méi)有解決，這方面的研究仍然面臨很多挑戰(zhàn)?，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

2、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，引起分割和跟蹤錯(cuò)誤。目前的陰影抑制成果還不能完全滿足實(shí)際的需要。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。本文，首先探討了圖像處理的理論基礎(chǔ)。并對(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。實(shí)驗(yàn)結(jié)果表明在邊緣灰度值過(guò)渡比較尖銳且圖像中噪聲較小時(shí)，梯度算子工作效果好。其次，介紹了幾種常用的彩色空間以及彩色空間

3、的轉(zhuǎn)換算法，并分析討論了各彩色空間的適用范圍和優(yōu)缺點(diǎn)。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)。本文中，針對(duì)影視技術(shù)的拍攝條件及應(yīng)用要求，選用RGB彩色空間實(shí)現(xiàn)彩色圖像的分割。在RGB彩色空間中，采用背景差分法對(duì)圖像初步分割后，再利用區(qū)域生長(zhǎng)法去除目標(biāo)外部的噪聲。圖像分割結(jié)果是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。討論了國(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

4、標(biāo)陰影時(shí)存在的問(wèn)題。最后，基于陰影檢測(cè)的基本假設(shè)和一般框架，針對(duì)不同圖像的陰影和目標(biāo)體的特點(diǎn)，設(shè)計(jì)了四種去除陰影的算法?；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；基于RGB彩色空間的陰影抑制算法和基于HSV顏色空間的陰影抑制算法適用于去除與目標(biāo)顏色有較大差別的陰影；基于HSV顏色信息和一階梯度信息的陰影抑制算法是對(duì)基于HSV顏色信息的陰影抑制算法的改進(jìn)，適用于去除與目標(biāo)顏色相近的陰影。實(shí)驗(yàn)結(jié)果表