摘  要： 針對(duì)陰影C1C2C3彩色不變性檢測(cè)法時(shí)間開(kāi)銷(xiāo)大的缺陷，提出了改進(jìn)的D1D2D3模型陰影檢測(cè)法，減少了算法的時(shí)間復(fù)雜度；針對(duì)陰影LBP紋理不變性檢測(cè)法在圖像紋理不明顯時(shí)所存在的誤檢現(xiàn)象，提出了改進(jìn)的LPTD算子，提高了算法的準(zhǔn)確率。進(jìn)一步將上述兩種改進(jìn)方法進(jìn)行有效融合，提出了一種陰影消除新算法，采用SUSAN算子去除陰影強(qiáng)邊緣，有效解決了強(qiáng)光給陰影檢測(cè)帶來(lái)的誤差，再通過(guò)形態(tài)學(xué)處理，消除了圖像內(nèi)部孔洞和噪聲。實(shí)驗(yàn)結(jié)果表明，新算法的陰影消除效果更為理想。
關(guān)鍵詞： 彩色不變性；紋理不變性；陰影消除；SUSAN

　在計(jì)算機(jī)智能目標(biāo)檢測(cè)與跟蹤領(lǐng)域中，由于光照影響，陰影與目標(biāo)有著相同的運(yùn)動(dòng)屬性和光照強(qiáng)度變化，常常被誤認(rèn)為運(yùn)動(dòng)目標(biāo)，造成目標(biāo)幾何尺寸的改變以及多個(gè)目標(biāo)的并連等[1]，因此消除陰影成為一個(gè)不可避免的問(wèn)題。在視頻檢測(cè)過(guò)程中，陰影伴隨運(yùn)動(dòng)目標(biāo)對(duì)光線的遮擋而產(chǎn)生[2]。目前，國(guó)內(nèi)外已有大量的檢測(cè)算法用于消除陰影，主要有顏色特征法和紋理相關(guān)法。顏色特征法根據(jù)陰影點(diǎn)的顏色屬性判別陰影點(diǎn)和目標(biāo)點(diǎn)。參考文獻(xiàn)[3]通過(guò)分析陰影覆蓋前后R、G、B 3個(gè)分量的變化建立陰影統(tǒng)計(jì)模型，但無(wú)法解決相互遮擋的問(wèn)題。參考文獻(xiàn)[4]采用HSV顏色空間提取弱閾值目標(biāo)，但具有一定的局限性。參考文獻(xiàn)[5]融合HSI和C1C2C3模型特點(diǎn)進(jìn)行陰影去除，但是準(zhǔn)確率不高。紋理相關(guān)法依據(jù)陰影覆蓋前后紋理不變的特性區(qū)分陰影和目標(biāo)，然而它經(jīng)常要比較和計(jì)算每個(gè)像素及其鄰域像素的紋理值，速度緩慢。本文綜合考慮了陰影消除算法的時(shí)間復(fù)雜度和準(zhǔn)確率，提出了基于彩色與紋理不變性的運(yùn)動(dòng)陰影消除新算法。
1 彩色不變性的陰影檢測(cè)
1.1 C1C2C3模型
　C1C2C3空間是所有彩色不變空間檢測(cè)陰影效果最好的模型[6]，它是根據(jù)陰影覆蓋前后，機(jī)器視覺(jué)系統(tǒng)利用的彩色參數(shù)模型仍然維持目標(biāo)識(shí)別的能力[7]。C1C2C3空間模型定義為：

　從圖1、圖2可以看出，采用C1C2C3模型消除陰影和采用D1D2D3模型消除陰影，實(shí)驗(yàn)效果圖基本一致，即消除陰影的準(zhǔn)確率不變，但是從表1兩種算法用時(shí)對(duì)比中可知，采用D1D2D3模型消除陰影所耗費(fèi)的時(shí)間少于C1C2C3模型，符合前面所述的理論。因此，在綜合考慮陰影消除效果（準(zhǔn)確率）和時(shí)間開(kāi)銷(xiāo)的基礎(chǔ)上，本文提出的D1D2D3模型優(yōu)于傳統(tǒng)的C1C2C3模型。
2 紋理不變性的陰影檢測(cè)
2.1 LBP陰影消除法
　LBP算子是最常用的紋理描述子，具有灰度單調(diào)變換和旋轉(zhuǎn)不變性[8]，它通過(guò)比較掩膜的中心像素值和周?chē)欢ò霃降泥徲蛳袼刂?，得到一組二值化的0、1編碼，并結(jié)合權(quán)重矩陣計(jì)算其LBP值。

　從圖3、圖4可以看出，采用LPTD模型消除陰影的效果顯然優(yōu)于傳統(tǒng)的LBP算子，LPTD模型法所檢測(cè)出的目標(biāo)邊界更清晰，對(duì)陰影的誤檢率更低，克服了D1D2D3模型消除陰影的不足。從表2兩種算法用時(shí)對(duì)比中可以看出，采用LPTD模型消除陰影所耗費(fèi)的時(shí)間與LBP基本持平。因此，在綜合考慮陰影消除效果（準(zhǔn)確率）和時(shí)間復(fù)雜度的基礎(chǔ)上，本文提出的LPTD模型優(yōu)于傳統(tǒng)的LBP模型。
3 本文提出的陰影消除新算法
　如前所述，本文提出了兩種陰影消除的改進(jìn)算法，雖然基于彩色特征的D1D2D3陰影消除法能較好地保持目標(biāo)圖像的豐富信息，但可能導(dǎo)致邊緣細(xì)節(jié)信息比較豐富的圖像部分像素漏檢；而基于紋理特征的LPTD陰影消除法，雖然能較好地保持圖像邊緣，但是如果圖像部分區(qū)域的目標(biāo)內(nèi)部與背景紋理差異很小，這些像素點(diǎn)則容易被誤認(rèn)為是陰影點(diǎn)。為了使新算法更通用，對(duì)不同圖像消除陰影效果更好，進(jìn)一步提出了集兩種算法優(yōu)勢(shì)的消除運(yùn)動(dòng)影像陰影的新算法，具體流程圖如圖5所示。

3.4 形態(tài)學(xué)處理
　經(jīng)過(guò)SUSAN處理后的圖像檢測(cè)效果較理想，去除了圖像由于強(qiáng)光作用導(dǎo)致的陰影邊緣，使得圖像檢測(cè)效果更佳。然而，圖像內(nèi)部仍然存在部分孔洞，因此需要用形態(tài)學(xué)算子來(lái)處理，本文主要采用膨脹和腐蝕算子。
4 實(shí)驗(yàn)結(jié)果
　實(shí)驗(yàn)采集視頻分辨率均為320×240，依次用室外強(qiáng)光、室外弱光和室內(nèi)弱光3種場(chǎng)景分別演示本文算法的陰影消除過(guò)程，室外（強(qiáng)/弱光）場(chǎng)景選取慢速目標(biāo)人和快速目標(biāo)車(chē)進(jìn)行仿真實(shí)驗(yàn)，室內(nèi)場(chǎng)景選取慢速目標(biāo)人進(jìn)行仿真實(shí)驗(yàn)，如圖6所示，并與C1C2C3和LBP算法進(jìn)行實(shí)驗(yàn)比較，結(jié)果如圖7所示。

　根據(jù)實(shí)驗(yàn)可知，本文算法（如圖6（h）所示）顯然優(yōu)于D1D2D3模型（如圖6（d）所示）和LPTD模型（如圖6（e）所示）；又從前面第2小節(jié)可知，D1D2D2模型優(yōu)于C1C2C3模型，LPTD模型優(yōu)于LBP模型，由遞推　關(guān)系可知，本文算法優(yōu)于傳統(tǒng)的C1C2C3模型和LBP模型。
　為了定量評(píng)判陰影消除的效果，本文引用陰影消除成功率[10]進(jìn)行量化衡量：

　根據(jù)實(shí)驗(yàn)對(duì)比圖7和表3可知，本文算法能有效消除室外（強(qiáng)/弱光）、室內(nèi)（弱光）場(chǎng)景下的陰影，其陰影消除平均成功率高于傳統(tǒng)的C1C2C3彩色不變模型和LBP紋理不變模型，即本文算法消除陰影的準(zhǔn)確率較高；再由表4可知，本文算法的時(shí)間開(kāi)銷(xiāo)低于C1C2C3模型和LBP模型，具有較好的實(shí)時(shí)性。
　基于C1C2C3空間彩色不變性，本文提出了改進(jìn)的D1D2D3模型的陰影檢測(cè)法，彌補(bǔ)了C1C2C3模型在時(shí)間復(fù)雜度上的缺陷；基于LBP算子紋理不變性，本文提出了改進(jìn)的LPTD算子，解決了不明顯圖像紋理檢測(cè)時(shí)所存在的誤檢現(xiàn)象；進(jìn)一步將以上改進(jìn)的兩種方法以相“或”運(yùn)算進(jìn)行有效融合，并采用SUSAN算子去除室外強(qiáng)光導(dǎo)致的陰影強(qiáng)邊緣，有效解決了強(qiáng)光給陰影檢測(cè)產(chǎn)生的誤差，最后通過(guò)形態(tài)學(xué)處理填補(bǔ)孔洞并消除噪聲。實(shí)驗(yàn)結(jié)果表明，無(wú)論是在室外還是在室內(nèi)，本文提出的陰影消除新算法較實(shí)用，準(zhǔn)確率較高，實(shí)時(shí)性較好，在視頻監(jiān)控及交通檢測(cè)等領(lǐng)域具有較高的工程應(yīng)用價(jià)值。
參考文獻(xiàn)
[1] Ren Jianqiang. Novel adaptive algorithm of shadow elimination for video moving objects[J]. Computer Engineering and Applications， 2010，46（36）：188-191.
[2] 黃思明.交通視頻圖像中的車(chē)輛提取分類(lèi)方法研究[D].福建：福州大學(xué)數(shù)學(xué)與計(jì)算機(jī)科學(xué)，2011.
[3] 楊丹，余孟澤.車(chē)輛視頻檢測(cè)及陰影去除[J].計(jì)算機(jī)工程與設(shè)計(jì)，2011，32（6）：2072-2074
[4] 李科偉，楊曉敏，何小海，等.基于弱閾值分割的運(yùn)動(dòng)人體陰影去除[J].計(jì)算機(jī)工程，2012，38（5）：173-175.
[5] Sun Bangyu， Li Shutao. Moving cast shadow detection of vehicle using combined color models[C]. IEEE Chinese Conference on Pattern Recogrition（CCPR），2010：1-5.
[6] FORCZMANSKI P， SEWERYN M. Surveillance video stream analysis using adaptive background model and object recognition[J]. Computer Vision and Graphics， Lecture Notes in Computer Science， 2010，6374：114–121.
[7] 周家香，朱建軍，張紅亞.基于C1C2C3彩色不變特征的陰影檢測(cè)與輻射恢復(fù)研究[J].工程勘察，2007（6）：52-54.
[8] 郝?tīng)N，朱信忠，趙建民，等.基于改進(jìn)型LBP特征的運(yùn)動(dòng)陰影去除算法[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2010，19（5）：80-82.
[9] 鐘順虹，何建農(nóng).基于自適應(yīng)雙閾值的SUSAN算法[J].計(jì)算機(jī)工程，2012，38（3）：206-208.
[10] 陳錫，陳喆.亮點(diǎn)、顏色和梯度結(jié)合的陰影消除算法[C].2010年通信理論與信號(hào)處理學(xué)術(shù)年會(huì)論文集，2010：556-561.