【摘要】：圖像陰影檢測與去除是計算機視覺和圖像處理領(lǐng)域中非常重要的基礎(chǔ)工作,可有效協(xié)助實現(xiàn)場景恢復(fù)、目標識別以及特征提取等,在農(nóng)業(yè)、氣象、通信、智能交通、遙感、醫(yī)學等領(lǐng)域得到廣泛應(yīng)用。目前陰影檢測和去除方法的研究已經(jīng)取得一定的成果,但由于陰影產(chǎn)生的隨機性、多樣性以及復(fù)雜性,現(xiàn)有算法存在一定的局限性,難以滿足不同應(yīng)用場合的需求。因此,深入研究各類陰影檢測與去除算法并進行優(yōu)化,提高陰影檢測與去除算法的普適性,具有重要現(xiàn)實意義。本文針對單幅靜態(tài)圖像的陰影檢測和去除問題展開研究和討論,主要介紹了圖像陰影檢測和去除方法的目的和意義,描述了圖像陰影的分類和性質(zhì),梳理了近些年來圖像處理領(lǐng)域提出的陰影檢測和去除算法。針對現(xiàn)有算法陰影漏檢、誤檢和去除效果不理想等不足進行了研究,提出了三種陰影檢測和去除算法。主要工作內(nèi)容如下:(1)針對自動陰影檢測算法不能準確檢測復(fù)雜場景陰影,無法正確區(qū)分陰影區(qū)和暗區(qū)等問題,提出了一種基于高斯混合模型的交互式陰影檢測方法。通過交互可人為提供場景的上下文語義信息,幫助算法理解場景內(nèi)容。首先,利用近鄰傳播算法對圖像進行聚類,根據(jù)像素顏色和位置降采樣為小塊圖像,提高檢測效率;其次,構(gòu)建了一個包含光強、顏色和紋理特征等六維特征向量的高斯混合模型筆刷,通過少量人工交互幫助算法識別圖像陰影區(qū)和非陰影區(qū);最后,對圖像進行多尺度雙邊濾波,使得圖像在保留陰影區(qū)域邊界信息的同時,減少陰影區(qū)域內(nèi)噪聲,平滑陰影區(qū)域,提高檢測結(jié)果正確率。在存在多個陰影區(qū)域的復(fù)雜情況下,可以進行多次交互和迭代操作,獲得較理想的檢測結(jié)果。實驗結(jié)果證明我們提出的算法陰影檢測準確率較高。(2)針對光照遷移陰影去除方法使用線性仿射模型時采用全局統(tǒng)一遷移算子的不足之處,提出了一種自適應(yīng)光照遷移陰影去除算法。該算法可實現(xiàn)紋理復(fù)雜和亮度不均圖像陰影區(qū)域的光照恢復(fù)。首先根據(jù)圖像陰影區(qū)域的分布及顏色和紋理特征,自適應(yīng)地將圖像分割為若干陰影子區(qū)域和非陰影子區(qū)域,并根據(jù)顏色和紋理等特征進行計算,將相似度高的非陰影區(qū)域子區(qū)域與陰影子區(qū)域進行匹配;然后在每對匹配子區(qū)域中,建立自適應(yīng)亮度恢復(fù)算子,將陰影子區(qū)域中的陰影去除,同時對相鄰陰影子區(qū)域邊界進行亮度一致優(yōu)化;最后根據(jù)陰影邊界處的光強急劇變化的特性,對陰影邊界區(qū)域進行了單獨的檢測和處理。算法簡單有效,可對具有復(fù)雜紋理結(jié)構(gòu)和陰影區(qū)域亮度不均的圖像進行陰影去除,恢復(fù)的光照基本與周圍環(huán)境保持視覺上的一致。(3)結(jié)合稀疏表示和字典學習理論在圖像恢復(fù)中的優(yōu)勢,提出了一種基于圖像特征和字典學習的陰影去除算法。首先,根據(jù)陰影檢測時得到的像素陰影概率值,進行初步光照恢復(fù),使陰影區(qū)域與非陰影區(qū)域具備一致的亮度級別,有效保證后續(xù)區(qū)域匹配準確性;其次,根據(jù)圖像自適應(yīng)分解后的匹配關(guān)系,采用非局域稀疏表示模型,建立陰影子區(qū)域中圖像塊與非陰影子區(qū)域中匹配圖像塊間的聯(lián)系,選取若干匹配塊構(gòu)造組矩陣;然后,根據(jù)組稀疏對圖像進行稀疏表示和字典學習,將問題轉(zhuǎn)化為稀疏表示求解問題;最后,針對陰影暗區(qū)紋理細節(jié)丟失嚴重的問題,用形態(tài)成分分析方法對圖像進行分解,獲取圖像的平滑層和紋理層,對陰影區(qū)域的紋理信息進行有效恢復(fù)。本算法自然地實現(xiàn)了陰影邊界的恢復(fù),與非陰影區(qū)域融合,基本滿足主觀視覺要求。
【圖文】：

像中的陰影區(qū)域檢測出來，根據(jù)單幅圖像中非陰影區(qū)域的亮度、紋理以及顏色，實現(xiàn)對陰影區(qū)逡逑域亮度、紋理以及顏色的恢復(fù)，在此基礎(chǔ)上通過光照補償以及圖像增強等協(xié)調(diào)陰影區(qū)域恢復(fù)后逡逑區(qū)域與非陰影區(qū)域的一致性，保證整個圖像在視覺上達到統(tǒng)一。如圖１．１所示，去除陰影后的逡逑圖像更加清晰直觀，容易分析陰影區(qū)域中被遮擋地物的內(nèi)容。逡逑桯逡逑（ａ）邐（ｂ）逡逑圖１．１復(fù)雜場景陰影去除效果。（ａ）輸入圖像，（ｂ）陰影去除結(jié)果。逡逑高分辨率遙感影像中存在廣泛陰影，，尤其是建筑物比較密集的城區(qū)，如圖１．２所示，造成逡逑了地表信息的缺損甚至丟失，影響遙感解譯的精度。實際情況下，地表場景和成像條件都比較逡逑復(fù)雜，很多圖像采集傳感器并不具有多通道和顏色信息，這就要求陰影從輸入的圖像中去除逡逑后，需保留陰影區(qū)域的紋理不變，且保持陰影區(qū)域表面的顏色信息。另外，無影圖陰影區(qū)域去逡逑除后邊界明顯，人眼可見的去除痕跡，計算機空間和時間的節(jié)省等問題都待解決。通過對當前逡逑現(xiàn)有的一些圖像陰影檢測與去除算法的研究

圖】．２遙感圖像陰影去除效果。（ａ）輸入圖像，（ｂ）陰影去除結(jié)果。逡逑對陰影檢測結(jié)果進行數(shù)學分析和建模，其結(jié)論還可應(yīng)用于圖像編輯領(lǐng)域。在自然場景中提逡逑取出來的陰影可以引用到其他的場景中，如圖１．３所示，從原始輸入圖像中提取主體目標及其逡逑陰影，合成到另外一個場景中。邐邋邐逡逑（ａ）邐（ｂ）邐（ｃ）j#，逡逑圖１．３圖像編輯。（ａ）原始圖像，（ｂ）目標圖像，（ｃ）編輯合成后圖像。逡逑１．２國內(nèi)外研究現(xiàn)狀逡逑２０世紀８０年代人們開始關(guān)注圖像的陰影去除問題，國內(nèi)外許多專家和學者對這個問題進逡逑行了大量的研究，目前圖像陰影檢測和去除新方法越來越多，應(yīng)用領(lǐng)域也越來越廣泛，并且在逡逑計算機視覺和模式識別方面得到了越來越多的關(guān)注。但由于真實場景的復(fù)雜性，圖像陰影檢測逡逑與去除方法的有效性還需要進一步的提升。逡逑１．２．１陰影檢測方法逡逑陰影去除算法包括兩個主要步驟．？陰影檢測和陰影去除。陰影檢測是陰影去除的前提，其逡逑結(jié)果的準確性直接關(guān)系到陰影去除的最終成效。目前
【學位授予單位】：華中師范大學
【學位級別】：博士
【學位授予年份】：2019
【分類號】：TP391.41;TP181

【參考文獻】

相關(guān)博士學位論文 前3條

1 宿南;面向高精度目標立體重建的信息恢復(fù)與補償技術(shù)[D];哈爾濱工業(yè)大學;2017年

2 張雷;基于樣本和稀疏表示的圖像修復(fù)方法研究[D];西北大學;2016年

3 韓守東;紋理建模與圖切分優(yōu)化方法研究[D];華中科技大學;2010年

本文編號：2593431