王珦磊1,,唐加山2
(1. 南京郵電大學 通信與信息工程學院,江蘇 南京 210003,;2. 南京郵電大學 理學院,,江蘇 南京 210003)
摘要:針對視頻內容分析中的物體檢測問題,提出一種新的基于YUV顏色空間的陰影消除方法,,相比其他基于YUV顏色空間陰影檢測方法,,該方法為提高檢測精度,使用自適應的動態(tài)門限,。首先,,在RGB顏色空間中使用背景差,得到僅包含目標物體及其陰影的圖像,。然后在YUV顏色空間中對此圖像的色度進行統(tǒng)計分析,,搜索出色度變化緩慢的區(qū)間,再針對每個色度區(qū)間確定對應的亮度區(qū)間,獲得估計門限,。最后,,利用以上門限檢測并消除陰影。實驗結果表明,,該方法對不同光照情況下的物體陰影都有很好的消除效果,。
關鍵詞:陰影檢測;YUV,;自適應
0引言
在計算機視覺中,,檢測運動物體是非常重要的一個部分。運動物體的檢測一般步驟如下:先從視頻幀中鑒定出前景像素,,再由前景像素提取出運動物體[1],。然而,運動物體的投影會使檢測算法難以實現(xiàn),,導致前景物體形狀和顏色的失真,,對運動物體的提取造成干擾。因此,,動態(tài)物體檢測中很重要的一個環(huán)節(jié)是陰影消除,。
陰影檢測算法一直被廣泛研究,如:基于紋理分析的檢測方法[23],,使用亮度來判斷可能的陰影區(qū)域,,再結合紋理特征將陰影分割出來;基于物理特征的檢測方法[4],,先對陰影像素進行建模,,再用這個模型從預選區(qū)域中檢測陰影;基于幾何的檢測方法[5],,根據(jù)光源,、物體形狀、地面來預測陰影的大小,、形狀和方向,;基于色彩空間的檢測方法[6],選取一個新的色彩空間,,與RGB色彩空間相比,,它的亮度和色度間區(qū)別更明顯,。
本文使用基于YUV色彩空間的陰影檢測方法,,同時陰影檢測門限的閾值是根據(jù)前景像素的統(tǒng)計結果估計的,因此算法對不同光照情況下的物體陰影檢測都有很好的魯棒性,。
1候選區(qū)域
候選區(qū)域是指圖像中包含目標物體及其陰影的部分,,一般通過背景差分來獲得。步驟如下:先將前景圖像和背景圖像的RGB分量進行差分,,再將差分后的彩色圖像轉換成灰度圖像,,針對此灰度圖像,,設置平均灰度值為閾值,按照該閾值進行劃分,,大于該閾值的為候選區(qū)域,,小于閾值的視為背景。再多次進行膨脹,、腐蝕操作,,消除候選區(qū)域中的干擾噪點,具體操作詳見文獻[7],。
2基于YUV色彩空間的陰影模型
YUV色彩空間和RGB色彩空間關系如下[8]:
在YUV色彩空間中,,像素點的亮度分量y和色度分量u、v相互獨立,。投射陰影區(qū)域在YUV色彩空間有如下特征[9]:
?。?)投射陰影區(qū)域中像素的亮度低于背景像素和物體區(qū)域像素的亮度。
?。?)投射陰影區(qū)域中像素的色度與背景像素色度相比幾乎相等,。
根據(jù)以上結論,確定陰影像素的算法如下:
針對每個候選區(qū)域的像素,,將符合如下式(1)條件的像素點判斷為陰影像素點,,其中yF和yB分別指前景和背景的y分量,vF和vB分別指前景和背景的v分量,,yMin,、yMax、vMin,、vMax分別指對應的上下限門限值,。
下文將對閾值估計給出詳細步驟。
3閾值分析
3.1陰影區(qū)域特征分析
為研究閾值與候選區(qū)域的統(tǒng)計關系,,選取如圖1所示
圖1輸入圖像及其預處理的前景圖像圖1(a)和背景圖像圖1(b),。先進行背景差分,獲得候選區(qū)域的前景圖像圖1(c)和背景圖像圖1(d),,對陰影進行手動劃分得到陰影區(qū)域的前景圖像圖1(e)和背景圖像圖1(f),。
將前景圖像(e)中每個像素點的亮度yF和色度vF,與背景圖像(f)中的亮度yB和色度vB進行差分,,得到差值Δy,、Δv。亮度差和色度差分布如圖2(a),,其中橫軸是Δy,,縱軸是Δv。忽略干擾噪點,對密集區(qū)域進行分析,,密集區(qū)域圖2(b)顯示像素點的亮度差Δv分布不均勻,,集中在若干個中值上,并且不同的中值對應色度差Δy分布范圍也不相同,。因此可以將陰影區(qū)域的Δy-Δv分布看作是若干個分布塊的集合,,如圖2(c)。
3.2根據(jù)候選區(qū)域確定閾值
本節(jié)將通過候選區(qū)域的統(tǒng)計特性估計出上文中每個分布塊的閾值,。
3.2.1確定色度差Δv的閾值
將候選區(qū)域前景圖像圖1(c)和背景圖像圖1(d)的色度分量v相差,,差值Δv進行排序,得到圖3(a),,圖3(b)標出了其中的平緩部分,。對比陰影區(qū)域分布圖2(c)和圖3(b),被標注的區(qū)域在縱軸上的范圍近似一致,,圖3(b)上的平緩部分表明在該范圍上有大量像素點Δv分布趨于一致,,符合陰影區(qū)域的特征。
3.2.2確定亮度差Δy的閾值
針對圖3(b)中每個平緩區(qū)域,,從候選區(qū)域中搜索對應像素點,,獲取每個像素點亮度差Δy,再進行排序,,圖4(a)是候選區(qū)域中符合條件Δv∈[4.731 7, 5.288 6]的像素點的Δy排序后的分布圖,,標出平緩區(qū)域如圖4(b),對比陰影區(qū)域分布圖2(c),,平緩區(qū)域的Δy區(qū)間與陰影像素圖4候選區(qū)域亮度差分布的區(qū)間相吻合,。
3.3驗證特征普遍性
為驗證以上特征的普遍性,使用另一組實驗圖像進行圖6自適應陰影消除算法流程圖閾值分析,,輸入圖像如圖5,圖5(a)是前景圖像,,圖5(b)是背景圖像,圖5(c)表示候選區(qū)域,,圖5(d)是陰影區(qū)域的Δy-Δv分布圖,。分析候選區(qū)域,結果如下:圖5(e)是候選區(qū)域Δv排序后的分布圖,,該分布圖平緩區(qū)域與圖5(d)中的密集區(qū)域非常吻合,。將候選區(qū)域中符合條件Δv∈[-0.325,0.430]的像素點的Δy值進行排序,得到圖5(f),,圖5(f)平緩區(qū)域的Δy范圍是[0,30.82],,也與陰影分布圖5(d)相吻合。
4自適應陰影消除算法
根據(jù)上節(jié)的分析結果,,設計算法如下:先獲得候選區(qū)域,,算法步驟見第1節(jié),然后將候選區(qū)域的前景圖像和背景圖像從RGB色彩空間轉換到YUV色彩空間,,再做背景差,,獲得亮度差矩陣ΔY和色度差矩陣ΔV。
陰影區(qū)域的色度差Δv一般在[0,10]范圍內,,?。?5,20]作為考察范圍,實際試驗中,,超出該范圍的陰影點很少,,可以忽略。對候選區(qū)域內所有屬于[-5,20]區(qū)間的色度差Δv排序,,搜索出其中變化較小的區(qū)域,,本文算法使用條件(2)進行判斷,Δv(i)是排序后第i個色度差Δv,,N是符合條件Δv∈[-5,20]的像素點個數(shù),,a和b是常數(shù),通過多次取值調試后確定a=0.001,,b=0.003 5,。
Δv(i)-Δv(i-a×N)<b×(Δv(N)-Δv(1))(2)
針對每一個Δv區(qū)間,從候選區(qū)域中搜索出符合條件的像素點,,再對這些像素點的亮度差Δy進行排序,,與獲取Δv區(qū)間類似,搜索出所有變化較小的區(qū)域,,每個Δv區(qū)間可能會對應多個Δy區(qū)間,。將所有搜索出的Δy-Δv區(qū)間作為估計門限。
依據(jù)上文得到的估計門限進行陰影檢測,,實現(xiàn)多閾值的陰影消除,。圖6為算法流程圖。
5實驗結果和分析
實驗用的部分數(shù)據(jù)來自圖像處理數(shù)據(jù)庫,,還有一部分是在實驗室中拍攝得到的,。算法是在微軟Windows平臺下,使用matlab編寫的,。以下圖7是使用本文算法的輸出結果,。
6結論
本文采用一種基于YUV顏色空間的自適應陰影消除算法,該算法對陰影的門限進行動態(tài)估計,。實驗結果表明,,該算法對不同光照情況下的圖像都能有效地檢測和消除陰影,具有良好的魯棒性,。
參考文獻
?。?] 劉國棟,范九倫.彩色視頻運動目標
自適應在線聚類提取算法[J].電子技術應用,2014,40(5):132135.
?。?] LEONE A, DISTANTE C. Shadow detection for moving objects based on texture analysis[J]. Pattern Recognit, 2007, 40, (4): 12221233.
[3] 朱敏琛,王偉智.融合線性特征的局部紋理運動車輛陰影檢測[J].微型機與應用,2013,32(14):4446,50.
?。?] NADIMI S, BHANU B. Physical models for moving shadow and object detection in video[J]. IEEE Trans. Pattern Anal. Mach. Intell, 2004, 26,(8): 10791087.
?。?] ZHANG W, FANG X Z, XU Y. Detection of moving cast shadows using image orthogonal transform[C]. In Proc. IEEE Int. Conf. Pattern Recognition, 2006:626629.
[6] CHEN C T, SU C Y, KAO W C. An enhanced segmentation on visionbased shadow removal for vehicle detection[J]. Int. Conf. Green Circuits and Systems, 2010: 679682. [7] 鄧亞麗,毋立芳,李云騰. 一種有效的圖像陰影自動去除算法[J]. 信號處理,, 2011(11): 17241728.
?。?] ENNEHAR B C, BRAHIM O, HICHAN T. An appropriate color space to improve human skin detection[J]. INFOCOMP Journal of Computer Science, 2011, 10(1): 1827.
[9] FUNG G S K, YUNG N H C, PANG G K H, et al. Towards detection of moving cast shadows for visual traffic surveillance[C]. Systems, Man, and Cybernetics, 2001 IEEE International Conference, 2001:25052510.