基于YCbCr 颜色空间和局部纹理加权的阴影去除方法.docVIP

基于YCbCr 颜色空间和局部纹理加权的阴影去除方法 　　摘要：为解决传统智能交通系统中由于阴影检测算法的精确性导致错误提取交通参数的问题，提出一种基于YCbCr颜色空间和局部傅里叶变换的阴影检测方法，通过分析阴影区域和背景区域在YCbCr颜色空间的不同特性后，综合考虑YCbCr颜色空间的亮度和色度信息确定候选阴影区域，利用局部傅里叶变换系数各偶数阶矩的纹理差异及加权交叉熵作为纹理相似度的度量方法获得阴影区域和背景区域的优化分割。实验表明，该方法阴影检测的有效率在85.3%以上，并且能很好的满足实时场景要求，为后续交通参数的提取等工作奠定了良好的基础。 　　关键词：背景差分；颜色空间特性； 交叉熵； 局部傅里叶变换 　　中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2013）32-7349-05 　　运动目标的检测是智能交通系统研究中的一个主要内容，它是运动目标跟踪、识别以及交通参数提取的前提和基础，精确的目标检测有利于更好的开发智能交通系统。在运动目标的检测方法中，阴影常伴随运动目标同时被检测出来，由此会产生一系列的问题，例如运动目标合并和运动目标的不完全检测，相邻的目标也可能因为阴影导致漏检，这些问题会影响后续车辆的跟踪和识别。 　　目前基于视频的运动目标的阴影检测法的研究大致分为两类：其中一类是基于阴影属性的[1-4]，另外一类是基于阴影模型的[5-6]。其中基于阴影属性的检测方法使用光照强度、颜色、纹理、特征点等特征及特征组合来检测阴影，基于模型的方法需要复杂场景、运动目标及光照的先验知识等来建立模型，运算时间复杂度大，基于模型的方法比较适合单一场景下的单一目标的阴影检测。通过比较发现基于属性的阴影检测方法是最稳定的算法。 　　Cucchiara等人[2-3]使用HSV颜色空间来检测及消除阴影，该算法时间复杂度较小，但对于深色运动目标阴影去除效果较差。Kumar等人[3]在多个颜色空间中比较检测结果，实验效果表明YCrCb颜色空间是最有效地去除阴影的颜色空间，但是存在过去除现象。Leone等人[4]提出基于纹理的阴影消除方法，该算法提取阴影的纹理特征，并结合阴影的光度特性去除阴影，该算法能有效的去除阴影但其运算量比较大。为解决深颜色车辆的阴影去除并降低运算量，该文提出了基于YCrCb颜色空间和局部纹理差异的阴影检测方法，通过分析阴影区域和背景区域在YCbCr颜色空间的不同特性后，综合考虑YCbCr颜色空间的亮度和色度信息来确定候选阴影区域，然后进一步的利用局部傅里叶变换系数各阶矩的纹理差异及加权交叉熵作为纹理相似度的度量方法获得阴影区域和背景区域的优化分割。同时，基于三星SDZ―310P 30X 光学变焦镜头、MV-88000 采集卡建立室内实验环境，并在VC++6.0 开发环境中进行监控软件的开发与算法实验。 　　1 阴影检测与去除 　　本文通过分析阴影区域和背景区域在YCbCr颜色空间的不同特性后，综合考虑YCbCr颜色空间的亮度和色度信息来确定候选阴影区域，然后进一步的利用局部傅里叶变换系数各阶矩的纹理差异及加权交叉熵作为纹理相似度的度量方法获得阴影区域和背景区域的优化分割。 　　1.1 确定候选阴影区域 　　阴影区域是运动目标在原始背景区域上投射的影子，其只使整体亮度有所下降，并不改变原始背景区域的色调和纹理分布。目前的视频采集设备所采集的图像大多数都是基于RGB颜色空间的，但该空间各分量间相关性高、计算量大、冗余信息多。考虑到YCbCr颜色空间到RGB颜色空间的转换是线性的，且YCbCr颜色空间中亮度分量Y和色度分量Cb，Cr是相互独立的，该文选择在YCbCr颜色空间上结合形态学来获得候选阴影区域。 　　文献[7]只考虑单个像素点的方法会造成一定程度的漏检和错检，本文从邻域思想出发，并通过直方图确定自适应阈值。 　　实现步骤为： 　　1）计算像素点与其8-邻域内像素点Y分量的平均值[IYk（x，y）]，有： 　　[IYk（x，y）=（IYk（x，y）+IYk（x-1，y+1）+IYk（x，y+1）+IYk（x+1，y+1）+IYk（x-1，y）+IYk（x+1，y）+IYk（x-1，y-1）+IYk（x，y-1）+IYk（x+1，y-1））/9 ] （1） 　　[ICbk（x，y）]，[ICrk（x，y）]，[BYk（x，y）]，[BCbk（x，y）]，[BCrk（x，y）]的求法类似公式（1） 　　2）根据阴影在YCbCr空间的颜色特性，其只使整体亮度有所下降，并不改变原始背景区域的色调，因此当像素满足公式（2）时则为阴影像素。 　　[IYk（x，y）-BYk（x，y）≤TYICbk（x，y）-BCbk（x，y）≤TCbICrk（x，y）-BC