颜色分类识别阴影模型.docxVIP

颜色分类识别阴影模型摘要：一种新的方法阐述阴影检测。该方法是基于使用不变的颜色模式识别来分类数字图像中的阴影。本程序分为两个层次:第一,暗影候选区域,提取;然后,利用不变颜色特征,暗影候选区域被归类为自我阴影像素点或投阴影像素点。使用颜色特征不变特征，用一种低复杂度的分类方式。实验结果表明:该方法成功地检测假设环境约束中分级的阴影,比最先进的方法较少限制对光照条件和场景的布局。介绍：如图像数据库应用和卫星成像可以要求通过分割识别对象。通过物体表面有关的形状和颜色的信息然后进行采集。这些信息将会被扭曲，如噪声，采集原因或者自然原因,如阴影。从源的直射光照明通向物体对象被阻碍的话，阴影将会部分或者完全发生。阴影可以分为2类：投影和自我阴影。投射投影是因为光源正对着投射物体，自我阴影不是因为直射光。投影的存在可以更改在一幅图象中感知物体形状,而自我阴影的存在修改感知物体形状和颜色。为了提供一个正确的描述对象,阴影应该被识别和分类。相对有限的工作,可以发现,在阴影检测领域文现。遵循两种不同的方法,第一基于模型, 第二基于阴影属性。在第一种方法中：模型是用来代表一个先验知识场景的三维几何,物体,照明[1、5、7]。约束的环境中,如交通场景或建筑[5][1—7),而考虑的方向灯是假定被人知道的。基于这些几何方法有两个主要缺陷：简单的直线模型只可以用于简单的物体但是不适于复杂的场景。此外,照明的先验知识和场景的三维几何并不总是可用的。这些方法有这样一个有限的应用范围。第二种方法是更一般的,并指出利用他们的几何、亮度和颜色性质指出阴影。影子鉴定和分类算法,提出了灰度图像。该方法在阴影强度和几何对象和一个环境简单单一区域光源的基础上进行分析,”。只有简单的场景,无遮挡物体之间和阴影,也会被考虑到。阴影的分类是基于假定像素强度值以自我阴影区域是比那些在相应的投射阴影区域。这意味着该方法的局限性,因为它会使收到来自另一个物体反射光投射阴影背景变深。这使得自我投射阴影的影子更光明。一个系统,结合颜色信息和几何信息识别描述阴影在[2]。它发现投下的阴影,而不考虑自己的阴影。该方法适用于更复杂的场景分析比较。另一方面,它呈现了一个很强的限制,让它无法使用在很多应用上。一个活跃的观察者允许谁投自己的影子，从这个阴影的方向计算光源进行了实证分析。利用这些信息,阴影被确认在阴影区域提取的。提出方法：该算法的目标是在彩色图像中提取和分类影子。该方法工程在以下假说场景和照明条件下实现。一个简单的环境是假定阴影投射在一个扁平的,或近持平,光滑表面(如[8])。对象是一致的颜色。只有一个光源照亮场景,和阴影和物体在影像。光源必须是强大的,因此阴影很清晰可见。假设没有其他限制的照明,对象之间的阻塞和阴影没有考虑。该方法允许考虑更复杂的场景就在[8]。不变的颜色模式利用变性阴影检测性能的一些颜色变换来检测颜色信息，这些变换(光度颜色不变量)是函数描述每一个图像的颜色配置点体现的阴影,阴影和高光。他们是不变的改变成像条件,如观察方向,物体的表面定位和照明条件。在传统的颜色特征，规范的rgb，hue(H)，饱和度(S)不变特征阴影和着色。除了这些著名的色彩空间、新的不变的颜色模式，新的颜色模型C1,C2,C3和L1,L2,L3在图3.我们评价了所有的不变特征的行为在以上所提到的：rgb，h，C1,C2,C3和L1,L2,L3对颜色模型分析。clczc3颜色的不变特征定义如下:R,G,B代表红、绿、蓝三种颜色组成的每一个像素的图像。影子区域识别第一步包括识别开发的亮度特性的阴影。从光线的光源获得阴影。因此,在阴影区域的亮度值小于那些在周围的环境照亮区域。提取方案,作为一个潜在的阴影,区域提出了更深的环境。我们有修改这个方法为了把它应用到一个部分的形象。这部分是一个边缘个性化地图。地图是得到边缘应用索伯运营商亮度成分输入图像。水平和垂直扫描地图边缘,为了找到外边缘点的地图。在检测强度点作为参考来确定内部像素的边缘,因此地图上有深色候选人必须阴影点。因为亮度是一个颜色特征,对阴影和遮蔽,这张地图含有对象和阴影的边缘。利用此地图边缘提取工艺较暗的区域,我们把图像的一部分被对象及其铸件影子当作搜索影子候选区域。这克服两描述的方法的局限性，假设强度的图像边缘和设置为较暗的区域是一个参数识别。首先,该方案提出了即使在持有强度图像边界低于阴影,例如在一个集中的情况下的光源。然后,利用边缘需要的地图避免参数测定黑像素。可能不能组成封闭的边缘轮廓图,有些阴影点可能是不被分类的。为了克服这一问题,提高其性能的检测算法,应用形态学处理像素的亮度边缘的地图。这一处理过程允许关闭的变换检测边缘地图,并获得较好性能较暗的区域提取的模块。阴影分类一旦较暗的区域从图像中提取出来的,颜色信息可以用来分类的物体上