混合高斯模型中基于背景补偿的阴影抑制.pdfVIP

第３１卷　第７期 四 川 兵 工 学 报 ２０１０年７月  【自动化技术】  混合高斯模型中基于背景补偿的阴影抑制 贾河江，李一兵，候新彤 （哈尔滨工程大学 信息与通信工程学院，哈尔滨　１５０００１） 摘要：利用混合高斯模型检测出的运动区域特征值在ＨＳＶ颜色空间的特点，判决出疑似阴影区，然后对疑似阴影 区进行背景补偿去除运动阴影，并在目标的后处理中应用形态滤波和连通域检测进一步删除不符合要求的虚假 检测目标。实验表明：该方法可以有效地去除阴影，准确提取运动目标。 关键词：混合高斯模型；ＨＳＶ颜色空间；背景补偿；形态滤波；连通域检测 中图分类号：ＴＰ３９１．４１ 文献标识码：Ａ 文章编号：１００６－０７０７（２０１０）０７－０１１０－０２ 　　在运动目标检测中，混合高斯模型能够结合检测结果 为第ｉ个高斯模型概率密度函数。 对高斯分布的参数进行不断更新以适应背景的变化，该方 （Ｘ， ， ）＝ η μ ｉ ｔ ｉ，ｔ ∑ｉ，ｔ 法能很好地克服光照渐变、树叶摇晃、水面反射等现象，但 １ Ｔ －１ ｅｘｐ［－１／２（Ｘ － ） （Ｘ － ）］ 是无法去除运动阴影。运动阴影扭曲了目标的形状，易引 ｎ １／２ ｔ μｉ，ｔ ∑ｉ，ｔ ｔ μｉ，ｔ ２ （２） ｜ ｜ π ∑ｉ，ｔ 起目标合并，严重影响对目标的后续处理。文献［１］中利 用阴影使背景变暗的特性，设置判决门限检测阴影；文献 （２） ［２］中基于色彩不变特性，利用亮度信息和阴影边沿提取 　　一般认为图像的Ｒ，Ｇ，Ｂ三个颜色通道相互独立，并拥 有相同的方差，则协方差矩阵 ＝ Ｉ，这样相当于将每 ∑ σ 阴影区域；文献［３－４］中先利用色彩信息判断疑似阴影像 ｉ，ｔ ｉ，ｔ 素，再采用混合高斯模型对疑似阴影进行建模来抑制阴 个像素点简化为一维的高斯分布。对 Ｋ个高斯模型按 ω 影，该方法能有效地运用色彩信息抑制阴影且减少运动目 ｉ，ｔ ｗ ＝ 大小进行排序，则前Ｍ个模型认为是背景。 ｉ，ｔ σ 标的误判，但由于高斯阴影模型学习不充分，使得算法中 ｉ，ｔ