颜色分类识别阴影模型

《颜色分类识别阴影模型》由会员分享，可在线阅读，更多相关《颜色分类识别阴影模型（5页珍藏版）》请在金锄头文库上搜索。

1、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。1.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

2、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517）,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。

3、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。

4、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。2. 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。2.1不变的颜色模式利

5、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。2.2影子区域识别第一

6、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。S街9这克服两描述的方法的

7、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。2.3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阴影区域（自我阴影） 和阴影的区域背景（阴影）。利用光度颜色不变性这一步识别过程。在进行边缘检测的不变颜 色特征，一个边缘

8、地图”，它不含边缘得到对应于阴影边界，颜色较暗的区域边缘地图和地图 即可作为输入分类水平。过程中较暗的区域分类的相似，用于他们的检测。输入的彩色边缘 地图扫描在水平和垂直方向，找到的边缘外点地图。检测分外边缘点显示在对象上。在黑暗 的地区分面膜，检测边缘点，就在为自己的影子分。另一个分为投射阴影点。由于噪声在不变 的颜色特征，孤立的边缘点远外能被检测出目标轮廓。这将导致一些投射阴影的分类作为自 己的影子。最后一个形态学处理铸造和自我阴影掩码是为了降低错误分类，提高改进方法的 性能。另一个约束是由于不稳的颜色特征为低的数值不变的饱和和强度。因为这个原因，为 正确彩色边缘检测、饱和度和强度值必须大

9、于5%的总范围4,6。提出的方块图识别方法的阴影中所示图2。详细方法如下：1. 图像的亮度，这是敏感的阴影，颜色组成的不变色彩模型，通过一个颜色空间步骤转换。2. 边缘检测在图像的亮度中进行。3. 地图作为取得的优势，结合亮度图像，提取输入地区方案的场景，使他们是更深的环境。黑 暗阴影区域是候选人区域。4. 边光度计的不变颜色空间来获得物体轮廓和折扣找到影子轮廓。5. 黑暗的区域没有包含在物体的轮廓分为投射阴影区域而黑暗的区域内轮廓检测对象为 自我阴影区域。3. 实验结果：阴影部分结果鉴定和分类算法提出呈现在这一章节。测试装置是由彩色照片评论在假设2. 这些形象的选择提出了以下（图3（A）。一

10、个单独的对象，它的影子是铸造中所描绘的第一（橙 色）和在第二（苹果）之中。一个更复杂的场景是显示在第三排（Kolla）。有两个对象和对象之间 的阻塞和阴影的存在。左边的物体违反物体颜色在场景里面的假设，这允许我们来测试方法 的可靠性不同的假说。边缘检测步骤讨论在上一节中需要一个阈值的设置为了获得一个二进制通配符的边缘检测 的过程。选用不同的值测试图象被发表在表1。颜色值均高于边缘检测算法对边缘亮度检测。 在第一例中，由于噪声，远外的对象轮廓，边缘检测器灵敏度要求降低检测边缘点数量。在第 二种情况下，更高的灵敏度可以获得一个地图上的什么位置形成尽可能多的边缘封闭轮廓。 橘子和苹果，面具(b)和(

11、c)表明自己的影子投阴影和检出正确的算法。Kolla的情况下，该算法已 经应用于两个部分,包含两个物体的图像。最后阴影集中到自己的影子区域。对于这个例子， 该算法是一个极端的假设。结果表明，该对象收到了错误分配点和影子自己本身的影响，正确的对象是非常黑暗和两种 类型的问题，这意味着当添加阴影识别算法。首先，较暗的区域提取步骤将对象作为一个潜在的影子，因为它是最黑暗的地区之一的形象。 因为这部分是黑暗的，黑暗的对象结果呈现在自我阴影中。第二,色彩的表现边缘检测算法的cl，c2, c3不满意的暗物体和最黑暗的地方，因为不稳的 颜色特征值为低饱和度和强度，作为讨论。因为这个原因，一些阴影被错误分类,

12、但是接近对象 边界。4.总结:一种全新的方法来鉴别和分类彩色图像中的阴影已经展现。两个亮度和颜色信息用于阴影识 别，利用亮度信息、地区更深的环境中阴影作为候选区域。地区包括自我阴影对象和投射阴 影的背景。彩色边缘检测在颜色不变模型中是用来获取物体边缘阴影边缘的。影子点数在物 体边缘检测范围之内作为阴影候选区域，否则他们都被冠以投射阴影点。比其他方法相比较， 该方法在更少的环境约束条件下，成功的对阴影进行检测和分级。未来的工作将集中在定义一个策略来描述物体的颜色体现效应下的自我的影子。此外，使质 量改进的轮廓提取技术将会被继续研究。这将提高分类的准确性,减少错误分类像素的数量。 最后，这项工作将被延伸来适用于视频序列，在这种情况下，附加的信息将被开发。