阴影检测

摘要： 阴影的存在会对图像中特征提取、目标识别等产生很多消极的影响。由于图像中光照度、色度、图像质量等各种复杂因素的影响,单幅图像的阴影处理存在一定的局限性。为了更有针对性地对图像中阴影进行处理,文中提出一种基于用户辅助的区域生长的阴影检测并结合局部直方图均衡化的图像增强算法。首先,通过用户参与的方式更好地利用主观视觉,并在此基础上对阴影进行检测;然后,通过用户选取建模区域对图像中阴影区域进行提取,再采用局部直方图均衡化的方法对提取出的阴影区域像素进行处理;最后,对实际生活中的图像进行仿真。实验结果表明,文中方法可有效提升阴影区域的亮度及纹理细节等,从而能够提高图像的质量、品质以及目标事物的可识别性,增强图像的视觉效果。

摘要： 针对单幅复杂环境图像阴影检测问题,提出一种基于多尺度超像素融合的自动阴影检测快速算法.首先利用深度图像计算各点的法向量及空间坐标,同时利用简单线性迭代聚类算法对彩色图像进行多个尺度的超像素分割;然后使用阴影置信度算法结合图像的色度、法线和空间位置信息分别估计各尺度下的超像素阴影置信度;最后采用Adaboost训练的分类器对各尺度下的超像素阴影置信度进行融合,得到最终的判决结果.实验结果表明,该算法的准确度明显高于原阴影置信度算法,运行时间约为原阴影置信度算法的10%,对于小块阴影、大面积阴影及边缘不清晰的软阴影检测表现较突出,适合对光线复杂环境下的图像进行前期预处理.

摘要： 在视频监控场景中,由于光照影响会形成明暗交替的动态阴影区域,而现有的目标检测方法在进行前景目标提取时对动态阴影具有较差的鲁棒性,从而在有阴影的环境中进行检测会出现对感兴趣目标提取结果不正确或不完全的现象,为克服这一问题,设计了一种基于HSV空间模型的阴影去除算法。在现有基于HSV空间模型的阴影消除方法中添加了GMM模型的判决函数,首先进行含阴影的前景目标与背景分离,直接对前景目标进行HSV颜色空间的阴影去除,该方法可以有效降低非感兴趣区域(静态背景区域)的像素点对阴影检测效率的影响。实验证明,改进后的方法在处理动态目标阴影时具有较好的鲁棒性,并且可以提取更为完整的目标区域。

摘要： 针对目前移动视点下视频阴影检测算法存在的误检测率高和边缘连续性差的问题,提出了一种基于边跟踪、边检测框架的实时阴影检测算法。首先对前后2帧重叠的阴影部分进行2次光流跟踪,并筛选掉前后向跟踪误差较大的点,通过Canny边缘置信保证跟踪边缘的准确性;然后通过基于光流的区域划分法得到待检测的新增区域;其次,针对纹理边缘误检测、软阴影检测和暗黑区域误检测等问题构建了七维特征向量,且通过提取阴影边缘特征向量训练支持向量机(SVM)分类器,以检测新增区域中的阴影;最后对于检测结果中存在的断边,提出一种基于RGB颜色空间梯度方向一致性算法对断边进行优化连接。实验结果表明与最新的研究成果相比该算法综合性能最高,在检测准确性和边缘连续性方面优于现有方法。

摘要： 视频合成孔径雷达(SAR)具有高帧率成像能力,可作为地面运动目标探测的重要技术手段。经典SAR地面动目标显示(SAR-GMTI)依靠目标回波能量来实现动目标检测,同时动目标阴影亦可作为视频SAR动目标检测的重要途径。然而,由于动目标能量和阴影的畸变或涂抹,依靠单一方式难以实现稳健的动目标检测。该文基于目标能量和阴影的双域联合检测思想,分别通过快速区域卷积神经网络和航迹关联两种技术途径实现了视频SAR动目标联合检测,给出了机载实测数据处理结果,并进行了详细分析。该文方法充分利用目标阴影与能量的特征及空时信息,提升了机动目标检测的稳健性。

摘要： 在计算机视觉任务中,设计与改进阴影检测算法具有极高的研究价值。注意力机制在阴影检测任务中可以显著提升关键特征的提取能力,降低不同语义信息间的关联性,使得阴影的捕获更加高效准确。通过研究阴影信息,使用预训练的残差网络,结合并行连接与密集连接卷积神经网络的设计思路,搭建融合注意力模块的全新网络APR。在SBU和UCF阴影数据集上使用SER、NER和BER作为评价指标进行实验,结果证明,该网络算法具备高效的阴影检测能力与一定的应用前景。

摘要： 随着无人飞行器的迅猛发展,根据顶视状态下的行人动态阴影生物特征进行人物验证和行为识别成为一个重要的发展方向,而从低空无人飞行器平台获取行人动态阴影生物特征成为一个更具有挑战性的研究热点。现有的阴影提取方法大多基于固定摄像头,并不适用于运动平台。联合机器学习和图切割理论,提出了一种新的针对低空无人飞行器平台的动态人影检测方法。根据像素特征和区域特征构建协同训练的两个独立视图,以SVM为分类器,采用机器学习的方法对阴影生物特征进行半自动提取,根据上述运动结果构建最小能量方程的数据项,根据图像的梯度特征构建能量方程的约束项,运用图切割理论对上述提取结果进行优化。实验结果表明,所提出的方法比单纯的协同训练方法具有更好的效果,可进一步优化低空无人飞行器平台下所获取的阴影生物特征质量。

摘要： 针对在光照变化、人影干扰等特殊场景下人体灰度与环境背景灰度相近时,难以将人体与背景分割开来这一问题,提出了一种基于HSV与RGB颜色空间的人体检测与跟踪算法。首先,在RGB颜色空间构建高斯背景更新模型;然后,使用背景减除法计算待检测图像与背景图像R、G、B分量的欧氏距离检测出人体目标,根据检测结果实时更新背景模型;最后,根据阴影在HSV空间下的特点对阴影进行检测与去除,计算目标区域颜色直方图的相关性对目标进行跟踪。实验结果表明,在复杂场景下此方法能够有效的消除因光照和人体形变等因素造成的干扰,准确实现人体检测和跟踪,算法具有较好的鲁棒性。

摘要： 视频合成孔径雷达(VideoSAR)可获取观测场景高帧率图像序列,利用车辆等地面运动目标在图像序列中形成的阴影能够实现动目标状态感知,该方法具有定位精度高、检测概率高、无最小可检测速度限制等优点。针对视频SAR动目标阴影变化剧烈、信杂噪比低、多普勒模糊干扰等特有的图像特征,该文充分利用帧图像空间域和时间域信息,研究了视频SAR数据预处理、动目标阴影检测和视频SAR多目标跟踪方法。实测数据全流程处理结果验证了该文方法的有效性。

摘要： 自然场景图像中的阴影是直接或间接承接场景信息的载体,可以有效反映场景的环境信息,因此,阴影检测是图像处理领域中的一项重要研究任务。针对阴影检测任务存在的漏检、误检等问题,提出了一种应用于阴影检测任务的网络。引入多任务特征学习机制,利用阴影的边缘和数量信息分别实现特征学习的细节和全局约束,有效地定位阴影区域。此外还利用注意力机制增强特征信息,结合反馈机制通过迭代反馈的方式增强模型对阴影区域特征的学习,提高了模型性能,使模型能够准确区分阴影区域和非阴影区域。实验结果表明,该网络模型与其他经典方法相比在SBU数据集和ISTD数据集上取得了最低的平衡错误率指标,可以更加准确地检测单幅图像中存在的阴影区域且边缘划分准确,检测结果令人满意。

摘要： 为了准确检测高空间分辨率遥感影像中的阴影,提高影像目标识别和信息提取的精度,提出了基于光谱特征的空间高分辨率遥感影像阴影检测技术.根据阴影区蓝、红波段辐射亮度下降幅度的差异,构建了归一化蓝红波段指数,并利用归一化植被指数区分植被与阴影;最后构建了单一的阴影强度指数,通过对阴影强度指数进行直方图阈值分割,提取遥感影像中的阴影.利用该方法在分辨率为2 rn的Worldview-2多光谱影像上进行了阴影提取实验,结果表明:该方法的阴影检测精度均在85％以上.研究表明该方法阴影检测效果较好,且计算简单,易于实现.

摘要： 阴影是遥感影像的重要特征之一,阴影给遥感影像的处理与应用带来一定困难,研究高分辨率遥感影像的阴影检测方法具有重要意义.本文提出了一种基于高分辨率遥感多光谱影像的阴影检测方法,首选基于归一化RGB色彩模型对红色、绿色和蓝色波段进行归一化处理,然后分别计算归一化蓝红波段指数和归一化植被指数,从而计算得到阴影强度,最后对阴影强度进行二值化分割,从而提取遥感影像中的阴影.利用该方法在Worldview-2影像上进行阴影检测实验,结果表明该方法能较好地检测出遥感影像中的阴影,且计算简单,易于实现.

摘要： 为实现运动摄像机下运动车辆的阴影检测,研究了一种基于单幅图像的阴影检测算法,该算法无需计算运动区域的背景图像.首先根据运动区域内像素颜色向量与灰色向量之间的角度度量,将运动区域灰度化;其次依据车辆与路面阴影的颜色特征差异,对灰度图中的车辆部分进行约束;最后利用二值化和数学形态学方法分割出运动车辆的阴影区域.通过对不同光照下的实际路面交通图像的阴影检测,其实验结果表明该算法是有效可行的.

摘要： 智能交通系统中,在提取前景目标车辆时,常会将运动阴影错认为目标前景.如何准确地检测和去除阴影,从而提取运动目标前景是完成后续目标跟踪、行为分析的关键.本文提出了一种基于Contourlet纹理表示和HSL颜色模型的阴影检测方法,从图像纹理和颜色的角度描述运动车辆前景区域,得到目标前景的纹理-颜色特征表示,并提取相对应的背景区域的特征向量表示,通过特征相似性度量,完成阴影检测与去除.实验结果表明,与传统的单一使用颜色模型或者纹理属性的阴影检测方法相比,本文方法有较好的检测和识别效果.

摘要： 本文介绍了基于多波段遥感影像的阴影检测和去除方法,并选取南京市区多光谱IKONOS影像进行方法与模型的验证,结果表明:影像数据无信息丢失,阴影区域增强,信息完全真实于原数据,基于多波段遥感影像的阴影检测方法简便、可行.

摘要： 本文分析了阴影区域与它周围区域之间的关系,建立了邻域光谱模型,提出了一种基于邻域光谱模型的阴影检测算法.该算法先将图像用基于梯度的分水岭分割方法分割成若干区域,并求出所有分割区域内像素的均值,在此基础上,再用ostu方法对分割图像进行阈值分割,然后基于邻域光谱模型,对分割出来的各个区域逐个进行判断,满足条件的即为阴影区域.该算法不仅利用了阴影本身低亮度等特征,同时利用了阴影与邻域之间的关系信息.实验结果显示,该算法可以有效的在遥感图像中检测出阴影区域.

摘要： 分析了真正射影像对比传统正射影像的优势,着重简述了利用高精度的数字表面模型制作真正射影像的一般过程,并在遮挡检测、区域补偿、阴影检测、信息增强等环节介绍了常用的方法,并提出了真正射影像的应用潜力.

摘要： 当前很多视频对象分割方法都利用了多种特征进行前景提取,但是这些特征都是通过简单加权融合到一起的.本文通过主成分分析法比较准确的衡量了各特征在前景检测中所占的权重,使其有效的指导前景分割.同时通过对各特征建立相应的高斯模型,有效的提高了前景分割的质量,最后再通过基于颜色不变量的阴影检测算法得到了比较准确的结果.实验中采用了颜色和局部二值模式四种特征,结果表明,无论是对于静态场景还是动态场景,该算法都具有良好的分割效果.

摘要： 视频合成孔径雷达具有成像帧率高、分辨率高、实时跟踪能力强等优点,能够对特定区域进行连续监视.但目前技术下视频SAR图像的成像质量并不高,机载视频SAR图像通常是单通道灰度图像,且存在大量的相干斑噪声.同时,机载拍摄的地面运动目标属于微小目标,目标的运动也会造成能量散焦.通过分析视频SAR图像的特点,发现检测目标的阴影比传统基于运动目标多普勒变化的检测方法更适合于视频SAR系统运动目标检测.提出了一种基于阴影的视频SAR运动目标检测的完整流程,并通过实验验证了该方案对视频SAR运动目标检测的可行性.

摘要： 视频合成孔径雷达具有成像帧率高、分辨率高、实时跟踪能力强等优点,能够对特定区域进行连续监视.但目前技术下视频SAR图像的成像质量并不高,机载视频SAR图像通常是单通道灰度图像,且存在大量的相干斑噪声.同时,机载拍摄的地面运动目标属于微小目标,目标的运动也会造成能量散焦.通过分析视频SAR图像的特点,发现检测目标的阴影比传统基于运动目标多普勒变化的检测方法更适合于视频SAR系统运动目标检测.提出了一种基于阴影的视频SAR运动目标检测的完整流程,并通过实验验证了该方案对视频SAR运动目标检测的可行性.

摘要： 本发明的异常阴影候选检测方法在抑制异常阴影候选检测时的伪阳性数而提高检测精度的同时，缩短异常阴影候选检测时的处理时间。根据本发明的图像处理装置，缩小原图像的图像数据(D)而生成图像数据(D1)，对图像数据(D1)实施第一平滑化过滤而生成对微小的低浓度区域进行了平滑化后的图像数据(D2)，对图像数据(D2)实施第二平滑化过滤而生成具有与应该检测出的异常阴影候选区域同等程度的大小的对低浓度区域进行了平滑化后的图像数据(D3)，通过取得图像数据(D3)与图像数据(D2)的同一像素位置的像素值的差分而生成差分图像数据(D4)，通过对该图像数据(D4)进行阈值处理而抽出具有检测对象的大小的低浓度区域的图像数据(D5)。然后，对用图像数据(D5)抽出的区域进行异常阴影候选的检测。

摘要： 本发明的目的在于提高异常阴影候补的检测处理时的处理效率以及检测精度。在图像处理装置(2)中，其特征在于：在将所输入的乳房图像进行缩小后得到的图像上使用第1以及第2平滑化滤波器分别实施平滑化处理，抽取异常阴影候补的检测对象区域。其后，在该抽取区域上使用曲率滤波器进行异常阴影候补的检测处理，检测异常阴影的候补区域，显示其检测结果。

摘要： 本发明的异常阴影候选检测方法在抑制异常阴影候选检测时的伪阳性数而提高检测精度的同时，缩短异常阴影候选检测时的处理时间。根据本发明的图像处理装置，缩小原图像的图像数据(D)而生成图像数据(D1)，对图像数据(D1)实施第一平滑化过滤而生成对微小的低浓度区域进行了平滑化后的图像数据(D2)，对图像数据(D2)实施第二平滑化过滤而生成具有与应该检测出的异常阴影候选区域同等程度的大小的对低浓度区域进行了平滑化后的图像数据(D3)，通过取得图像数据(D3)与图像数据(D2)的同一像素位置的像素值的差分而生成差分图像数据(D4)，通过对该图像数据(D4)进行阈值处理而抽出具有检测对象的大小的低浓度区域的图像数据(D5)。然后，对用图像数据(D5)抽出的区域进行异常阴影候选的检测。

摘要： 本发明公开一种人工阴影驱动下多层次整体松弛匹配的高分辨率正射影像阴影检测方法。首先，利用边缘提取算法获取正射影像和人工阴影影像中单栋建筑阴影轮廓，并建立阴影数据集；然后，根据建筑高度对两组数据集进行分层，对阴影数据集进行多层次并行面特征整体松弛匹配，得到初始匹配结果；最后，对未匹配集合中的建筑物阴影进行面特征整体匹配得到最后的匹配结果，从而完成高分辨率的正射影像的阴影检测。利用本发明在人工阴影的基础上对建筑物阴影检测，可以更直接的确定建筑阴影的位置，更准确的获取建筑物阴影的边界。

摘要： 本发明揭示一种监控视频图像的阴影检测方法及其系统、阴影去除方法。所述监控视频图像的阴影检测方法包括如下步骤：从源数据中获取当前帧和背景帧；由当前帧中获取第一候选阴影区域；计算所有第一候选阴影区域的局部三元模式的阴影检测值，选取第二候选阴影区域；计算各个第二候选阴影区域的色调及饱和度检测值和梯度检测值；估算局部三元模式的阴影阈值、色调及饱和度阈值和梯度阈值；计算各个第一候选阴影区域的局部三元模式的阴影检测值、色调及饱和度检测值和梯度检测值；选取局部三元模式的阴影检测值、色调及饱和度检测值和梯度检测值均在阈值范围内的第一候选阴影区域作为阴影区域。

摘要： 本发明涉及一种阴影图像分类辅助的域适应阴影检测方法，属于图像处理领域，包括以下步骤：S1：在阴影检测模型中加入梯度反转层和域分类器，得到域适应阴影检测网络；S2：在域适应阴影检测网络中加入阴影图像分类任务，对阴影图像进行分类；S3：设计训练策略，使用源数据集和目标数据集对所述域适应阴影检测网络进行训练；S4：将阴影图像输入训练好的域适应阴影检测网络，得到阴影掩膜的预测结果。本发明对数据集之间存在的域偏移问题，利用深度神经网络，通过加入梯度反转层和阴影图像分类任务，对域无关的特征进行学习，从而提高模型在目标数据集上的阴影检测准确率。

摘要： 本发明公开了一种基于关注阴影边界和特征校正的阴影检测方法及设备，属于深度学习与图像阴影检测技术领域。包括：获取数据集，将所述数据集划分为训练集和测试集；构建阴影检测神经网络模型，输入训练集对阴影检测神经网络模型进行训练，并输出训练好的阴影检测神经网络模型；将测试集输入到训练好的阴影检测神经网络模型中，输出阴影预测结果，通过阴影检测神经网络模型中设置的特征校正模块感知和学习阴影区域存在的漏检测特征和误检测特征特征，大幅度降低了阴影误检测和漏检测现象的发生，进一步的提升了阴影检测性能。

摘要： 本发明请求保护一种数据集扩充和阴影图像分类辅助的阴影检测方法，属于图像处理领域。本发明包括以下步骤：1、基于生成对抗网络，设计ShadowGAN网络结构，用于生成阴影图像，并使用生成的阴影图像扩充原有的数据集；2、在现有的阴影检测网络模型中加入阴影分类模块；3、结合步骤1和步骤2，进一步提升检测的准确率。本发明提出一种针对阴影检测的数据集扩充方法和阴影图像分类辅助的阴影检测网络模型。本发明对自然环境中得到的阴影图像，利用深度神经网络，通过设计生成对抗网络的网络结构以扩充数据集，以及阴影图像分类辅助的阴影检测模型的网络结构，对阴影图像中的阴影区域进行更加准确的识别。

摘要： 本发明公开一种人工阴影驱动下多层次整体松弛匹配的高分辨率正射影像阴影检测方法。首先，利用边缘提取算法获取正射影像和人工阴影影像中单栋建筑阴影轮廓，并建立阴影数据集；然后，根据建筑高度对两组数据集进行分层，对阴影数据集进行多层次并行面特征整体松弛匹配，得到初始匹配结果；最后，对未匹配集合中的建筑物阴影进行面特征整体匹配得到最后的匹配结果，从而完成高分辨率的正射影像的阴影检测。利用本发明在人工阴影的基础上对建筑物阴影检测，可以更直接的确定建筑阴影的位置，更准确的获取建筑物阴影的边界。

摘要： 本发明提供了一种基于阴影区域颜色饱和度性质的阴影检测方法，包括以下步骤：S1、根据原图像I亮度均值是否大于所定阈值，如果不小于则将原图像I由RGB空间转换到HSV空间，再获取图像的饱和度分量S，如果小于需将原图像进行加亮处理；S2、根据阴影区域的饱和度偏高的特点对图像饱和度分量S进行非线性变换，并对得到的饱和度分量图进行中值滤波处理来降低噪声所带来的影响，得到处理后的模板M，S3、根据阈值进行阴影检测：S4、对S3中所得到的阴影区域进行形态学操作，通过形态学操作来完善处理结果，完成检测过程，解决了现有的图像处理时检测到的阴影区域不完整，易受到图像拍摄场景的限制，检测的准确性较差的问题。