一种基于内容感知信息的图像阴影消除方法与流程

本发明属于图像处理领域，具体为一种基于内容感知信息的图像阴影消除方法。

背景技术：

现有生活中，着计算机视觉技术、电子技术、通信技术的发展，智能视频监控系统作为一种重要的安全防卫手段在各种场合得到了广泛的应用。运动目标检测是智能视频监控系统中视频图像处理的第一步，运动目标的快速正确检测为目标分割、目标跟踪以及分类和识别等后期处理提供良好条件，然而视频图像受光照因素的影响比较大，不同强度、不同角度的光源照射在半透明或不透明物体上时，就会产生阴影。由于阴影与物体本身的运动特性相同，所以阴影会被错误地检测为运动物体的一部分，运动目标检测过程中阴影的存在会导致目标检测的精确度降低、目标的真实轮廓发生扭曲、多目标之间出现粘连、目标计数出错等问题，给后期处理造成很严重的问题，因此，阴影检测与去除是智能视频监控系统中亟待解决的关键性问题，传统图像阴影消除方法运算量大，阈值不易设定，难以满足现代生活生产的需求。

因此如何提供一种的基于内容感知信息的图像阴影消除方法是本领域技术人员亟待解决的问题。

技术实现要素：
：

本发明的目的就在于为了解决上述问题而提供一种基于内容感知信息的图像阴影消除方法，解决了背景技术中提到的问题。

为了解决上述问题，本发明提供了一种技术方案：

一种基于内容感知信息的图像阴影消除方法，包括以下步骤：

s1、首先创建虚拟场景和真实场景的阴影图像数据集，并输入阴影图像数据；

s2、然后提取像素点的亮度分量，并根据目标阴影与背景像素亮度的差别赋予亮度分量当的权重；再提取像素点的色度和浓度分量，根据目标阴影与背景像素的色度和浓度分量相同或稍有差别的特性检测出阴影；

s3、然后将输入yuv格式的视频图像帧，根据yuv空间上的像素计算模型，利用公式计算出运动目标相对于背景的失真系数θ；

s4、如果θ大于给定阈值tθ，则判定其为实际目标部分并输出；否则判定该部分属于阴影区域并去除。

作为优选，在创建虚拟场景和真实场景的阴影图像数据集的同时建立对应的虚拟场景和真实场景的无阴影图像数据集。

作为优选，设图像中目标像素点f的yuv值为向量ef(efx，efy，efz)，阴影像素点i的yuv值为向量ei(eix，eiy，eiz)，图像中背景像素点b的yuv值为向量eb(ebx，eby，ebz)，在yuv空间中的表示如图1所示。这三个向量分别描述了图像背景、图像目标和图像目标阴影在亮度、色度和浓度三方面的信息，在图1中，γ为向量eb和ef的夹角，β为向量eb和ei的夹角，称γ为目标相对背景的失真系数，β为目标阴影相对背景的失真系数，向量ef和ei称为运动目标向量em(emx，emy，emz)，失真系数γ和β称为运动目标失真系数。在运动目标像素点以及背景像素点的yuv值已知的情况下，可以由公式一计算出运动目标相对于背景的失真系数θ的值。

作为优选，所述失真系数θ值的公式一为：θ＝arco(eb·em/|eb|·|em|)。

作为优选，在yuv颜色空间中，阴影检测时像素点yuv值的三个分量发挥的作用不完全相同。一方面，由于目标与阴影部分的亮度差别较大，所以需要根据亮度差别的大小适当减小亮度分量的权重，该权重值设为λ；另一方面，由于阴影和背景像素点的色度和浓度分量相同或稍有差别，所以需要适当增大色度和浓度分量的权重，该权重值设为η，考虑到权重λ和η的影响，可以由下面的公式二代替公式一来计算出运动目标相对于背景的失真系数θ的值。

作为优选，所述失真系数θ值的公式二为：

作为优选，在检测阴影分布之后进行阴影去除并通过形态学滤波和区域填充方法去除背景区域中的噪声点和前景目标区域中的孔洞，最终得到去除目标阴影后的检测结果。

作为优选，tθ的取值与目标相对背景失真系数γ以及目标阴影相对背景的失真系数β相关。

本发明的有益效果是：本发明实用性强，能够在视频图像中检测到运动目标并同时去除阴影，简化了阴影检测去除过程，该方法不仅能够有效去除阴影，准确反映目标的实际轮廓，而且能够有效解决目标粘连问题，从而提高目标计数的准确性，在实际应用中，能够满足智能视频监控系统的需求，较传统去除方法极大的提高了作业质量与使用效率。

附图说明：

为了易于说明，本发明由下述的具体实施及附图作以详细描述。

图1是本发明流程示意图。

具体实施方式：

如图1所示，本发明具体实施方式采用以下技术方案：

实施例：

一种基于内容感知信息的图像阴影消除方法，包括以下步骤：

s1、首先创建虚拟场景和真实场景的阴影图像数据集，并输入阴影图像数据；

s2、然后提取像素点的亮度分量，并根据目标阴影与背景像素亮度的差别赋予亮度分量当的权重；再提取像素点的色度和浓度分量，根据目标阴影与背景像素的色度和浓度分量相同或稍有差别的特性检测出阴影；

s3、然后将输入yuv格式的视频图像帧，根据yuv空间上的像素计算模型，利用公式计算出运动目标相对于背景的失真系数θ，

s4、如果θ大于给定阈值tθ，则判定其为实际目标部分并输出；否则判定该部分属于阴影区域并去除。

其中，在创建虚拟场景和真实场景的阴影图像数据集的同时建立对应的虚拟场景和真实场景的无阴影图像数据集。

其中，设图像中目标像素点f的yuv值为向量ef(efx，efy，efz)，阴影像素点i的yuv值为向量ei(eix，eiy，eiz)，图像中背景像素点b的yuv值为向量eb(ebx，eby，ebz)，在yuv空间中的表示如图1所示。这三个向量分别描述了图像背景、图像目标和图像目标阴影在亮度、色度和浓度三方面的信息，在图1中，γ为向量eb和ef的夹角，β为向量eb和ei的夹角，称γ为目标相对背景的失真系数，β为目标阴影相对背景的失真系数，向量ef和ei称为运动目标向量em(emx，emy，emz)，失真系数γ和β称为运动目标失真系数。在运动目标像素点以及背景像素点的yuv值已知的情况下，可以由公式一计算出运动目标相对于背景的失真系数θ的值。

其中，失真系数θ值的公式一为：θ＝arco(eb·em/|eb|·|em|)。

其中，在yuv颜色空间中，阴影检测时像素点yuv值的三个分量发挥的作用不完全相同。一方面，由于目标与阴影部分的亮度差别较大，所以需要根据亮度差别的大小适当减小亮度分量的权重，该权重值设为λ；另一方面，由于阴影和背景像素点的色度和浓度分量相同或稍有差别，所以需要适当增大色度和浓度分量的权重，该权重值设为η，考虑到权重λ和η的影响，可以由下面的公式二代替公式一来计算出运动目标相对于背景的失真系数θ的值。

其中，失真系数θ值的公式二为：

其中，在检测阴影分布之后进行阴影去除并通过形态学滤波和区域填充方法去除背景区域中的噪声点和前景目标区域中的孔洞，最终得到去除目标阴影后的检测结果。

其中，tθ的取值与目标相对背景失真系数γ以及目标阴影相对背景的失真系数β相关。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点，本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内，本发明要求保护范围由所附的权利要求书及其等效物界定。