基于HSI运动车辆阴影消除的快速算法.pdf

科技信息○高校讲坛○SCIENCE&TECHNOLOGYINFORMATION2009年第31期

基于HSI运动车辆阴影消除的快速算法
宛俊林
（安徽理工大学安徽淮南232001）

【摘要】针对视频序列图像提出一种运动阴影快速消除的算法，首先利用背景差分获取前景，再根据投射阴影HSI彩色空间的特征，分割
运动车辆和运动车辆阴影。实验结果表明该方法能快速准确分割，具有良好性能。
【关键词】视频序列；HSI；阴影消除
FastAlgorithmtoEliminationofMovingVehicleShadowBasedonHSI
【Abstract】Forvideoimagesequencesproposedproposeanovelfastmethodtoeliminatetheshadowofmovingvehicle.Usingbackground
subtractiontogettheforeground,andthensegmentingmovingvehiclesanditsshadowsaccordingtothecharacteristicsoftheshadowsintheHIS
colorspace.Theexperimentalresultsshowthatthesegmentationcanberapidlyandaccuratelydone,withgoodperformance.
【Keywords】VideoSequences;HSI;ShadowElimination

0.引言3.基于HSI阴影分割
在智能交通系统中，运动车辆检测分割是关键技术之一。监控视根据前述讨论，阴影区域像素亮度值小于车辆区域和背景像素的
频图像中由于阴影的存在，各种分割方法会将阴影作为运动目标的一亮度值，而色度与饱和度差别较小，进而对于经背景差分获得的前景
部分提取出来这将会给车辆准确定位车辆分割识别带来重大干扰
。，，区域，可利用HSI彩色信息，即色度、饱和度与亮度信息消除车辆阴
导致判断错误为此国内外众多学者研究提出了各种阴影消除方法
。，，影，其判别函数为：
文献［1，2］利用阴影在HSV颜色空间的特点，判断被检测为运动前景
I(x,y)i
的像素是否为疑似阴影，然后用混合高斯阴影模型对所有疑似阴影值1,α≤≤β
B(x,y)i
进行聚类进一步完成阴影抑制李忠武高广珠等［3］提出利用图像相
，。，
S(x,y)=∧I(x,y)S-B(x,y)S≤TS
除，通过度量相除后图像的平坦度来检测和消除阴影的方法。刘洋，刘

玉山等［4］提出通过分析阴影前后的色度分布规律以及纹理的互相关∧I(x,y)h-B(x,y)h≤Th

性消除运动目标的阴影。另外还有基于极点与极性的车辆分割及阴影0,otherwise
处理方法［5］基于小波变换的运动汽车阴影分割［6］基于彩色信息和边其中表示当前图像表示背景图像
，，I(x,y)，B(x,y)，I(x,y)h,I(x,y)S,I(x,y)i,
缘特征的运动阴影检测［7，8］。这些方法从各个角度提出了阴影消除的以及分别表示当前图像与背景图像在模式
B(x,y),B(x,y),B(x,y)iHSI
过程但它们的复杂性都较大因而在实时系统中考虑适应实时处理hS
，，，下的个分量的值其中分别表示色彩饱和度与色度的
3H、S、I，Ts,Th
的需要，目前大多数应用系统都未进行目标阴影的消除。为此，本文通
阈值。通常0<α<β<1，因为阴影点的I值总是小于非阴影点的I值。
过分析视频监控图像运动车辆阴影的特殊性，提出了基于HSI彩色空
4.试验结果与分析
间阴影快速消除算法，以满足实时处理系统的需求。
本文试验数据采用视频监控数据利用背景差分的方法
1.阴影特征分析highwayI，
得到前景图像，运动车辆及其阴影被作为运动目标同时检测出来。其
阴影是指由于物体表面未被光源直接照射而形成的暗区域。阴影
中根据视频图像光照强度设为设为应用本文的方法
可分为自身阴影和投射阴影。自身阴影是指物体自身没有被光线直接，α0.4，β0.64。
对车辆阴影进行消除试验结果如下图所示
照射到的部分，而投射阴影则是指由于光线直接照射而致使物体投影，：
得到的区域。这里主要分析后者，投射阴影具有如下特征：
1.1投射阴影区域中像素的亮度值低于背景像素和车辆区域像素
的亮度值。
1.2投射阴影区域中像素的饱和度有少许下降。
1.3投射阴影区域中像素的色度几乎没有变化。
因此，可根据图像的HSI彩色信息判断运动车辆阴影区域。
2.HSI彩色空间
HSI颜色空间是从人的视觉系统出发，用色度（Hue），饱和度
（Saturation），和亮度（Intensity）来描述颜色。该模型将亮度分量