引言

近年來，智能視頻處理技術(shù)在商業(yè)、軍事和工業(yè)領(lǐng)域得到了廣泛的應(yīng)用，如移動視頻通信、工業(yè)過程控制、自主運(yùn)載器導(dǎo)航、智能交通、目標(biāo)檢測與跟蹤等。其中，在智能視頻處理系統(tǒng)中，運(yùn)動目標(biāo)檢測與分析是后期處理與應(yīng)用的基礎(chǔ)，要把場景中的運(yùn)動目標(biāo)從背景中提取出來，常用的運(yùn)動目標(biāo)檢測算法有幀間差分法、光流計(jì)算法、背景差減法等方法。檢測運(yùn)動目標(biāo)大多采用背景差減法，但是常常由于光線在傳播過程中被遮擋，在運(yùn)動目標(biāo)附近就會形成陰影，陰影常被誤檢測為前景。然而，這些前景檢測算法都不能將運(yùn)動目標(biāo)和運(yùn)動陰影區(qū)分出來。運(yùn)動陰影嚴(yán)重影響目標(biāo)分類、識別、跟蹤等后續(xù)處理。因此，如何準(zhǔn)確地檢測與分割陰影成了智能視頻研究的一個(gè)重要課題。

在過去的幾十年中，國內(nèi)外很多研究者進(jìn)行了深入的研究，提出了各種陰影檢測與去除算法。王宏在其碩士論文中對分割目標(biāo)陰影做了深入的研究，并提出了機(jī)遇直方圖和聚類技術(shù)陰影去除算法、基于色度畸變和局部交叉熵陰影去除算法和多梯度分析與線掃描陰影去除算法，通過實(shí)驗(yàn)證明了其提出算法的有效性;劉雪和常發(fā)亮等提出了機(jī)遇YUV顏色空間色度畸變和一階梯度模型進(jìn)行陰影去除的算法，并通過實(shí)驗(yàn)證明了其算法具有抗干擾和復(fù)雜度低等特點(diǎn);苑穎、羅青山等提出了一種基于顏色不變形和建立陰影高斯模型的陰影檢測和消除算法，其實(shí)驗(yàn)證明了其算法的有效性;

但這些算法都具有一定的應(yīng)用背景，離開這些應(yīng)用背景就會出現(xiàn)很大的誤差，甚至完全不起作用。因此，如何將準(zhǔn)確的檢測陰影，進(jìn)行運(yùn)動運(yùn)動目標(biāo)和陰影的有效分割，研究出比較通用的陰影抑制算法，是一個(gè)具有很大挑戰(zhàn)性的難題。

1HSV陰影去除算法算法

陰影的去除首先是要進(jìn)行陰影檢測，雖然陰影檢測對圖像理解非常重要，但目前的陰影檢測方法都是針對具體的應(yīng)用環(huán)境，還沒有形成系統(tǒng)的理論。要得到有效的陰影檢測方法還有許多研究工作要做?？傮w而言。智能視頻監(jiān)控系統(tǒng)中的陰影檢測方法可分為兩類：一類是基于目標(biāo)的幾何特性，即基于模型的方法；另一類是基于目標(biāo)陰影的性質(zhì)，即基于特征的方法。針對運(yùn)動陰影的消除人們己經(jīng)提出了很多算法，大體可以分為兩類：基于模型的方法和基于特征的方法?；谀Ｐ偷姆椒ㄊ抢脠鼍爸羞\(yùn)動目標(biāo)的光照條件等先驗(yàn)知識建立陰影模型，或者根據(jù)陰影和背景像素值的概率特性來建立陰影統(tǒng)計(jì)模型，然后把提取出來的前景像素點(diǎn)和陰影模型進(jìn)行比較，以此判別像素點(diǎn)是否屬于陰影區(qū)域；基于特征的陰影消除方法直接利用圖像的屬性來進(jìn)行陰影消除，一般認(rèn)為背景在被陰影覆蓋前后的一些屬性保持不變或者變化細(xì)微，這樣一種性質(zhì)可以作為陰影判定的重要依據(jù)，其中圖像的屬性包括亮度、色調(diào)、飽和度、梯度和紋理等。

基于特征的陰影去除算法中，利用顏色特征進(jìn)行陰影去除的基本原理是將運(yùn)動目標(biāo)的陰影和背景像素進(jìn)行色度（H）、飽和度（S）、亮度（V）的比較，通常陰影的色度和飽和度變化不大，但其亮度值變化明顯，比背景亮度低。因此，采用HSV顏色空間，一方面是由于HSV比RGB顏色空間更加符合人眼對顏色的感覺，另一方面是針對戶外場景，在HSV空間檢測亮度和色度變化比在 RGB 空間更為有效。

1.1 RGB 彩色空間轉(zhuǎn)換到 HSV 彩色空間

由于傳感器采集到的圖像都是 RGB 真彩圖像，需要進(jìn)行RGB 色彩空間到 HSV 色彩空間的轉(zhuǎn)換。轉(zhuǎn)換可用以下公式完成 ：

1.2 HSV色彩空間的陰影消除算法

由于 HSV 色彩空間具有較好的顏色感知的一致性，能夠精確地反映一些灰度信息和色彩信息。對于一幅固定參數(shù)的攝像機(jī)，在普通光照的情況下，所拍攝的圖像在這 3 個(gè)分量的值并不是總是有用的。由于 V 表示圖像的亮度，不管是色彩還是非色彩的情況下，它都能反映出圖像的有用信息，所以總會被選作判斷的參數(shù)，而表示顏色的 H、S 分量隨情況有所不同，當(dāng)色彩 S 低于一定的閾值時(shí)，該圖像是非色彩的，則色度 H 分量就變得沒有用處了，而且由色彩 S 反映的圖像的色彩精確度也會隨著 V 的降低而降低，因此 S 是用來判斷該像素是色彩的還是非色彩的量，而 V 不管在什么情況下都是作為判斷的一個(gè)重要參數(shù)，只有在部分情況下才會考慮 H 分量的值。

通過分析，被陰影覆蓋的區(qū)域，其亮度的變化比較大，而其色度變化不大。因此結(jié)合 HSV 彩色空間的色相、飽和度和亮度三個(gè)分量來進(jìn)行分析，用三個(gè)獨(dú)立分量反映陰影和背景的灰度信息和色彩信息，這些信息的對比作為陰影去除的依據(jù)。最后通過以下公式來去除陰影區(qū)域。

其中，Ih（x，y），IS（x，y），Iv（x，y）分別表示當(dāng)前幀圖像像素 I（x，y） 的 H、S、V 的 分 量，Bh（x，y），BS（x，y），Bv（x，y） 分 別表示背景圖像像素對應(yīng)的 H、S、V 的分量，HSV（x，y）的值 為 1，則說明為要去除的陰影點(diǎn)，否則不用去除。其中，參數(shù) 0<α<β<1，參數(shù) α 取值要考慮陰影的強(qiáng)度，當(dāng)陰影亮度越強(qiáng)時(shí)， α 越小，β 用來增強(qiáng)對噪聲點(diǎn)的魯棒性，避免太多的點(diǎn)檢測為 陰影。參數(shù) θS 小于零，參數(shù) θh 的選取則主要憑經(jīng)驗(yàn)。

1.3 無閾值的陰影消除算法

實(shí)驗(yàn)結(jié)果表明通過 HSV 顏色空間的陰影去除算法最后得到的陰影去除效果具有不連續(xù)性，而且去除得不夠完全。

公式（4）需要根據(jù)不同的視頻環(huán)境設(shè)置不同參數(shù)閾值，而參數(shù)閾值的選定需要通過多次實(shí)驗(yàn)才能確定，所以在實(shí)際的應(yīng)用過程中存在局限性，通過觀察發(fā)現(xiàn)，運(yùn)動目標(biāo)產(chǎn)生的陰影除了亮度 V 降低外，陰影在 HSV 色彩空間上的三個(gè)分量的向量和 H+S+V 比背景的向量和 Hb+Sb+Vb 小，那么，我們就可以通過計(jì)算這兩者的向量差來達(dá)到陰影消除的目的。計(jì)算公式如下：

公式（5）中如果 HSV（x，y）的值為 1，則說明為要去除 的陰影點(diǎn)，否則不用去除。

2 實(shí)驗(yàn)結(jié)果分析

陰影消除算法的對比實(shí)驗(yàn)結(jié)果如圖 1 所示。

測試視頻來源于陰影檢測視頻 Highway-I-raw。圖 1(a)、(e) 分別為該視頻序列的第 18 幀和第 54 幀的圖像。圖 1(b)、(f)分別為采用背景減除法提取的運(yùn)動目標(biāo)二值化后的圖像。圖1(c)、(g) 分別為利用HSV色彩空間陰影去除算法得到的圖像。圖 1(d)、(h) 為本文提出的一種無閾值的陰影消除算法得到的陰影去除的圖像。

由于視頻有光照的影響，得到的運(yùn)動目標(biāo)具有明顯的陰影，用 HSV 陰影去除算法對陰影去除并不徹底，去除的陰影有間隔，效果并不明顯。本文的算法對于陰影去除效果較為徹底，能將大范圍的陰影去除，另外，算法無需閾值的設(shè)定，大大減少了工作量，此外本文的算法簡單，實(shí)時(shí)性較好，對實(shí)際環(huán)境中的陰影消除具有很好的魯棒性。

3 結(jié) 語

本文主要研究了一種陰影去除的算法，通過分析陰影在HSV 色彩空間中的特征來去除陰影，算法考慮參數(shù)較多，并且參數(shù)之間相互影響較大。為減少算法的復(fù)雜度，提出一種無閾值的 HSV 色彩空間的陰影去除算法，與傳統(tǒng)的陰影去除算法相比，不需要許多預(yù)設(shè)的經(jīng)驗(yàn)閾值，人工干預(yù)要求不高，實(shí)驗(yàn)證明，算法對于陰影去除效果較為徹底，節(jié)省了處理時(shí)間，但是在陰影濾波中當(dāng)前景目標(biāo)的灰度與背景灰度相近時(shí)，陰影灰度范圍很難確定，這也是該算法應(yīng)當(dāng)改進(jìn)的地方。

20211118_6195dafdaa01e__改進(jìn)的HSV陰影去除算法研究