去除前景检测结果阴影的方法及装置的制造方法
【技术领域】
[0001] 本发明涉及图像处理领域，尤其涉及一种去除前景检测结果阴影的方法及装置。
【背景技术】
[0002] 由于阴影具有与运动物体相同的运动特征，通常被误检测为前景，视频图像中存 在的阴影是影响运动目标检测效果的关键因素之一，对阴影进行检测和消除已成为运动检 测中的重要研究内容。如果阴影和运动物体融合，将影响目标的几何特征；如果阴影与运动 目标相分离，则容易被误检测为新的目标。这些误检测对高层的运动目标分类、跟踪以及行 为分析等都造成很大的影响，因此在运动目标检测过程中对阴影进行消除具有重要意义。 目前，从前景目标中消除阴影还没有简单有效的办法，是图像领域难解问题之一。
[0003]目前大多数的阴影检测和消除方法都是基于阴影本身的特征来开发的，例如阴影 的灰度特征、色度特征、纹理统计特征等等。现有技术中，进行阴影去除的方法包括：将图像 进行灰度化处理，再进行前景检测处理，以剔除背景，对二值化的前景检测图分别进行水平 和垂直投影，分别得到水平投影直方图及垂直投影直方图，并设定门限值，将小于某一门限 值的部分判定为阴影并去除。
[0004] 另外也存在基于像素点进行阴影去除的方法，即根据阴影的亮度等特点设置阈 值，当像素点超过对应的阈值时，将像素点判定为阴影进行去除。
[0005] 由于各场景不同，门限值或阈值的取值范围也就不同，针对不同的场景，不存在普 遍适用的门限值或阈值，从而导致容易造成阴影的误判。因此无论基于像素点的方法还是 简单的投影方法，虽然在某些阈值下能有效检测出阴影的部分，但同时容易将车窗、行人或 机动车、非机动车等与阴影特征相似的局部区域误检测为阴影，一并去除，这样容易造成前 景空洞、分割错误等问题。
[0006] 因此，现有技术存在将非阴影区域误检为阴影区域的问题。
【发明内容】
[0007] 为解决现有技术阴影区域误检率高的问题，本发明提供了一种方法，减少阴影区 域被误检的概率。
[0008] -种去除前景检测结果阴影的方法，包括：由输入的原始图像得到灰度图及前景 检测图，并获取图像前景中的阴影候选区，还包括：
[0009] 将所述灰度图去除背景得到前景灰度图，根据所述前景灰度图，在水平方向上计 算各像素行的纹理统计特征值，在垂直方向上计算各像素列的纹理统计特征值；
[0010] 利用像素行的纹理统计特征值找到水平方向上的分割位置，且利用像素列的纹理 统计特征值找到垂直方向上的分割位置，其中分割位置为使运动目标与阴影差异最大的像 素位置；
[0011] 分别计算水平及垂直方向上的分割位置两侧的阴影候选区占所对应前景部分的 比例，并从分割位置的两侧中选择比例较大的一侧作为阴影去除。
[0012] 从基于纹理统计特征进行的投影中找到使运动目标与阴影差异最大的分割点，将 分割结果结合阴影候选区域，进一步确定物体阴影的检测范围，从而避免一些类似阴影的 区域被当作阴影而被去除，提高了阴影检测的准确率。另外这种方法本身已对运动物体和 阴影部分进行了准确分割，因此在选择候选阴影区域时，针对不同场景不需要设置严格的 门限值，可以对大部分场景设置普遍适用的统一门限值，从而提高了方法的普遍适用性。在 水平方向上所述像素位置为像素行位置，在垂直方向上所述像素位置为像素列的位置，在 灰度图中包含有前景纹理统计特征，但同时也包含背景的纹理统计特征，而背景的纹理统 计特征在进行投影时为无效信息，会对后面的分割过程造成干扰，通过将灰度图与前景检 测图相乘，将灰度图去除背景，从所得到的前景灰度图中直接可获取前景的纹理统计特征， 避免背景的干扰，从而提高分割准确率。将所述前景检测图与所述灰度图相乘，即可将灰度 图中的背景去除。
[0013] 其中获取阴影候选区的图像可能由前景检测图得到也可能由原始图像得到，例如 通过将前景检测图进行水平和垂直方向上投影的方式得到阴影候选区，则获取的阴影候选 区在前景检测图中；利用色度、亮度结合饱和度的方式得到阴影候选区时，所获取的阴影候 选区在原始图像中，或者，根据后续要进行的处理，阴影候选区也可能在灰度图中。
[0014] 由于划分的位置并不一定是中心位置，因此，如果仅仅是判断各部分被判断为阴 影的像素行或像素列出现频次，则可能造成被划分出来面积较大的部分被判断为阴影的像 素行或像素列或是像素点比划分出来面积较小的部分出现频次高，从而导致总是将划分出 的面积较大的部分被作为阴影区剔除。为了防止这种现象出现，通过将阴影候选区在所划 分部分中的前景部分所占比例来判断阴影区出现的可能性大小。不同的计算方法得到的阴 影候选区不同，例如通过投影方法得到的阴影候选区由像素行或像素列组成，由色度、亮度 结合饱和度得到的阴影候选区由像素点组成。如果阴影候选区由像素行或像素列组成，则 计算该阴影候选区在所划分出的部分中对应的被判定为前景的像素行或像素列的比例；如 果阴影候选区由像素点组成，则计算被判定为阴影候选区的像素点个数在所划分出的部分 中占前景像素点个数的比例，将计算比例较高的整个部分作为阴影区剔除。
[0015] 水平方向上，每个像素位置表示一行像素行，垂直纹理方向上，每个像素位置表示 一列像素列。
[0016] 进一步而言，所计算的纹理统计特征值包括以下至少一个：梯度、方差、Sobel算 子、熵、拉普拉斯算子以及LBP特征值。
[0017] 采用其中一种时，利用所选择的纹理统计特征值计算方法分别计算在水平方向上 各像素行的纹理统计特征值和在垂直方向上各像素列的纹理统计特征值。当采用多种时， 利用所选择的纹理统计特征值计算方法分别计算在水平方向上各像素行的纹理统计特征 值和垂直方向上各像素列的纹理统计特征值。
[0018] 进一步而言，所述纹理统计特征值为方差，对于具有p行q列的前景灰度图，水平 和垂直方向上的纹理统计特征值获取方法如下：
[0019] 水平方向上第i行像素行的方差HorizontalVariance (i)为第i行相邻两侧r行 上所有不为〇的像素点的灰度值方差统计结果，其中r为指定值：
[0021] 其中，FG' (i，j)表示在所述前景灰度图中第i行第j列像素点的灰度值， FG^ (i，j)中j的取值为1到q且i的取值为i-r到i+r，FP为所述第i_r到i+r共2打+1 行像素的灰度值均值，m为2r+l行像素的总个数；
[0022] 垂直方向上，第j列像素列的方差VerticalVariance (j)为第j列相邻两侧c列 上所有不为〇的像素点的方差统计结果：
[0024] 其中，FG' (i，j)表示在所述前景灰度图中第i行第j列像素点的灰度值， FG' (i，j)中j的取值为j-c到j+c，且i的取值为1到p，FP为所述第j_c到j+c共2*c+l 列的像素灰度值均值，m为2c+l列像素的总个数。
[0025] 图像中单个像素行或像素列的方差可能存在其中某一像素行或像素列的方差由 于噪声或其他原因而出现异常，不满足正常的统计特征，在后续的分割位置查找中可能误 将该像素位置作为分割位置，因此为避免出错，考虑邻近的像素行或像素列的信息，类似于 滤波的作用，从而使得计算得到的纹理统计特征方差具有良好的统计特性。类似的采用统 计方式得到的熵作为纹理统计特征值时，对应的像素行或像素列也需要将邻近的对应像素 行或像素列信息加以考虑。
[0026] 进一步而言，所述纹理统计特征值为Sobel算子，对所述前景灰度图中第i行第j 列的像素点，
[0027] 水平Sobel算子计算结果为：
[0028] S(i，j) = FG，（i-1，j-l)+2 · FG，（i-1，j)+FG，（i-1，j+1)
[0029] -FG，（i+l，j-l)-2.FG，（i+l，j)-FG，（i+l，j+l)
[0030] 垂直 Sobel 算子计算结果为：S (i，j) = FG ' (i_l，j+1)+2 · FG ' (i， j+l)+FG' (i+l，j+l)-FG' (i-Lj-Dj-FG' (，，j-l)-FG' (i+l，j-l)
[0031] 其中FG'为像素点的灰度值，在水平方向上各像素行的纹理统计特征值为该行像 素点中Sobel算子的最大值；
[0032] 在垂直方向上各像素列的纹理统计特征值为该列像素点中Sobel算子的最大值。
[0033] Sobel算子作为特征值时，已将邻近像素的信息加以考虑，在采用其他的局部纹理 统计特征值如梯度、拉普拉斯算子、LBP特征值进行投影时，像素行或像素列所对应的投影 特征值也为该像素行或像素列所计算得到像素点纹理统计特征值中的最大值。
[0034] 进一步而言，在水平和垂直方向上找到分割位置的方法包括，对于单个方向上的 第η个像素位置，分别计算：
[0037] 其中，k为像素行或像素列的总长度，H(i)表示第i个像素位置的纹理统计特征 值，II1为第η个像素位置之前所有像素位置的纹理统计特征值均值，??2为第η个像素位置 之后所有像素位置的纹理统计特征值均值，在水平方向上第η个像素位置为第η个像素行， 在垂直方向上第η个像素位置为第η个像素列；
[0038] 获取σ 1与σ 2之和达到最小值所在的像素位置，作为运动目标与阴影差异最大的 分割位置。
[0039] σ 1表示在第η个像