基于Mean Shift分割的圖像陰影檢測算法關(guān)鍵技術(shù)的研究.pdf

1、圖像陰影是計算機(jī)圖像處理的難點和重點。當(dāng)成像設(shè)備進(jìn)行圖像采集時，陰影將進(jìn)入到圖像場景中，引起圖像質(zhì)量的下降，影響計算機(jī)圖像處理。例如，在視頻圖像中造成目標(biāo)分割、目標(biāo)跟蹤、目標(biāo)識別等處理結(jié)果的不穩(wěn)定甚至失?。辉趫D像中降低圖像的美感，干擾后續(xù)計算機(jī)圖像處理結(jié)果，加大場景分析難度等。陰影去除能減少陰影的影響和干擾提高計算機(jī)圖像處理精度。陰影檢測是陰影去除的前提，本文將研究圖像陰影檢測，為陰影去除提供依據(jù)。
　　Salvador等人將陰影

2、檢測方法分為基于模型的陰影檢測和基于特征的陰影檢測。其中基于特征的陰影檢測因計算量更小，實時性更高而備受關(guān)注，目前已成為圖像陰影檢測的主流算法，得到了非常廣泛的應(yīng)用。基于特征的陰影檢測通常利用分割算法將陰影和非陰影分割開，通過處理有效的特征進(jìn)行識別和檢測陰影。在分割算法上，目前主要利用Mean Shift算法分割陰影圖像，但在分割圖像時容易產(chǎn)生過分割導(dǎo)致分割錯誤以及區(qū)域數(shù)目眾多，加大了特征提取的難度，不利于后續(xù)處理，因此分割效果直接影響

3、了陰影檢測效果的優(yōu)劣。在特征處理上，利用支持向量機(jī)SVM對特征進(jìn)行分類和預(yù)測已成為了陰影檢測的主流算法。該方法利用SVM訓(xùn)練特征得到模型檢測陰影，但是在特征訓(xùn)練中將所有的特征都整合到一個模型中，不利于描述陰影的特性。
　　在分割算法中，本文針對Mean Shift分割陰影圖像的不足，根據(jù)OTSU方差分類算法的特點，提出了基于OTSU和Mean Shift的陰影分割算法。在特征處理中，為了在Mean Shift分割后的特征提取中充分