[发明专利]基于颜色恒常性特征和视觉注意机制的阴影检测方法

摘要

本发明公开了一种基于阴影的多种颜色不变性特征，引入计算机视觉领域的视觉注意机制，提出了一种新的有效的阴影检测方法，具有以下有益效果：1）根据颜色恒常性研究成果，提取了阴影的多种颜色不变性特征，采用视觉注意模型中的特征显著图模型，将多种阴影特征结合在一起，生成阴影显著图作为阴影检测的基础数据，然后基于此数据进行阴影检测；2）采用SLIC算法对图像进行超像素分割，提出基于对象的自适应阈值生长算法，对阴影检测的初步结果进行修正，从而获得更完整的阴影检测结果。

主权项

基于颜色恒常性特征和视觉注意机制的阴影检测方法，其特征在于，包括如下步骤：(1)、对原始图像进行亮度特征提取，记为Lum；(2)、将原始图像转换到C1C2C3颜色不变空间，提取出其中适合于阴影检测的第三个通道，即C3成分，记为C3；(3)、基于赫林拮抗色原理，对原始图像进行STB模型变换，提取其中的蓝黄对比特征图像，记为B_Y；(4)、分别对上述三个特征图像Lum、C3、B_Y进行局部最大值归一化处理，得到归一化的特征图Lum’、C3’、B_Y’；(5)、根据归一化特征图像计算阴影显著图，记为S_Sal，计算公式为：S_Sal＝Lum'*C3'*B_Y'；(6)、采用大津阈值算法OSTU对S_Sal进行自适应阈值二值化，获得初始阴影分割图S0，其中值1表示为阴影，0表示为非阴影；(7)、对原始图像进行SLIC超像素分割，获得分割图像SegImg，将其中每个分割区域分别记为SegImg[k],k＝0,…,n，共获得n个区域；(8)、将初始阴影分割图S0和SLIC分割结果SegImg进行叠加，然后对SegImg分割结果进行标记，具体如下：a、依次取出S0分割图中值为1的像素，假设该像素位于第y行、第x列，则记为S0[y,x]；b、若S0[y,x]位于分割图RegImg的第k个区域RegImg[k]，则将RegImg[k]标记为阴影区(value＝1)，否则将RegImg[k]标记为非阴影区(value＝0)；(9)、对SegImg中的每个分割区域SegImg[k]，计算其颜色均值m[k]和重心位置c[k]，其中m[k]、c[k]分别为对应的颜色向量和坐标向量：m[k]＝[r_k,g_k,b_k]c[k]＝[x_k,y_k]；其中，r_k、g_k、b_k分别为第k个分割区域的红、绿、蓝颜色均值，x_k、y_k分别为第k个分割区域的重心的x坐标和y坐标；(10)、根据分割图像RegImg中所有分割区域的重心位置坐标c[k],k＝0,…,n，构建Delaunay三角网，根据Delaunay三角网信息可获得每个区域RegImg[k]的邻接区域；(11)、计算所有具有邻接关系的阴影区域两两之间的颜色距离，如第i个区域和第j个区域之间的颜色距离为：$D=\sqrt{{(r_i-r_j)}^2+{(g_i-g_j)}^2+{(b_i-b_j)}^2}$将所有两两邻接阴影区域的颜色距离值存入列表DIS_L[k],k＝0,…,m；其中r_i、g_i、b_i分别为第i个分割区域对应的红、绿、蓝颜色分量，r_j、g_j、b_j分别为第j个分割区域对应的红、绿、蓝颜色分量；(12)、对RegImg中标记为1的阴影区域逐个进行生长算法；(13)、整个阴影检测算法结束，分割图像RegImg中标记为1的区域为阴影检测结果。