单幅户外彩色图像的阴影检测方法研究

发布时间：2021-04-07 12:52

　　随着计算机视觉在工农业生产、天文学、医学及军事学等领域的广泛应用,其在日常生活中受到越来越多的人关注。然而,作为现实生活中常见的一种光学现象,阴影的存在给计算机视觉任务带来一定的困难,如目标识别、图像分割和边缘检测等,因此有效地检测阴影成为计算机视觉技术亟待解决的问题。通过阅读大量文献,全面分析国内外研究现状,利用机器学习等相关理论知识,对单幅户外彩色图像的阴影检测方法进行深入研究。首先,介绍彩色图像的基本概念,并对所涉及到的机器学习知识进行简单介绍,主要包括均值漂移、随机森林、卷积神经网络的理论知识。其次,提出一种基于随机森林实现单幅户外彩色图像阴影检测的方法。首先对图像进行预处理,其次深入分析单幅图像阴影检测相关特征,并选取亮度特征、颜色特征、纹理特征、梯度方向特征作为阴影检测特征;然后使用Mean Shift对图像进行分割后提取特征,并进行归一化,将阴影特征输入到随机森林分类器,得到区域对信息;最后根据区域对信息结合阴影特征完成阴影检测。然后,通过研究单幅户外彩色图像阴影特点,提出一种基于卷积神经实现阴影检测的方法。首先设计一种基于全局语义信息的网络模型结构,然后将标注好的阴影检... 

【文章来源】：燕山大学河北省

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

图像不预处理与预处理检测结果

但效果提升明显；第二行中，不使用该模块的情况下，没有域两个人的头部、胳膊等部位，且检测连贯性较差，使用该模块后， Truth 接近，仅左侧人物胳膊部位部分缺失，且连贯性增强；第三行不况下，没有检测出左上角栏杆的阴影区域与右下角部分区域，且将处板分析误检为非阴影区域，存在很大程度上的漏检情况，使用该模块个三角区域的阴影检测出来，仅缺失部分栏杆区域细节；第四行与第该模块情况下，都只能检测部分区域，不能够很好的将阴影边界轮廓整性差，使用该模块后，检测效果得到改善，在轮廓基本确定的基础进一步完善，检测区域得到进一步扩大，完整性得到增强。合图 5-4a)与 b)可以发现使用全局语义信息提取模块后，准确率得到很差率大幅下降，第三幅与第四幅图片效果尤为明显。综上通过图 5-3 5-4 数据直方图之间对比信息，验证了所提全局语义信息提取模块的影检测结果有很大的提升。

燕山大学工程硕士学位论文影，不使用扩张卷积的情况下，两幅图中人物头部、手部均检测不完卷积后，能够相对完整的检测出阴影区域，仅部分细节处有漏检；第张卷积较不使用检测阴影区域更加连续，漏检情况明显改善。同时综合柱状图信息，可以看出使用扩张卷积后，单张测试图片准确率均有差率有一定的降低，验证了所提扩张卷积的有效性。

【参考文献】：
期刊论文
[1]室外单幅图像阴影区域检测[J]. 黄雯嘉.  现代计算机(专业版). 2018(06)
[2]高速摄像环境下航天电连接器分离边缘提取算法[J]. 洪涛,赵佃云.  中国机械工程. 2017(09)
[3]一种联合阴影和目标区域图像的SAR目标识别方法[J]. 丁军,刘宏伟,王英华,王正珏,齐会娇,时荔蕙.  电子与信息学报. 2015(03)
[4]基于阴影图像本征值的室外目标跟踪[J]. 朱琳琳,田建东,韩建达.  信息与控制. 2014(05)
[5]基于计算机视觉的医学图像自动识别技术研究[J]. 胡晓泊,张鹏,安稷,张丹丹,于君君,林杰.  微计算机信息. 2012(10)
[6]正射影像上阴影区域检测与消除的方法[J]. 王涛,王伟超,张刚.  地理空间信息. 2010(05)



本文编号：3123521