导读:本文包含了阴影检测论文开题报告文献综述及选题提纲参考文献，主要关键词:ViBE,边缘特征,颜色特征,多特征融合
阴影检测论文文献综述
王威,李志华,吴世宇[1]（2019）在《基于多特征融合的车辆阴影检测与去除》一文中研究指出基于ViBE目标检测算法,融合交通监控视频中车辆的边缘与颜色特征,提出一种基于多特征融合的算法,实现对复杂交通场景中车辆阴影的检测与去除。通过ViBE提取前景目标,采用串行融合方式检测阴影。首先在传统的基于边缘特征检测阴影的基础上,利用水平集方法代替水平垂直填充,实现多个前景目标内部边缘的快速填充。在获取候选的阴影区域后,结合HSV颜色特征以及形态学处理等操作,以达到更好的阴影去除效果。通过对不同的视频图像序列进行测试,表明提出的多特征融合算法能有效去除投射阴影,且优于单个特征方法,适用于复杂的交通场景。(本文来源于《计算机与现代化》期刊2019年12期）
梁永侦,潘斌,郭小明,梁媛[2]（2019）在《基于LAB颜色空间的图像阴影检测与去除方法》一文中研究指出为实现单幅图像快速去阴影处理,提出基于LAB颜色空间的图像阴影检测与去除方法。首先,将RGB图像转换成LAB图像,再对阴影图像进行边缘检测。然后,通过对不同颜色通道进行分析、计算及重新整合,得到阴影区域与非阴影区域平均色度值相匹配的图像。最后,对图像进行色度校正和边缘校正,实现单幅图像去阴影处理。为验证本文方法的可行性和有效性,分别采用峰值信噪比(PSNR)和结构相似度(SSIM)这2种性能指标,来客观评价图像的去阴影结果,并与2种典型的图像去阴影方法进行比较。结果表明,本文方法的各性能指标最高,如:在3组实验中,PSNR分别达到17.4721、17.6206、17.3048,SSIM分别达到0.8192、0.8344、0.8027。而且去阴影后图像特征信息清晰,保留的结构信息更接近于真实无阴影场景图像,整体取得了很好的去阴影效果。(本文来源于《计算机与现代化》期刊2019年10期）
孙诗雅,杨树文,李轶鲲[3]（2019）在《HSL-PCA集成的GF-1影像阴影检测方法》一文中研究指出针对目前高分影像阴影检测算法存在对半影区和中等高度建筑阴影检测精度不够及易受水体影响等问题,提出了一种基于HSL-PCA集成的GF-1影像阴影检测方法。首先,对GF-1影像的近红外波段进行分割,获得阴影初步检测结果,但初步检测结果包含道路和河漫滩等非阴影区域;其次,对RGB色彩空间进行主成分分析和HSL色彩空间变换,计算得到包含阴影和水体的信息,但不含河漫滩边缘与道路信息;最后,对两次结果进行逻辑与运算和形态学滤波处理,去除道路、河漫滩、水体等信息,得到准确的阴影信息。实验结果表明,该方法能够高效、准确地提取GF-1影像中中等高度建筑和高大地物的阴影信息。(本文来源于《遥感信息》期刊2019年04期）
吴文君,张玲,肖春霞[4]（2019）在《基于深度信息的单幅图像自动阴影检测》一文中研究指出为解决复杂场景阴影的自动检测问题,提出一种基于深度信息的单幅图像自动阴影检测算法。该算法首先利用深度信息估计图像的法线、点云信息,并对图像进行多尺度纹理滤波;然后利用法线、点云和色度信息估计不同尺度下滤波图像的阴影置信度和亮度置信度,并对两种置信度图分别进行阴影边界相关的多尺度融合,消除纹理影响的同时保留了复杂的阴影边界信息和结构信息;最后利用拉普拉斯算子对阴影置信度进行插值优化,得到更精确的阴影检测结果。实验结果表明,对于简单场景和复杂场景图像,该算法都能完整检测出其中的硬阴影和软阴影,具有较好的阴影检测效果。通过与其他算法的阴影检测结果进行对比,验证了本文算法的准确性和鲁棒性。(本文来源于《武汉大学学报(理学版)》期刊2019年05期）
王林,和萌[5]（2019）在《基于改进混合高斯模型与阴影去除的目标检测》一文中研究指出随着计算机视觉和摄像设备的日益普及,目标检测技术已经成为一个重要的研究领域;虽然提出了几种目标检测方法,但由于其适用性与局限性,并不能解决实际复杂场景中的各种挑战;针对传统混合高斯模型对动态背景、光照变化和阴影敏感等问题,提出一种混合高斯模型的改进算法,用于视频中目标检测;该方法首先通过传统混合高斯模型获取当前帧目标的粗略区域;通过将双级学习率和组合权重引入混合高斯模型,从而区分出运动区域与包含动态背景的背景区域;然后进一步利用基于颜色特性与空间连续性的方法去除阴影;最后通过形态学处理提取出准确的运动目标区域;对比实验表明,所提方法不仅能够有效去除动态背景,而且能够有效抑制阴影和光照变化的影响。(本文来源于《计算机测量与控制》期刊2019年07期）
陈卓,刘艳丽,杨红雨[6]（2019）在《单幅室外图像的高阶能量方程阴影检测算法》一文中研究指出单幅室外图像的阴影检测是数字图像处理领域的研究热点之一.针对单幅室外图像的阴影检测算法往往只关注阴影的边缘或区域信息,忽视了两者之间的依存关系,即"阴影区域-阴影边缘-非阴影区域"的阴影布局信息的问题,提出阴影检测算法.首先将图像分割成独立区域;然后利用支持向量机构建高阶能量方程,对阴影布局信息进行建模;最后通过最小化方程来判断区域是否为阴影.文中不但严谨证明了高阶能量方程在局部最优点下的性质,而且指出了其最优的降阶方法.在公开图像数据库上的实验表明,该算法能够有效地检测单幅室外图像中的阴影区域.(本文来源于《计算机辅助设计与图形学学报》期刊2019年07期）
赫晓慧,李满堂,郭恒亮,田智慧[7]（2019）在《高分二号卫星影像中城市建筑物阴影检测方法》一文中研究指出针对阴影在检测过程中易与水体、深蓝色地物、深灰色道路混淆的问题,对高分二号卫星(GF-2)影像中的典型地物纹理和光谱信息进行统计分析,提出一种基于多尺度分割和随机森林分类的阴影提取算法。通过选取样本数据的阴影指数、亮度、逆差矩、熵、对比度等12个对象特征构建随机森林分类模型,精确提取阴影区域。实验结果显示,本文所提阴影提取算法可以有效地对阴影进行识别,对2个研究区的提取精度分别达到了95.26%和94.35%,可有效解决单一特征下阴影不易与其他地物区分以及阈值分割过程中阈值不易确定的问题。(本文来源于《中国科技论文》期刊2019年07期）
方岚,于凤芹[8]（2019）在《去除鬼影及阴影的视觉背景提取运动目标检测算法》一文中研究指出针对视觉背景提取(Vibe)运动目标检测算法存在的鬼影及阴影问题,利用鬼影与背景相似而运动目标与背景差异大的特点,提出了一种基于前景和邻域背景像素直方图相似度匹配的方法,快速检测鬼影并更新背景模型;利用阴影的颜色特性和纹理不变性,提出在亮度和色度分离的YCbCr色彩空间中先根据颜色特性得到候选阴影区域,再利用完全局部二值模式算子(CLBP)提取区域的详细纹理特征,进一步检测与去除阴影。在公开视频数据库CDnet-2012上进行仿真,仿真结果表明,该算法能够保证运动目标被完整检测的同时快速去除鬼影和阴影,其检测精度比原Vibe算法提高了21.53%。(本文来源于《激光与光电子学进展》期刊2019年13期）
郭玲[9]（2019）在《基于单幅图像的阴影检测与去除方法及系统》一文中研究指出图像阴影是光线沿直线传播遇不透明物体而形成的一个暗区。阴影会导致图像色彩变化,亮度变低,甚至改变图像纹理。因此,阴影去除对于增强图像可见性具有重要意义,本文围绕单幅图像的阴影检测和阴影去除展开研究,具体工作包括:1.针对单幅图像阴影检测中阴影区域与暗区域不易区分的问题,提出一种基于颜色空间聚类的阴影检测方法。首先,采用自适应增强的方法,将图像分解为具有锋利边缘和细节层的均匀区域,通过放大细节层来增强图像;然后,利用均值聚类结果训练KNN分类器得到初始阴影掩模;最后,为了减弱图像中的纹理噪声并去除暗区域,采用YUV融合图像和颜色比值对初始的阴影掩模去噪,得到最终的检测结果。本文方法能够区分阴影区域与暗区域,并且一定程度上能够避免复杂纹理对检测结果的影响,实验表明本文方法能够更精准的检测阴影区域。2.针对现有方法去除阴影时半影区域对去除效果的影响和去除阴影后图像纹理不一致现象,提出一种基于半影区域光照恢复和颜色校正的阴影去除方法。首先,根据阴影掩模得到阴影边界并依据边界的曲率进行采样,通过平滑插值和外推,以及像素变化规律得到半影区域;然后,分别对半影区域和本影区域进行光照恢复;最后,迭代的对齐每个尺度上的阴影边界去除光照区域和阴影区域之间的不一致性,得到光照一致的去阴影图像。实验表明本文方法不仅不会在边缘部分留下由于半影区域而产生的人工痕迹,而且去除阴影后的图像在色度、亮度和纹理上具有一致性的效果。3.根据上述研究内容,设计并实现了单幅图像阴影检测与去除系统。该系统集成了本文提出的阴影检测和去除方法以及相关经典算法。(本文来源于《西安理工大学》期刊2019-06-30）
张彤,刘晟,曹霆[10]（2019）在《基于分数阶微分的Kinect传感器深度图像阴影检测方法（英文）》一文中研究指出深度图像作为Kinect传感器的重要组成部分,其获得的深度图像往往伴随着不可避免和无法预知的阴影噪声,这也极大地影响并制约其在叁维可视化等方面的应用及研究。因此,针对深度图像提出了一种基于分数阶微分的阴影检测方法。在研究分数阶微分定义的Tiansi模板基础上,设计并实现了一种非线性拉伸算子。该算子在0.6阶次可以增强阴影区域边界信息的同时实现阴影的有效检测。通过分析比较发现,该方法在F测度的评价体系中可以达到0.971,而其他传统的检测方法均小于0.7。实验结果证明文中提出方法可以有效实现深度图像的阴影检测。(本文来源于《红外与激光工程》期刊2019年08期）
阴影检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为实现单幅图像快速去阴影处理,提出基于LAB颜色空间的图像阴影检测与去除方法。首先,将RGB图像转换成LAB图像,再对阴影图像进行边缘检测。然后,通过对不同颜色通道进行分析、计算及重新整合,得到阴影区域与非阴影区域平均色度值相匹配的图像。最后,对图像进行色度校正和边缘校正,实现单幅图像去阴影处理。为验证本文方法的可行性和有效性,分别采用峰值信噪比(PSNR)和结构相似度(SSIM)这2种性能指标,来客观评价图像的去阴影结果,并与2种典型的图像去阴影方法进行比较。结果表明,本文方法的各性能指标最高,如:在3组实验中,PSNR分别达到17.4721、17.6206、17.3048,SSIM分别达到0.8192、0.8344、0.8027。而且去阴影后图像特征信息清晰,保留的结构信息更接近于真实无阴影场景图像,整体取得了很好的去阴影效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
阴影检测论文参考文献
[1].王威,李志华,吴世宇.基于多特征融合的车辆阴影检测与去除[J].计算机与现代化.2019
[2].梁永侦,潘斌,郭小明,梁媛.基于LAB颜色空间的图像阴影检测与去除方法[J].计算机与现代化.2019
[3].孙诗雅,杨树文,李轶鲲.HSL-PCA集成的GF-1影像阴影检测方法[J].遥感信息.2019
[4].吴文君,张玲,肖春霞.基于深度信息的单幅图像自动阴影检测[J].武汉大学学报(理学版).2019
[5].王林,和萌.基于改进混合高斯模型与阴影去除的目标检测[J].计算机测量与控制.2019
[6].陈卓,刘艳丽,杨红雨.单幅室外图像的高阶能量方程阴影检测算法[J].计算机辅助设计与图形学学报.2019
[7].赫晓慧,李满堂,郭恒亮,田智慧.高分二号卫星影像中城市建筑物阴影检测方法[J].中国科技论文.2019
[8].方岚,于凤芹.去除鬼影及阴影的视觉背景提取运动目标检测算法[J].激光与光电子学进展.2019
[9].郭玲.基于单幅图像的阴影检测与去除方法及系统[D].西安理工大学.2019
[10].张彤,刘晟,曹霆.基于分数阶微分的Kinect传感器深度图像阴影检测方法（英文）[J].红外与激光工程.2019