导读:本文包含了阴影去除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
阴影去除论文文献综述
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）
吴国栋,张爱梅,黄晓,姚鹏威[2]（2019）在《基于多特征融合的运动车辆阴影去除算法》一文中研究指出在交通视频检测中,车辆的阴影常常被误检测为车辆本身,直接影响车辆检测的准确度.笔者提出了一种基于颜色空间、纹理特征及边缘特征相融合的算法,实现了对车辆阴影的检测和去除方法.首先,通过传统的混合高斯方法建立背景模型,并提取前景目标;其次将前景目标在HSI空间通过阈值法检测出候选阴影,采用LBP算子结合边缘特征检测方法提取运动目标;最后将LBP算子和边缘特征检测出的前景目标与HSI颜色空间检测出的阴影目标相结合,从而可以检测出实际阴影区域,去除阴影即可得到真实的前景运动目标.仿真实验结果表明,本文算法可以有效去除视频中运动车辆的阴影,具有良好的准确性和鲁棒性.(本文来源于《郑州大学学报(工学版)》期刊2019年06期）
王志林,冉盈盈[3]（2019）在《遥感影像去除云阴影的高山区冰湖信息提取方法》一文中研究指出利用光学影像提取高山区的冰湖信息时,云阴影和地形阴影是影响冰湖信息提取精度的重要误差源。为减少这一影响,本文提出并实验了一种利用水体指数法提取冰湖信息,利用光谱夹角阈值法、DEM生成的坡度图及地形晕渲图分别消除云阴影、地形阴影的综合方法。将论文算法在两幅存在云阴影和地形阴影的TM影像上进行了实验验证,实验结果表明,本文的方法能够有效消除云阴影和地形阴影对冰湖信息的影响,提高了光学影像的利用率,改善了冰湖信息提取的精度。(本文来源于《北京测绘》期刊2019年10期）
梁永侦,潘斌,郭小明,梁媛[4]（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）
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）
方岚,于凤芹[6]（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[7]（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）
梁磊,刘怀,梁秦嘉,董春燕[8]（2019）在《灰度序列图像中结合互相关法与梯度特征的阴影去除算法》一文中研究指出在视频监控场景下的目标检测中,运动的阴影会对所检测目标的准确性造成不利影响.为了去除运动阴影的干扰,提出了一种结合灰度比值的四方向梯度与归一化互相关(NCC)特征的阴影去除算法.首先在灰度序列图像中计算前景与其对应背景灰度的比值;其次根据阴影区域的相邻像素灰度比值变化改变很小,通过计算灰度比值的四方向梯度均值来判断阴影并加以去除;最后为了避免运动目标被误去除,考虑到运动目标与背景的相关性差异远远大于阴影与背景之间的相关性差异,结合归一化互相关特征来保留目标,以确保运动目标的完整性.定性和定量的实验结果分析表明,该算法在阴影去除率和保持目标完整性方面优于其他阴影去除算法.(本文来源于《南京师范大学学报(工程技术版)》期刊2019年02期）
郑伟[9]（2019）在《基于残差神经网络的图像阴影去除方法》一文中研究指出图像阴影的去除是一个极具挑战性的任务,它需要研究者在检测图像中阴影的同时充分理解周边场景的语义。大部分去阴影的方法首先定位阴影区域,然后利用重建算法去除本影和半影。然而,想要精准的检测出阴影区域是一个非常困难的任务。基于物理因素的阴影去除方法,在适应于高质量图像的同时会忽略周边场景的语义信息。基于统计学的阴影去除方法需要人工标注阴影特征,阴影去除的效果很大程度上取决于人工标注阴影区域的精确度。基于深度学习的方法在去阴影等图像处理领域取得了具有竞争力的结果。很多学者基于深度学习方法去除图像中的阴影,并取得了高质量的结果,本文基于深度残差网络训练模型去除单幅图像中的阴影。本文基于深度神经网络,结合基于物理因素的阴影去除方法实现单幅图像去阴影。本文基于残差网络训练模型,残差网络能够有效避免由于网络层数过深出现的梯度弥散和梯度爆炸现象。本文训练的网络模型具有较好的泛化能力,受外界环境的干扰较小。在背景结构复杂,纹理丰富以及非固定光源的情况下依然能取得高质量的去阴影效果。本文提出的方法在公开的数据集以及实验数据集上都可以取得高质量的结果,因此,本文训练的网络能够准确检测出阴影区域并实现去除。(本文来源于《山东工商学院》期刊2019-06-10）
廖斌,谭道强,吴文[10]（2019）在《基于衰减式生成对抗网络的单幅图像阴影去除》一文中研究指出图像中的阴影是投影物体的重要视觉信息,但也会对计算机视觉任务造成影响。现有的单幅图像阴影去除方法因鲁棒阴影特征的缺乏或训练样本数据的不足与误差等原因,无法得到好的阴影去除结果。为了准确生成用于描述阴影区域光照衰减程度的蒙版图像,进而获得高质量的无阴影图像,提出了一种基于衰减式生成对抗网络的单幅图像阴影去除方法。首先,敏感因子引导的衰减器被用来提升训练样本数据,为后续的生成器与判别器提供符合物理光照模型的阴影样本图像。其次,生成器将结合感知损失,并在判别器的督促下得到最终阴影蒙版。与相关研究工作比较,所提方法能有效恢复阴影区域的光照信息,可以得到更为逼真、阴影边界过渡更加自然的无阴影图像。利用客观指标评价阴影去除结果。实验结果表明,该方法能在多个真实场景下有效去除阴影,去阴影结果视觉一致性良好。(本文来源于《计算机应用》期刊2019年09期）
阴影去除论文开题报告
（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：
在交通视频检测中,车辆的阴影常常被误检测为车辆本身,直接影响车辆检测的准确度.笔者提出了一种基于颜色空间、纹理特征及边缘特征相融合的算法,实现了对车辆阴影的检测和去除方法.首先,通过传统的混合高斯方法建立背景模型,并提取前景目标;其次将前景目标在HSI空间通过阈值法检测出候选阴影,采用LBP算子结合边缘特征检测方法提取运动目标;最后将LBP算子和边缘特征检测出的前景目标与HSI颜色空间检测出的阴影目标相结合,从而可以检测出实际阴影区域,去除阴影即可得到真实的前景运动目标.仿真实验结果表明,本文算法可以有效去除视频中运动车辆的阴影,具有良好的准确性和鲁棒性.
（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。
阴影去除论文参考文献
[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].吴国栋,张爱梅,黄晓,姚鹏威.基于多特征融合的运动车辆阴影去除算法[J].郑州大学学报(工学版).2019
[3].王志林,冉盈盈.遥感影像去除云阴影的高山区冰湖信息提取方法[J].北京测绘.2019
[4].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
[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].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
[7].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
[8].梁磊,刘怀,梁秦嘉,董春燕.灰度序列图像中结合互相关法与梯度特征的阴影去除算法[J].南京师范大学学报(工程技术版).2019
[9].郑伟.基于残差神经网络的图像阴影去除方法[D].山东工商学院.2019
[10].廖斌,谭道强,吴文.基于衰减式生成对抗网络的单幅图像阴影去除[J].计算机应用.2019