CN102509278A - 基于Fisher判别准则的光照无关图去阴影方法 - Google Patents

基于Fisher判别准则的光照无关图去阴影方法 Download PDF

Info

Publication number
CN102509278A
CN102509278A CN2011103359474A CN201110335947A CN102509278A CN 102509278 A CN102509278 A CN 102509278A CN 2011103359474 A CN2011103359474 A CN 2011103359474A CN 201110335947 A CN201110335947 A CN 201110335947A CN 102509278 A CN102509278 A CN 102509278A
Authority
CN
China
Prior art keywords
image
illumination
linear
vector
bands
Prior art date
Application number
CN2011103359474A
Other languages
English (en)
Inventor
何文勇
傅利琴
吕智强
肖宇
黄微
Original Assignee
上海大学
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 上海大学 filed Critical 上海大学
Priority to CN2011103359474A priority Critical patent/CN102509278A/zh
Publication of CN102509278A publication Critical patent/CN102509278A/zh

Links

Abstract

本发明涉及一种基于Fisher判别准则的光照无关图去阴影方法。首先,在一幅彩色图像上选取两类样本,利用Fisher判别准则对两类样本进行投影,得到最佳投影方向,进而生成光照无关图;同时,对原始的RGB彩色图像进行灰度化处理,并根据选取的两类样本,利用区域生长法确定出阴影区域,将灰度图像中的非阴影像素点与光照无关图中的对应像素点进行线性拟合,并把光照无关图根据得到的线性关系进行拉伸;最后,将灰度图像分别与、、三个波段图像进行线性拟合,得到三个线性关系,将拉伸后的光照无关图分别根据以上三个线性关系构建出、、波段,进行有次序地整合后,可得到无阴影的彩色图像。该方法操作简单、精度较高,能有效地去除图像中的阴影,对图像阴影去除方法的研究具有重要意义。

Description

基于Fisher判别准则的光照无关图去阴影方法

技术领域

[0001] 本发明涉及一种数字图像处理方法,特别是一种基于Fisher判别准则的光照无关图去阴影方法。

背景技术

[0002] 到目前为止,图像阴影去除方法仍是一个人们较少关注的课题。众所周知,一幅或者多幅图像往往包含了丰富的信息,通过对图像的分析,可以提取出某些重要信息甚至可以将这些信息应用到一定的场合解决某些问题。由于受技术条件的限制,在图像成像过程中,往往会出现降质现象,其中阴影的存在就是在图像成像过程中由成像条件引起的一种降质现象,它使目标反映的信息量有所损失或受到干扰。阴影的存在会将不同物体连在一起,进行图像分割时会产生误分割,以及在暗色调的阴影区域内,一些目标不容易被发现, 很容易导致计算机无法跟踪到目标,等等。因此,在很大程度上,阴影的存在会严重影响目标的分割、跟踪与识别。要对图像进行处理,首先必须去除图像中的阴影,为后续分析和处理操作提供方便。

[0003] 本发明基于Fisher判别准则获取光照无关图,通过利用光照无关图与原始灰度图像之间的线性关系,重构彩色无阴影图像。

发明内容

[0004] 本发明的目的在于针对已有技术存在的问题,提供一种基于Fisher判别准则的光照无关图去阴影方法,能有效去图像中的阴影,消除阴影对图像的影响。

[0005] 为达到上述发明目的,本发明的构思是:

本发明基于Fisher判别准则获取光照无关图,根据灰度图像与光照无关图之间、灰度图像与原始彩色图像的 R、G、B

三个波段图像之间的线性关系,重构彩色无阴影图像。

[0006] 根据上述的发明构思,本发明采用下述技术方案: 一种基于光照无关图的图像去阴影方法,其特征在于:

首先,在一幅彩色图像上选取两类样本,利用Fisher判别准则对两类样本进行投影, 得到最佳投影方向,进而生成光照无关图;同时,对原始的似忍彩色图像进行灰度化处理, 并根据选取的两类样本,利用区域生长法确定出阴影区域,将灰度图像中的非阴影像素点与光照无关图中的对应像素点进行线性拟合,并将光照无关图根据得到的线性关系进行拉伸。最后,将灰度图像分别与及、G、5三个波段图像进行线性拟合,得到三个线性关系,拉伸后的光照无关图分别根据以上三个线性关系构建出R、G、B波段,进行有次序地整合后,可得到无阴影的彩色图像。

[0007] 其具体操作步骤如下:

(1)在原始似忍彩色图像中选取两个样本,其中,同一物体表面上分别选取的阴影与非阴影像素点归为一个样本;(2)计算两个样本中像素点的对数色度波段比向量P ;

(3)利用Fisher判别准则对得到的对数色度波段比向量“进行投影,计算得到最佳投影向量<»_,根据该向量方向即可得到光照无关图/ ,

(4)对原始似忍彩色影像进行灰度化处理,得到灰度图像σ ;

(5)利用选取的样本点,结合区域生长方法,将灰度图像G中的阴影区域标记出来,其像素值设为0 ;

(6)不考虑阴影区域的像素点,将灰度图像G中与光照无关图J中的非阴影像素点进行最小二乘法线性拟合,得到最佳拟合线性关系,利用该线性关系,将光照无关图/进行线性拉伸,得到与灰度图像相匹配的光照无关图// ;

(7)根据步骤(6)中的线性拟合方法,分别提取出灰度四像一与原始图像、G、B三个波段的线性关系,将它们应用到步骤(6)中拟合得到的光照无关图//,分别得到三个波段;

(8)将上述得到的三个波段进行有次序地整合后输出,即可得到无阴影彩色图像。 [0008] 以上所述步骤(2 )中的计算两个样本像素点的对数色度波段比向量Zj的计算方法如下:

色度波段比向量C计算公式为:

Figure CN102509278AD00061

式中,^/lli^ 为每个像素点的似忍分量的几何平均值,ρ分别为

Figure CN102509278AD00062

波段向量,Cm分别为R、G、B三个波段向量对应的色度波段比向量; 对数色度波段比向量P的计算公式为:

Figure CN102509278AD00063

式中,/I分别为Λ、G、β三个波段向量对应的对数色度波段比向量。 [0009] 所述步骤(3)中的利用Fisher判别准则对得到的二维对数色度值进行投影,计算得到最佳投影向量,得到光照无关图j,其计算公式如下:

Figure CN102509278AD00064

式中,^、μ分别为两类样本的均值,&为总类内散布矩阵,

Figure CN102509278AD00071

其中,〜为样本个数,χ为样本值,Di为样本空间, 气’ =+ + A (5)

其中,巧、&分别为两类样本的类内散布矩阵,

Figure CN102509278AD00072

由于得到的对数色度波段比向量,是三维的,需要进行降维处理,如下所示: χ 三 Up (7)

其中力2 3的正交矩阵、力3 χ 1的对数色度波段比向量,Z为降维后的2 1的二维向量,

Figure CN102509278AD00073

当得到最佳投影向量后,最佳投影角^^也即确定,则光照无关Θ由下式确定: / = JTl cosOwpt 十 Z2 sin Owpt O)

其中,H为Z二维向量中的两个元素。

[0010] 所述步骤(4)中的对原始似忍彩色影像进行灰度化处理,得到灰度图像σ,其计算公式如下:

G = 0.2989 X R + 0.5870 χ G + 0.1140 χ B (ίο) 其中,σ为灰度图像,r、G、B分别为每个像素点的红、绿、蓝三个波段。

[0011] 所述步骤(6)中的将灰度图像σ中与光照无关图/中的非阴影像素点进行最小二乘法线性拟合,得到最佳拟合线性关系,利用该线性关系,将光照无关图/进行线性拉伸, 得到与灰度图像相匹配的光照无关图//,其计算公式如下:

设灰度图像σ与光照无关图/之间,各像素点满足以下线性关系:

y - a + bx (ίο

其中,λ: V分别为光照无关图/和灰度图像中的各像素点,a、£>分别为该线性关系的截距和斜本,须由以下公式确定:其中,Xi、力分别为光照无关图j和灰度图像σ中的非阴影像素点,χ、J分别为均值,ω为非阴影区域。

[0012] 根据以上计算得到的线性关系,对光照无关图/进行线性拉伸,得到与灰度图相匹配的光照无关图// :

Figure CN102509278AD00081

其中,/为原始光照无关图中的每个像素点,//为经线性拟合后与灰度图像σ相匹配的光照无关图中的对应像素点。

[0013] 本项发明与现有技术相比所具有的优点与积极效果为:

1、该方法能较好地去除图像中的阴影,得到效果较好的彩色无阴影图像。

[0014] 2、该方法操作简单,快速。利用Fisher判别准则可有效且准确地找到光照无关图,摆脱了耗时而又不精确的遍历算法;利用最小二乘法线性拟合,可直接利用图像间直接的线性关系,进行无阴影图像修复,操作方便,然而精度较高。

附图说明

[0015] 图1为本发明基于Fisher判别准则的光照无关图去阴影方法流程图。

[0016] 图2为本发明的原始/?你彩色图像。

[0017] 图3为本发明的光照无关图。

[0018] 图4为本发明的灰度图像。

[0019] 图5为本发明的阴影区域图像。

[0020] 图6为本发明的线性拟合后的光照无关图。

[0021] 图7为本发明的无阴影彩色图像。

具体实施方式

[0022] 本发明优选实施例结合附图具体详细说明如下:

本发明的实施例选用传感器拍摄的彩色自然图像,对其进行去阴影操作。

[0023] 参见图2,其为本实施所要处理的原始似忍彩色图像。

[0024] 参见图1,本基于Fisher判别准则的光照无关图去阴影方法的操作步骤如下:

(1)在原始似忍彩色图像中选取两个样本,其中,同一物体表面上分别选取的阴影与非阴影像素点归为一个样本;

(2)计算两个样本中像素点的对数色度波段比向量 其计算公式如下:色度波段比向量^;计算公式为:

Figure CN102509278AD00091

式中,[足为每个像素点的似忍分量的几何平均值,分别为、1、三个波 Vi-I ‘ 1Sn RUB

段向量,‘分别为Λ、σ、5三个波段向量对应的色度波段比向量; 对数色度波段比向量P的计算公式为: pm = log(cm), m = R,G,B (2)

式中,/L分别为R、G、B三个波段向量对应的对数色度波段比向量。 [0025] (3 )利用Fi sher判别准则对得到的对数色度波段比向量P进行投影,计算得到最佳投影向量®_,根据该向量方向即可得到光照无关S/如图3所示,其计算公式如下:

Figure CN102509278AD00092

式中,/I1、/12分别为两类样本的均值,Sw为总类内散布矩阵, 1

Figure CN102509278AD00093

其中,〜为样本个数,χ为样本值,A为样本空间,

其中,Si ,S2分别为两类样本的类内散布矩阵,

由于得到的对数色度波段比向量”是三维的,需要进行降维处理,如下所示: X=Up (7)

其中,t/为2 3的正交矩阵,P为3 1的对数色度波段比向量,;T为降维后的2 1 的二维向量,

Figure CN102509278AD00094

当得到最佳投影向量后,最佳投影角錢_也即确定,则光照无关四,由下式确定:

Figure CN102509278AD00101

其中,Zi、Z2为义二维向量中的两个元素。

[0026] (4) 对原始似忍彩色影像进行灰度化处理,得到灰度四像如图4所示, 其计算公式如下:

G = 0.2989xie f 0.5870χG f 0.1140x5 (ίο)

其中,G为灰度图像,R、G、B分别为每个像素点的红、绿、蓝三个波段。

[0027] (5)利用选取的样本点,结合区域生长方法,将灰度图像σ中的阴影区域标记出来,其像素值设为0,如图5所示;

(6)不考虑阴影区域的像素点,将灰度图像σ中与光照无关图/中的非阴影像素点进行最小二乘法线性拟合,得到最佳拟合线性关系,利用该线性关系,将光照无关图/进行线性拉伸,得到与灰度图像相匹配的光照无关四.,如图6所示,其计算公式如下: 设灰度图像σ与光照无关图Z之间,各像素点满足以下线性关系:

y = a + bx (ίο

其中,X、y为光照无关四^和灰度图像σ中的各像素点,a、b分别为该线性关系的截距和斜率,须由以下公式确定:

a - V - DX (13)

其中,JCi、Ji分别为光照无关图z和灰度图像σ中的非阴影像素点,J、y分别为均值,Ω为非阴影区域。

[0028] 根据以上计算得到的线性关系,对光照无关图/进行线性拉伸,得到与灰度图相匹配的光照无关图// :

ZZ = α i hi (14)

其中,i为原始光照无关图中的每个像素点,//为经线性拟合后与灰度图像σ相匹配的光照无关图中的对应像素点。

[0029] (7)根据步骤(6)中的线性拟合方法,分别提取出灰度图像“与原始图像i?、G、 ‘三个波段的线性关系,将它们应用到步骤(6)中拟合得到的光照无关Θ 分别得到三个波段;

(8)将上述得到的三个波段进行有次序地整合后输出,即可得到无阴影彩色图像,如图 7所示。

[0030] 实例与讨论

本实施例处理结果如图3、图7所示。由Fisher判别准则可精确地找到光照无关图,将光照无关图与灰度图像中的非阴影点进行最小二次方线性拟合,使其与灰度图像相匹配, 利用灰度图像分别与R、G、B三波段的线性关系,能构造出三个波段,经过依次组合,得到无阴影的彩色图像,如图7所示,图像中的阴影完全被去除,恢复的阴影图像效果较好,达到了去阴影的要求。

Claims (5)

1. 一种基于Fisher判别准则的光照无关图去阴影方法,其特征在于,具体步骤如下: 在原始彩色图像中选取两个样本,其中,同一物体表面上分别选取的阴影与非阴影像素点归为一个样本;计算两个样本中像素点的对数色度波段比向量利用Fisher判别准则对得到的对数色度波段比向量P进行投影,计算得到最佳投影向,根据该向量方向即可得到光照无关图/ ;对原始RGB彩色影像进行灰度化处理,得到灰度图像G ;利用选取的样本点,结合区域生长方法,将灰度图像G中的阴影区域标记出来,其像素值设为0 ;不考虑阴影区域的像素点,将灰度图像σ中与光照无关图/中的非阴影像素点进行最小二乘法线性拟合,得到最佳拟合线性关系,利用该线性关系,将光照无关图/进行线性拉伸,得到与灰度图像相匹配的光照无关图// ;根据步骤(6)中的线性拟合方法,分别提取出灰度图像σ与原始图像J?、G、5三个波段的线性关系,将它们应用到步骤(6)中拟合得到的光照无关四Γ,分别得到三个波段; 将上述得到的三个波段进行有次序地整合后输出,即可得到无阴影彩色图像。
2.根据权利要求1所述的基于Fisher判别准则的光照无关图去阴影方法,其特征在于所述步骤(2)中的计算两个样本像素点的对数色度波段比向量P的计算方法如下:色度波段比向量计算公式为:
Figure CN102509278AC00021
式中,3Jn i?;为每个像素点的似忍分量的几何平均值,R分别为三个波 段向量,eM分别为JJ、σ、5Η个波段向量对应的色度波段比向量; 对数色度波段比向量P的计算公式为:式中P分别为Λ、σ、J三个波段向量对应的对数色度波段比向量。
3.根据权利要求1所述的基于Fisher判别准则的光照无关图去阴影方法,其特征在于所述步骤(3)中的利用Fisher判别准则对得到的二维对数色度值进行投影,计算得到最佳投影向,得到光照无关图/,其计算公式如下:
Figure CN102509278AC00022
式中,/I1、μΊ分别为两类样本的均值,<s-w为总类内散布矩阵,
Figure CN102509278AC00031
其中,Ili为样本个数,:为样本值^为样本空间,
Figure CN102509278AC00032
其中,巧、&分别为两类样本的类内散布矩阵, 6 = Σ(Χ —片)(Χ — ^ )7 έ = 1'2 (6)由于得到的对数色度波段比向量沪是三维的,需要进行降维处理,如下所示: χ - Up (7)其中,t/为2 3的正交矩阵,JO为3 1的对数色度波段比向量Ϊ力降维后的2 1的二维向量, 当得到最佳投影向量后,最佳投影角即为其方向角,则光照无关四由下式确定:
Figure CN102509278AC00033
其中,JTi、Z2为JT 二维向量中的两个元素。
4.根据权利要求1所述的基于Fisher判别准则的光照无关图去阴影方法,其特征在于所述步骤(4)中的对原始RGB彩色影像进行灰度化处理,得到灰度图像G,其计算公式如下:G = 0.2989xR+ 0.5870xG十 0.1140x5 (ίο)其中,G为灰度图像,R、G、B分别为每个像素点的红、绿、蓝三个波段。
5.根据权利要求1所述的基于Fisher判别准则的光照无关图去阴影方法,其特征在于所述步骤(6)中的将灰度图像σ中与光照无关图/中的非阴影像素点进行线性拟合,得到最佳拟合线性关系,利用该线性关系,将光照无关图/进行线性拉伸,得到与灰度图像相匹配的光照无关图//,其计算公式如下:设灰度图像σ与光照无关四ι ζ间,各像素点满足以下线性关系:
Figure CN102509278AC00041
其中,χ、^分别为光照无关图/和灰度图像σ中的各像素点,α、■&分别为该线性关系的截距和斜率,须由以下公式确定:
Figure CN102509278AC00042
其中,~、力分别为光照无关图j和灰度图像σ中的非阴影像素点,ι、ν分别为均值—力非阴影区域;根据以上计算得到的线性关系,对光照无关图/进行线性拉伸,得到与灰度图相匹配的光照无关图:
Figure CN102509278AC00043
其中,/为原始光照无关图中的每个像素点,//为经线性拟合后与灰度图像σ相匹配的光照无关图中的对应像素点。
CN2011103359474A 2011-10-31 2011-10-31 基于Fisher判别准则的光照无关图去阴影方法 CN102509278A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2011103359474A CN102509278A (zh) 2011-10-31 2011-10-31 基于Fisher判别准则的光照无关图去阴影方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2011103359474A CN102509278A (zh) 2011-10-31 2011-10-31 基于Fisher判别准则的光照无关图去阴影方法

Publications (1)

Publication Number Publication Date
CN102509278A true CN102509278A (zh) 2012-06-20

Family

ID=46221356

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2011103359474A CN102509278A (zh) 2011-10-31 2011-10-31 基于Fisher判别准则的光照无关图去阴影方法

Country Status (1)

Country Link
CN (1) CN102509278A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106296666A (zh) * 2016-08-01 2017-01-04 北京大学深圳研究生院 一种彩色图像去阴影方法和应用

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101339659A (zh) * 2008-08-22 2009-01-07 北京矿冶研究总院 基于规则的区域生长图像分割方法
CN101364304A (zh) * 2008-09-25 2009-02-11 上海交通大学 基于颜色不变性和高斯模型的阴影检测方法
JP2009031939A (ja) * 2007-07-25 2009-02-12 Advanced Telecommunication Research Institute International 画像処理装置、画像処理方法及び画像処理プログラム
CN101739560A (zh) * 2009-12-16 2010-06-16 东南大学 基于边缘和骨架信息的车辆阴影消除方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009031939A (ja) * 2007-07-25 2009-02-12 Advanced Telecommunication Research Institute International 画像処理装置、画像処理方法及び画像処理プログラム
CN101339659A (zh) * 2008-08-22 2009-01-07 北京矿冶研究总院 基于规则的区域生长图像分割方法
CN101364304A (zh) * 2008-09-25 2009-02-11 上海交通大学 基于颜色不变性和高斯模型的阴影检测方法
CN101739560A (zh) * 2009-12-16 2010-06-16 东南大学 基于边缘和骨架信息的车辆阴影消除方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106296666A (zh) * 2016-08-01 2017-01-04 北京大学深圳研究生院 一种彩色图像去阴影方法和应用
CN106296666B (zh) * 2016-08-01 2019-03-01 北京大学深圳研究生院 一种彩色图像去阴影方法和应用

Similar Documents

Publication Publication Date Title
DE112010003988B4 (de) Verfahren und System zur Transformation eines digitalen Bildes von einem Bild mitniedrigem Dynamikumfang (Low Dynamic Range, LDR) in ein Bild mit hohem Dynamikumfang (High Dynamic Range, HDR)
Schettini et al. Underwater image processing: state of the art of restoration and image enhancement methods
US6674915B1 (en) Descriptors adjustment when using steerable pyramid to extract features for content based search
Wu et al. Natural shadow matting
Patel et al. Fruit detection using improved multiple features based algorithm
Cao et al. Illumination invariant extraction for face recognition using neighboring wavelet coefficients
Lin et al. Separation of diffuse and specular reflection in color images
Tian et al. Tricolor attenuation model for shadow detection
CN101783012A (zh) 一种基于暗原色的自动图像去雾方法
Nalpantidis et al. Stereo vision for robotic applications in the presence of non-ideal lighting conditions
CN102722891A (zh) 一种图像显著度检测的方法
Xu et al. Shadow removal from a single image
US20090304243A1 (en) Image processing system and methods for aligning skin features for early skin cancer detection systems
Abbas et al. Lesion border detection in dermoscopy images using dynamic programming
Zhang et al. Underwater image enhancement via extended multi-scale Retinex
FR2832528A1 (fr) Determination d&#39;un illuminant d&#39;une image numerique en couleur par segmentation et filtrage
Sreedhar et al. Enhancement of images using morphological transformation
Bugeau et al. Variational exemplar-based image colorization
Ma et al. Shadow segmentation and compensation in high resolution satellite images
Wang et al. A fast multi-scale retinex algorithm for color image enhancement
Prabhakar et al. An image based technique for enhancement of underwater images
US7751639B1 (en) Obtaining intrinsic images
CN102779330A (zh) 图像增强方法、图像增强装置和显示装置
CN105096259B (zh) 深度图像的深度值恢复方法和系统
Li et al. Image enhancement based on Retinex and lightness decomposition

Legal Events

Date Code Title Description
C06 Publication
C10 Entry into substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)