CN107146210A - 一种基于图像处理的检测去除阴影方法 - Google Patents
一种基于图像处理的检测去除阴影方法 Download PDFInfo
- Publication number
- CN107146210A CN107146210A CN201710310641.0A CN201710310641A CN107146210A CN 107146210 A CN107146210 A CN 107146210A CN 201710310641 A CN201710310641 A CN 201710310641A CN 107146210 A CN107146210 A CN 107146210A
- Authority
- CN
- China
- Prior art keywords
- shadow
- pixel
- shade
- region
- image
- Prior art date
- Legal status (The legal status 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 status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000012545 processing Methods 0.000 title claims abstract description 13
- 238000001514 detection method Methods 0.000 claims abstract description 37
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 2
- 238000012935 Averaging Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 claims 1
- 238000012360 testing method Methods 0.000 claims 1
- 238000005286 illumination Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于图像处理的检测去除阴影方法，包括如下步骤：(1)完成运动前景检测，并且每一帧的参考背景图像也已经获得；(2)候选阴影区域的确定，根据亮度及色彩特征来确定待选的阴影；(3)采用区域纹理不变性在区域级水平上去除误检的阴影区域。本发明的一种基于图像处理的检测去除阴影方法，几乎能够完全的检测出运动阴影，色彩比与纹理恒定性特征在运动阴影和前景目标之间提供一个较好的辨别力，在室内、室外场景中的阴影检测性能很好。
Description
技术领域
本发明涉及基于图像处理的检测去除阴影方法，属于图像处理领域。
背景技术
智能视频监控作为监控行业的研究前沿，不管在民用还是军事领域都具有极大的应用前景，是产业界和管理部门高度重视的话题，也是学术界研究的热点。其中，运动前景检测是视频检测中信息提取的基础，智能交通、船舶监测识别以及安防监控系统等应用都建立在准确的运动前景检测技术之上，然而，阴影在视频检测中是普遍存在的，在运动前景检测中，运动前景的投射阴影不仅与运动前景一样拥有与背景显著区别的视觉特征，还与关联的运动前景具有相同的运动特征，由于阴影的这些属性，很多运动前景检测方法都无法有效地区分运动前景和它的阴影，阴影的存在常常对正确分割运动前景产生很大的障碍，比如会导致前景物体形状的扭曲或大小的改变、前景目标合并、前景目标丢失等问题，直接影响视频检测的后期处理，如目标分类、跟踪、行为分析等过程，也严重影响了视频监控系统中目标尺寸、监控区域流量等参数分析以及异常事件检测的准确性。因此，在视频监控系统，运动前景检测方法提取出的前景像素点还需进行有效地阴影检测与剔除，以准确的检测运动前景。
发明内容
发明目的：为了克服现有技术中存在的不足，本发明提供一种基于图像处理的检测去除阴影方法，几乎能够完全的检测出运动阴影，色彩比与纹理恒定性特征在运动阴影和前景目标之间提供一个较好的辨别力，在室内、室外场景中的阴影检测性能很好。
技术方案：为实现上述目的，本发明的基于图像处理的检测去除阴影方法，包括如下步骤：
(1)完成运动前景检测，并且每一帧的参考背景图像也已经获得；
(2)候选阴影区域的确定，根据亮度及色彩特征来确定待选的阴影；
(3)采用区域纹理不变性在区域级水平上去除误检的阴影区域。
作为优选，所述步骤(2)中阴影区域的确定，通过以下方法确定：根据低亮度是阴影的重要特征之一，针对那些亮度值低于对应背景亮度值的像素，且这些低亮度的像素是通过比较RGB三分量亮度值的大小来确定，设定像素点为x，如果像素在当前帧I(x) 的红、绿、蓝任一分量上的值大于相应背景B(x)的色彩分量值，则该像素必定不是阴影，反之则该像素点为阴影，阴影处像素点集合命名为M1，这样可以确定待选的阴影。
作为优选，对阴影处像素点集合M1，根据同一个像素点的红、绿、蓝三色分量之间的光强比具有光照不变性，可用来对待选阴影像素进行判断，Ii(x)为当前帧中像素点x在RGB分量之间的比值，i＝R/G、G/B、R/B，Bi(x)为背景图像中像素点x在RGB分量之间的比值，设定比例fi(x)＝Ii(x)/Bi(x)，理想下fi(x)＝μi(x)＝1，其中μi(x)为恒定参考值，即是满足|fi(x)-μi(x)|<λ∧M1(x)＝1的点才是真正待选阴影，把这步选处理的阴影命名为M2，其中λ为一个很小的值，取0.1。
作为优选，所述步骤(3)包含以下步骤：
(31)得到确定待选的阴影后，利用边缘信息来对步骤二得到的阴影区域分割，用Canny算子提取当前帧图像和对应背景图像的边缘Canny_I、Canny_B，令Edgediff＝Canny_I-Canny_B，去除阴影区域中Edgediff边缘像素。
(32)结合了颜色和梯度信息，采用区域纹理不变性在区域级水平上去除误检的阴影区域；
(33)根据阴影和运动前景的几何性质，利用像素之间的空间局部一致性对检测结果进行校正，以得到精细的阴影区域。
作为优选，所述步骤(32)具体做法为：将当前图像中比背景颜色深的像素作为候选阴影提取出来，然后利用k均值算法对得到的像素进行聚类，并进行区域分割和合并，实现候选阴影区域的分割Sri，i＝1…N，最后计算每个子区域SRi中像素与相应背景像素的梯度方向夹角，其中GIh、GIv为当前帧图像中连通域内像素点的平均水平梯度和垂直梯度，GBh、GBv为相应背景点的水平梯度和垂直梯度，按照筛选标准进 一步获得阴影信息，其中，n为SRi中像素点的个数，τa为阈值，δ(·)为Kronecker delta函数，当Δθp小于τa时，认为该点为阴影点，而当SRi中所有满足Δθp<τa的点所占比例超过75％时，认为该点为阴影区域，否则为前景区域。
作为优选，所述步骤(33)具体做法为：对先前检测到的前景目标和运动阴影分别使用一个填充算法flood-fill来实现对被运动阴影(前景目标)所包围的小面积前景目标(运动阴影)进行区域填充，并进行形态学的边缘膨胀得到最后的阴影区域。
在本发明中，从阴影光学模型的出发，在分析运动前景阴影区域的亮度、色彩和纹理特性的基础上，提出了基于色彩比和纹理不变性的运动阴影检测，使用颜色特征和纹理特征作为阴影和运动前景的分类特征，可以弥补单一特征在阴影检测中的不足，实现阴影和前景的分类，完成阴影的检测与剔除，实现准确的运动前景的提取，为后续的图像分析处理提供有力支撑。
附图说明
图1为场景光照示意图。
图2为主要检测去除步骤。
具体实施方式
下面结合附图对本发明作更进一步的说明。
如图1和图2所示，本发明公开了一种基于图像处理的检测去除阴影的方法，包括以下步骤：
步骤一，用任何现有方法完成运动前景检测，并且每一帧的参考背景图像也已经获得；
步骤二，候选阴影区域的确定，根据亮度及色彩特征来确定待选的阴影，分为两小步，先根据低亮度是阴影的重要特征之一，针对那些亮度值低于对应背景亮度值的像素，且这些低亮度的像素是通过比较RGB三分量亮度值的大小来确定，如果像素在当前帧I(x)的红、绿、蓝任一分量上的值大于相应背景B(x)的色彩分量值，则该像素必定不是阴影，反之则该像素点为阴影，这样可以确定待选的阴影，将这些像素点集合命名为M1。然后，对M1，根据同一个像素点的红、绿、蓝三色分量之间的光强比具有光照不变性，可用来对待选阴影像素进行判断。设定像素点为x，Ii(x)(i＝R/G、G/B、R/B)为当前帧中像素点x在RGB分量之间的比值，Bi(x)(i＝R/G、G/B、R/B)为背景图像中像素 点x在RGB分量之间的比值，设定比例fi(x)＝Ii(x)/Bi(x)，理想下fi(x)＝μi(x)＝1，其中μi(x)为恒定参考值，即是满足|fi(x)-μi(x)|<λ∧M1(x)＝1的点才是真正待选阴影，其中∧为取交集的含义，把这步选处理的阴影命名为M2，其中λ为一个很小的值，取0.1；
步骤三，采用区域纹理不变性在区域级水平上去除误检的阴影区域，分为三小步，得到M2后，利用边缘信息来对步骤二得到的阴影区域分割，用Canny算子提取当前帧图像和对应背景图像的边缘Canny_I、Canny_B，令Edgediff＝Canny_I-Canny_B，去除M2中Edgediff边缘像素。然后，结合了颜色和梯度信息，采用区域纹理不变性在区域级水平上去除误检的阴影区域，因为阴影区域的纹理则与相应背景区域的纹理相同。具体做法是将当前图像中比背景颜色深的像素作为候选阴影提取出来，然后利用k均值算法对得到的像素进行聚类，并进行区域分割和合并，实现候选阴影区域的分割SRi(i＝1…N)，最后计算每个子区域SRi中像素与相应背景像素的梯度方向夹角，其中GIh、GIv为当前帧图像中连通域内像素点的平均水平梯度和垂直梯度，GBh、GBv为相应背景点的水平梯度和垂直梯度，按照筛选标准进一步获得阴影信息，其中，n为SRi中像素点的个数，τa为阈值，δ(·)为Kronecker delta函数，当Δθp小于τa时，认为该点为阴影点，而当SRi中所有满足Δθp<τa的点所占比例超过75％时，认为该点为阴影区域，否则为前景区域；最后还要根据们根据阴影和运动前景的几何性质，利用像素之间的空间局部一致性对检测结果进行校正，以得到精细的阴影检测结果，具体做法是我们通过对先前步骤检测到的前景目标和运动阴影分别使用一个填充算法(flood-fill)来实现对被运动阴影(前景目标)所包围的小面积前景目标(运动阴影)进行区域填充，并进行形态学的边缘膨胀得到最后的阴影区域。
最后，用之前步骤一获得的运动前景减去阴影区域，就是所需的结果。
本实例中，在室外、室内场景中，运动前景目标中无误检阴影，而场景中阴影也基本被检测出，文中算法能对运动阴影和前景目标具有较好的判别能力。
本实例中，能得到较高的阴影检测率和阴影分辨率，相较于传统的阴影检测算法，具有较大的优势。从实验结果给出的可以看出，该算法的结果更准确合理。
本发明提供了一种基于图像处理的阴影检测去除方法，应当指出，实现该图像处理的编程语言和运行平台，以及获取图像的设备及其型号等硬件设施不对本专利构成限制；步骤一中所涉及的运动前景获得方式不对本专利构成限制，可以采用任何现有算法。应当指出，对于本技术领域的普通人员来说，在不脱离发明原理的前提下做出的任何同等替换和改进，都应视为本发明的保护范围。另外，本实例中未明确的各组成部分均可用现有技术加以实现。在阴影的光学模型基础上，分析阴影的色彩比和纹理特征，结合色彩和纹理特征在阴影检测中的优势，提出了一种基于色彩比和纹理不变性的阴影检测方法，并在在纹理处理前加入K均值算法来先分类各待检区域，这样能保证最后检测到最准确的阴影。之所以采用光照角度来作为筛选条件，是为了提高本发明中算法的鲁棒性，能适应各种不同的光照条件以及不同色彩特征的阴影，即不论各部分相对的光照变化导致的亮度变化，还是因为倒影物本体的色彩不同，都能用本发明的方法来检测阴影。首先在像素级利用亮度变化特性和色彩比恒定性进行初步检测，然后在区域级利用纹理不变性进行去错处理，二者结合可以更加准确有效地检测出运动阴影。其中，色彩比恒定性检测直接在RGB色彩空间中进行，相对于传统方法减少了算法参数，增强了实用性；纹理不变性检测根据梯度方向角不受光照变化而变化的启发，设计了一个指标量化纹理相似性，进而统计候选阴影区域内强纹理相似像素的比例，相对于传统方法通过整个区域的纹理相似计算更见准确合理。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (6)
1.一种基于图像处理的检测去除阴影方法，其特征在于，包括如下步骤：
(1)完成运动前景检测，并且每一帧的参考背景图像也已经获得；
(2)候选阴影区域的确定，根据亮度及色彩特征来确定待选的阴影；
(3)采用区域纹理不变性在区域级水平上去除误检的阴影区域。
2.根据权利要求1所述的基于图像处理的检测去除阴影方法，其特征在于：所述步骤(2)中阴影区域的确定，通过以下方法确定：设定像素点为x，如果像素在当前帧I(x)的红、绿、蓝任一分量上的值大于相应背景B(x)的色彩分量值，则该像素必定不是阴影，反之则该像素点为阴影，阴影处像素点集合命名为M1。
3.根据权利要求2所述的基于图像处理的检测去除阴影方法，其特征在于：对阴影处像素点集合M1，Ii(x)为当前帧中像素点x在RGB分量之间的比值，i＝R/G、G/B、R/B，Bi(x)为背景图像中像素点x在RGB分量之间的比值，设定比例fi(x)＝Ii(x)/Bi(x)，其中μi(x)为恒定参考值，即满足|fi(x)-μi(x)|<λ∧M1(x)＝1的点才是真正待选阴影，处理的阴影集合命名为M2，其中λ取0.1。
4.根据权利要求1所述的基于图像处理的检测去除阴影方法，其特征在于：所述步骤(3)包含以下步骤：
(31)得到确定待选的阴影后，利用边缘信息来对步骤二得到的阴影区域分割，用Canny算子提取当前帧图像和对应背景图像的边缘Canny_I、Canny_B，令Edgediff＝Canny_I-Canny_B，去除阴影区域中Edgediff边缘像素。
(32)结合了颜色和梯度信息，采用区域纹理不变性在区域级水平上去除误检的阴影区域,很多现有文章里面采用了ILT,LBP算子，而本发明并未使用，因为本发明最早的应用于船联网，前俩方法效果不如本发明，而且去误检前先用K均值法分类检测出的阴影区域；
(33)根据阴影和运动前景的几何性质，利用像素之间的空间局部一致性对检测结果进行校正，以得到精细的阴影区域。
5.根据权利要求4所述的基于图像处理的检测去除阴影方法，其特征在于：所述步骤(32)具体做法为：将当前图像中比背景颜色深的像素作为候选阴影提取出来，然后利用k均值算法对得到的像素进行聚类，并进行区域分割和合并，实现候选阴影区域的分割Sri，i＝1…N，最后计算每个子区域SRi中像素与相应背景像素的梯度方向夹角，其中GIh、GIv为当前帧图像中连通域内像素点的平均水平梯度和垂直梯度，GBh、GBv为相应背景点的水平梯度和垂直梯度，按照筛选标准进一步获得阴影信息，其中，n为SRi中像素点的个数，τa为阈值，δ(·)为Kronecker delta函数，当Δθp小于τa时，认为该点为阴影点，而当SRi中所有满足Δθp<τa的点所占比例超过75％时，认为该点为阴影区域，否则为前景区域。
6.根据权利要求4所述的基于图像处理的检测去除阴影方法，其特征在于：所述步骤(33)具体做法为：对先前检测到的前景目标和运动阴影分别使用一个填充算法flood-fill来实现对被运动阴影所包围的小面积前景目标进行区域填充，并进行形态学的边缘膨胀得到最后的阴影区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710310641.0A CN107146210A (zh) | 2017-05-05 | 2017-05-05 | 一种基于图像处理的检测去除阴影方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710310641.0A CN107146210A (zh) | 2017-05-05 | 2017-05-05 | 一种基于图像处理的检测去除阴影方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107146210A true CN107146210A (zh) | 2017-09-08 |
Family
ID=59776799
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710310641.0A Pending CN107146210A (zh) | 2017-05-05 | 2017-05-05 | 一种基于图像处理的检测去除阴影方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107146210A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107767390A (zh) * | 2017-10-20 | 2018-03-06 | 苏州科达科技股份有限公司 | 监控视频图像的阴影检测方法及其系统、阴影去除方法 |
| CN107945106A (zh) * | 2017-11-30 | 2018-04-20 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
| CN109035271A (zh) * | 2018-07-19 | 2018-12-18 | 迈克医疗电子有限公司 | 图像分割方法和装置、分析仪器和存储介质 |
| CN110516528A (zh) * | 2019-07-08 | 2019-11-29 | 杭州电子科技大学 | 一种基于运动背景下的动目标检测和跟踪方法 |
| CN111080554A (zh) * | 2019-12-20 | 2020-04-28 | 成都极米科技股份有限公司 | 一种投影内容中字幕区域增强方法、装置及可读存储介质 |
| CN111339996A (zh) * | 2020-03-20 | 2020-06-26 | 北京百度网讯科技有限公司 | 静态障碍物的检测方法、装置、设备及存储介质 |
| CN113628153A (zh) * | 2020-04-22 | 2021-11-09 | 北京京东乾石科技有限公司 | 阴影区域检测的方法和装置 |
| WO2023280080A1 (zh) * | 2021-07-07 | 2023-01-12 | 同方威视技术股份有限公司 | 阴影消除装置和方法、空盘识别装置和方法 |
| US11876945B2 (en) | 2020-01-21 | 2024-01-16 | Mobile Drive Netherlands B.V. | Device and method for acquiring shadow-free images of documents for scanning purposes |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090087025A1 (en) * | 2007-09-29 | 2009-04-02 | Samsung Electronics Co., Ltd. | Shadow and highlight detection system and method of the same in surveillance camera and recording medium thereof |
| US7620266B2 (en) * | 2005-01-20 | 2009-11-17 | International Business Machines Corporation | Robust and efficient foreground analysis for real-time video surveillance |
| CN102169632A (zh) * | 2011-05-13 | 2011-08-31 | 北方工业大学 | 一种平面交叉路口的车流量检测方法 |
| CN102298781A (zh) * | 2011-08-16 | 2011-12-28 | 长沙中意电子科技有限公司 | 基于颜色和梯度特征的运动阴影检测方法 |
| CN104123734A (zh) * | 2014-07-22 | 2014-10-29 | 西北工业大学 | 基于可见光和红外检测结果融合的运动目标检测方法 |
| CN104156726A (zh) * | 2014-08-19 | 2014-11-19 | 大连理工大学 | 一种基于几何形状特征的工件识别方法及装置 |
| CN104299210A (zh) * | 2014-09-23 | 2015-01-21 | 同济大学 | 基于多特征融合的车辆阴影消除方法 |
| CN104835145A (zh) * | 2015-04-09 | 2015-08-12 | 电子科技大学 | 基于自适应Codebook背景模型的前景检测方法 |
-
2017
- 2017-05-05 CN CN201710310641.0A patent/CN107146210A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7620266B2 (en) * | 2005-01-20 | 2009-11-17 | International Business Machines Corporation | Robust and efficient foreground analysis for real-time video surveillance |
| US20090087025A1 (en) * | 2007-09-29 | 2009-04-02 | Samsung Electronics Co., Ltd. | Shadow and highlight detection system and method of the same in surveillance camera and recording medium thereof |
| CN102169632A (zh) * | 2011-05-13 | 2011-08-31 | 北方工业大学 | 一种平面交叉路口的车流量检测方法 |
| CN102298781A (zh) * | 2011-08-16 | 2011-12-28 | 长沙中意电子科技有限公司 | 基于颜色和梯度特征的运动阴影检测方法 |
| CN104123734A (zh) * | 2014-07-22 | 2014-10-29 | 西北工业大学 | 基于可见光和红外检测结果融合的运动目标检测方法 |
| CN104156726A (zh) * | 2014-08-19 | 2014-11-19 | 大连理工大学 | 一种基于几何形状特征的工件识别方法及装置 |
| CN104299210A (zh) * | 2014-09-23 | 2015-01-21 | 同济大学 | 基于多特征融合的车辆阴影消除方法 |
| CN104835145A (zh) * | 2015-04-09 | 2015-08-12 | 电子科技大学 | 基于自适应Codebook背景模型的前景检测方法 |
Non-Patent Citations (6)
| Title |
|---|
| HAIBIN WANG ET AL: "Shadow Removal Based on the Luminance, Texture and Color-Ratio of the Pix", 《INTERNATIONAL CONFERENCE ON INFORMATION AND AUTOMATION》 * |
| 孙水发等: "《视频前景检测及其在水电工程监测中的应用》", 31 December 2014 * |
| 查宇飞等: "《视频目标跟踪方法》", 31 July 2015 * |
| 殷保才等: "结合色度和纹理不变性的运动阴影检测", 《中国图象图形学报》 * |
| 解文华等: "基于颜色和区域梯度方向特征的阴影检测算法", 《中南大学学报(自然科学版)》 * |
| 邱一川等: "多特征融合的车辆阴影消除", 《中国图象图形学报》 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107767390A (zh) * | 2017-10-20 | 2018-03-06 | 苏州科达科技股份有限公司 | 监控视频图像的阴影检测方法及其系统、阴影去除方法 |
| CN107945106A (zh) * | 2017-11-30 | 2018-04-20 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、电子设备及计算机可读存储介质 |
| CN109035271A (zh) * | 2018-07-19 | 2018-12-18 | 迈克医疗电子有限公司 | 图像分割方法和装置、分析仪器和存储介质 |
| CN110516528A (zh) * | 2019-07-08 | 2019-11-29 | 杭州电子科技大学 | 一种基于运动背景下的动目标检测和跟踪方法 |
| CN111080554A (zh) * | 2019-12-20 | 2020-04-28 | 成都极米科技股份有限公司 | 一种投影内容中字幕区域增强方法、装置及可读存储介质 |
| CN111080554B (zh) * | 2019-12-20 | 2023-08-04 | 成都极米科技股份有限公司 | 一种投影内容中字幕区域增强方法、装置及可读存储介质 |
| US11876945B2 (en) | 2020-01-21 | 2024-01-16 | Mobile Drive Netherlands B.V. | Device and method for acquiring shadow-free images of documents for scanning purposes |
| CN111339996A (zh) * | 2020-03-20 | 2020-06-26 | 北京百度网讯科技有限公司 | 静态障碍物的检测方法、装置、设备及存储介质 |
| CN111339996B (zh) * | 2020-03-20 | 2023-05-09 | 北京百度网讯科技有限公司 | 静态障碍物的检测方法、装置、设备及存储介质 |
| CN113628153A (zh) * | 2020-04-22 | 2021-11-09 | 北京京东乾石科技有限公司 | 阴影区域检测的方法和装置 |
| WO2023280080A1 (zh) * | 2021-07-07 | 2023-01-12 | 同方威视技术股份有限公司 | 阴影消除装置和方法、空盘识别装置和方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107146210A (zh) | 一种基于图像处理的检测去除阴影方法 | |
| US10127448B2 (en) | Method and system for dismount detection in low-resolution UAV imagery | |
| CN104392468B (zh) | 基于改进视觉背景提取的运动目标检测方法 | |
| CN103268470B (zh) | 基于任意场景的视频对象实时统计方法 | |
| CN101854467B (zh) | 一种视频分割中阴影的自适应检测及消除方法 | |
| CN103530600B (zh) | 复杂光照下的车牌识别方法及系统 | |
| CN104978567B (zh) | 基于场景分类的车辆检测方法 | |
| CN106204643A (zh) | 基于多特征联合与Mean Shift算法的多目标跟踪方法 | |
| CN105046721B (zh) | 基于Grabcut及LBP跟踪质心矫正模型的Camshift算法 | |
| CN104318266B (zh) | 一种图像智能分析处理预警方法 | |
| CN106056139A (zh) | 一种基于图像分割的森林火灾烟雾检测方法 | |
| Huerta et al. | Chromatic shadow detection and tracking for moving foreground segmentation | |
| CN107038690A (zh) | 一种基于多特征融合的运动阴影去除方法 | |
| Surkutlawar et al. | Shadow suppression using RGB and HSV color space in moving object detection | |
| CN113221603A (zh) | 一种检测监控设备被异物遮挡的方法及装置 | |
| CN107507140A (zh) | 基于特征融合的高速公路露天场景车辆阴影干扰抑制方法 | |
| CN101364304A (zh) | 基于颜色不变性和高斯模型的阴影检测方法 | |
| Fung et al. | Effective moving cast shadow detection for monocular color image sequences | |
| CN105046670A (zh) | 一种图像去雨方法及系统 | |
| CN104200483B (zh) | 多摄像头环境中基于人体中心线的目标检测方法 | |
| CN116524410A (zh) | 基于混合高斯模型的深度学习融合场面目标检测方法 | |
| Chen et al. | Fire identification based on improved multi feature fusion of YCbCr and regional growth | |
| CN107103301A (zh) | 视频目标时空最大稳定性判别性颜色区域匹配方法和系统 | |
| Almomani et al. | Segtrack: A novel tracking system with improved object segmentation | |
| CN103839232B (zh) | 一种基于团块模型的行人阴影抑制方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170908 |
|
| RJ01 | Rejection of invention patent application after publication |