王珦磊，唐加山

(1. 南京郵電大學 通信與信息工程學院，江蘇 南京 210003；2. 南京郵電大學 理學院，江蘇 南京 210003)

?

一種基于YUV顏色空間自適應陰影消除算法

王珦磊1，唐加山2

(1. 南京郵電大學 通信與信息工程學院，江蘇 南京 210003；2. 南京郵電大學 理學院，江蘇 南京 210003)

針對視頻內容分析中的物體檢測問題，提出一種新的基于YUV顏色空間的陰影消除方法，相比其他基于YUV顏色空間陰影檢測方法，該方法為提高檢測精度，使用自適應的動態(tài)門限。首先，在RGB顏色空間中使用背景差，得到僅包含目標物體及其陰影的圖像。然后在YUV顏色空間中對此圖像的色度進行統(tǒng)計分析，搜索出色度變化緩慢的區(qū)間，再針對每個色度區(qū)間確定對應的亮度區(qū)間，獲得估計門限。最后，利用以上門限檢測并消除陰影。實驗結果表明，該方法對不同光照情況下的物體陰影都有很好的消除效果。

陰影檢測；YUV；自適應

0 引言

在計算機視覺中，檢測運動物體是非常重要的一個部分。運動物體的檢測一般步驟如下：先從視頻幀中鑒定出前景像素，再由前景像素提取出運動物體[1]。然而，運動物體的投影會使檢測算法難以實現(xiàn)，導致前景物體形狀和顏色的失真，對運動物體的提取造成干擾。因此，動態(tài)物體檢測中很重要的一個環(huán)節(jié)是陰影消除。

陰影檢測算法一直被廣泛研究，如：基于紋理分析的檢測方法[2-3]，使用亮度來判斷可能的陰影區(qū)域，再結合紋理特征將陰影分割出來；基于物理特征的檢測方法[4]，先對陰影像素進行建模，再用這個模型從預選區(qū)域中檢測陰影；基于幾何的檢測方法[5]，根據(jù)光源、物體形狀、地面來預測陰影的大小、形狀和方向；基于色彩空間的檢測方法[6]，選取一個新的色彩空間，與RGB色彩空間相比，它的亮度和色度間區(qū)別更明顯。

本文使用基于YUV色彩空間的陰影檢測方法，同時陰影檢測門限的閾值是根據(jù)前景像素的統(tǒng)計結果估計的，因此算法對不同光照情況下的物體陰影檢測都有很好的魯棒性。

1 候選區(qū)域

候選區(qū)域是指圖像中包含目標物體及其陰影的部分，一般通過背景差分來獲得。步驟如下：先將前景圖像和背景圖像的RGB分量進行差分，再將差分后的彩色圖像轉換成灰度圖像，針對此灰度圖像，設置平均灰度值為閾值，按照該閾值進行劃分，大于該閾值的為候選區(qū)域，小于閾值的視為背景。再多次進行膨脹、腐蝕操作，消除候選區(qū)域中的干擾噪點，具體操作詳見文獻[7]。

2 基于YUV色彩空間的陰影模型

YUV色彩空間和RGB色彩空間關系如下[8]：

在YUV色彩空間中，像素點的亮度分量y和色度分量u、v相互獨立。投射陰影區(qū)域在YUV色彩空間有如下特征[9]：

(1)投射陰影區(qū)域中像素的亮度低于背景像素和物體區(qū)域像素的亮度。

(2)投射陰影區(qū)域中像素的色度與背景像素色度相比幾乎相等。

根據(jù)以上結論，確定陰影像素的算法如下：

針對每個候選區(qū)域的像素，將符合如下式(1)條件的像素點判斷為陰影像素點，其中yF和yB分別指前景和背景的y分量，vF和vB分別指前景和背景的v分量，yMin、yMax、vMin、vMax分別指對應的上下限門限值。

(1)

下文將對閾值估計給出詳細步驟。

3 閾值分析

3.1 陰影區(qū)域特征分析

為研究閾值與候選區(qū)域的統(tǒng)計關系，選取如圖1所示的前景圖像圖1(a)和背景圖像圖1(b)。先進行背景差分，獲得候選區(qū)域的前景圖像圖1(c)和背景圖像圖1(d)，對陰影進行手動劃分得到陰影區(qū)域的前景圖像圖1(e)和背景圖像圖1(f)。

圖1 輸入圖像及其預處理

將前景圖像(e)中每個像素點的亮度yF和色度vF，與背景圖像(f)中的亮度yB和色度vB進行差分，得到差值Δy、Δv。亮度差和色度差分布如圖2(a)，其中橫軸是Δy，縱軸是Δv。忽略干擾噪點，對密集區(qū)域進行分析，密集區(qū)域圖2(b)顯示像素點的亮度差Δv分布不均勻，集中在若干個中值上，并且不同的中值對應色度差Δy分布范圍也不相同。因此可以將陰影區(qū)域的Δy-Δv分布看作是若干個分布塊的集合，如圖2(c)。

圖2 陰影區(qū)域Δy-Δv分布

3.2 根據(jù)候選區(qū)域確定閾值

本節(jié)將通過候選區(qū)域的統(tǒng)計特性估計出上文中每個分布塊的閾值。

3.2.1 確定色度差Δv的閾值

將候選區(qū)域前景圖像圖1(c)和背景圖像圖1(d)的色度分量v相差，差值Δv進行排序，得到圖3(a)，圖3(b)標出了其中的平緩部分。對比陰影區(qū)域分布圖2(c)和圖3(b)，被標注的區(qū)域在縱軸上的范圍近似一致，圖3(b)上的平緩部分表明在該范圍上有大量像素點Δv分布趨于一致，符合陰影區(qū)域的特征。

圖3 候選區(qū)域色度差分布

3.2.2 確定亮度差Δy的閾值

針對圖3(b)中每個平緩區(qū)域，從候選區(qū)域中搜索對應像素點，獲取每個像素點亮度差Δy，再進行排序，圖4(a)是候選區(qū)域中符合條件Δv∈[4.731 7, 5.288 6]的像素點的Δy排序后的分布圖，標出平緩區(qū)域如圖4(b)，對比陰影區(qū)域分布圖2(c)，平緩區(qū)域的Δy區(qū)間與陰影像素的區(qū)間相吻合。

圖4 候選區(qū)域亮度差分布

3.3 驗證特征普遍性

為驗證以上特征的普遍性，使用另一組實驗圖像進行閾值分析，輸入圖像如圖5,圖5(a)是前景圖像，圖5(b)是背景圖像，圖5(c)表示候選區(qū)域，圖5(d)是陰影區(qū)域的Δy-Δv分布圖。分析候選區(qū)域，結果如下：圖5(e)是候選區(qū)域Δv排序后的分布圖，該分布圖平緩區(qū)域與圖5(d)中的密集區(qū)域非常吻合。將候選區(qū)域中符合條件Δv∈[-0.325,0.430]的像素點的Δy值進行排序，得到圖5(f)，圖5(f)平緩區(qū)域的Δy范圍是[0,30.82]，也與陰影分布圖5(d)相吻合。

圖6 自適應陰影消除算法流程圖

圖5 另一組圖像特征分析結果

4 自適應陰影消除算法

根據(jù)上節(jié)的分析結果，設計算法如下：先獲得候選區(qū)域，算法步驟見第1節(jié)，然后將候選區(qū)域的前景圖像和背景圖像從RGB色彩空間轉換到YUV色彩空間，再做背景差，獲得亮度差矩陣ΔY和色度差矩陣ΔV。

陰影區(qū)域的色度差Δv一般在[0,10]范圍內，取[-5,20]作為考察范圍，實際試驗中，超出該范圍的陰影點很少，可以忽略。對候選區(qū)域內所有屬于[-5,20]區(qū)間的色度差Δv排序，搜索出其中變化較小的區(qū)域，本文算法使用條件(2)進行判斷，Δv(i)是排序后第i個色度差Δv，N是符合條件Δv∈[-5,20]的像素點個數(shù)，a和b是常數(shù)，通過多次取值調試后確定a=0.001，b=0.003 5。

Δv(i)-Δv(i-a×N)

(2)

針對每一個Δv區(qū)間，從候選區(qū)域中搜索出符合條件的像素點，再對這些像素點的亮度差Δy進行排序，與獲取Δv區(qū)間類似，搜索出所有變化較小的區(qū)域，每個Δv區(qū)間可能會對應多個Δy區(qū)間。將所有搜索出的Δy-Δv區(qū)間作為估計門限。

依據(jù)上文得到的估計門限進行陰影檢測，實現(xiàn)多閾值的陰影消除。圖6為算法流程圖。

5 實驗結果和分析

實驗用的部分數(shù)據(jù)來自圖像處理數(shù)據(jù)庫，還有一部分是在實驗室中拍攝得到的。算法是在微軟Windows平臺下，使用matlab編寫的。以下圖7是使用本文算法的輸出結果。

圖7 本文算法陰影去除結果

6 結論

本文采用一種基于YUV顏色空間的自適應陰影消除算法，該算法對陰影的門限進行動態(tài)估計。實驗結果表明，該算法對不同光照情況下的圖像都能有效地檢測和消除陰影，具有良好的魯棒性。

[1] 劉國棟,范九倫.彩色視頻運動目標

自適應在線聚類提取算法[J].電子技術應用,2014,40(5):132-135.

[2] LEONE A, DISTANTE C. Shadow detection for moving objects based on texture analysis[J]. Pattern Recognit, 2007, 40, (4): 1222-1233.

[3] 朱敏琛,王偉智.融合線性特征的局部紋理運動車輛陰影檢測[J].微型機與應用,2013,32(14):44-46,50.

[4] NADIMI S, BHANU B. Physical models for moving shadow and object detection in video[J]. IEEE Trans. Pattern Anal. Mach. Intell, 2004, 26,(8): 1079-1087.

[5] ZHANG W, FANG X Z, XU Y. Detection of moving cast shadows using image orthogonal transform[C]. In Proc. IEEE Int. Conf. Pattern Recognition, 2006:626-629.

[6] CHEN C T, SU C Y, KAO W C. An enhanced segmentation on vision-based shadow removal for vehicle detection[J]. Int. Conf. Green Circuits and Systems, 2010: 679-682.

[7] 鄧亞麗,毋立芳,李云騰. 一種有效的圖像陰影自動去除算法[J]. 信號處理， 2011(11): 1724-1728.

[8] ENNEHAR B C, BRAHIM O, HICHAN T. An appropriate color space to improve human skin detection[J]. INFOCOMP Journal of Computer Science, 2011, 10(1): 18-27.

[9] FUNG G S K, YUNG N H C, PANG G K H, et al. Towards detection of moving cast shadows for visual traffic surveillance[C]. Systems, Man, and Cybernetics, 2001 IEEE International Conference, 2001:2505-2510.

An adaptive shadow elimination algorithm based on YUV color space

Wang Xianglei1, Tang Jiashan2

(1.College of Communications and Information Engineering, Nanjing University of Posts and Telecommunications, Nanjing 210003, China;2.College of Science, Nanjing University of Posts and Telecommunications, Nanjing 210023, China)

This paper proposes a new shadow elimination method based on YUV color space for object detection problem. The method uses the adaptive dynamic threshold compared with other shadow detection methods based on YUV color space. Firstly, it uses image differencing in RGB color space to obtain the image that only contains the target object and its shadow. Then, it analyzes the U channel of the image in YUV color space to identify the interval where the U channel change slowly. Next, identifying the corresponding interval of Y channel for each U channel interval, so, the adaptive dynamic threshold is got. Finally, it uses the threshold to eliminate the shadow. The experimental results show that this method have a good effect of shadow elimination under different lighting conditions.

shadow detection; YUV; adaptive

TP391

A

1674-7720(2016)07-0044-04

王珦磊，唐加山. 一種基于YUV顏色空間自適應陰影消除算法[J].微型機與應用，2016,35(7)：44-47.

2016-01-06)

王珦磊(1991-)，男，碩士生，主要研究方向：現(xiàn)代通信中的智能信號處理。

唐加山(1968-)，男，博士，教授，主要研究方向：現(xiàn)代通信中的智能信號處理、應用統(tǒng)計等。