简单介绍基于颜色的阴影检测算法

    在智能视频监控系统的研发过程中，阴影检测是一个重要的内容，而阴影的产生主要是由于光线的遮挡。而检测阴影最简单和高效的方法莫过于分析颜色信息，还原或移出阴影区域。基于颜色的常用阴影检测算法有：

    1）基于HSI颜色空间的阴影检测

    HSI颜色模型是一种更符合人类视觉感知特征的模型，符合人类肉眼对颜色的感知和识别，被广泛应用于计算机视觉领域。根据阴影产生的原因及特点。采用HSI颜色空间来检测阴影是再合适不过的。通常，对于阴影区域，其主要是由于光线的遮挡而产生的一个相对较暗的区域。在该区域中，颜色的色调信息H和饱和度信息S具有较小的变动，而亮度信息I会有较大的变换，但是HS基本上包含了颜色信息。因此根据这个特点，我们在检测某一个像素是否为背景时，之需要判断该像素的HS分量浮动较小，而I变化幅度较大就可以。

    2）基于RGB空间的阴影检测

     RGB颜色空间是我们常用的空间，是使用最广的一个颜色空间。利用RGB颜色空间来检查阴影，其主要原理：当一个物体的亮度变化时，人眼感知到的颜色信息是不变的，物体被感知的颜色取决于物体本身的属性（即物体表面翻身的光线），即物体的被感知的颜色特征取决于物体表面的光谱反射特征，不受广州变化，场景等影响，也和物体的几何形状无光，即色度是独立于亮度的。因此，用该模型来检测阴影，就需要将RGB颜色信息进行亮度和色度的分离，根据亮度和色度的变化来判断阴影像素。

    3）基于YUV颜色空间的阴影检测

     基于YUV颜色空间的阴影检测的基本原理：亮度信号Y与色度信号UV想好独立，即由亮度信号Y和色度信号UV构成的单色图可以进行单独编码和处理。该种方式可以克服阴影检测率不高和灰度空间轮廓线阴影消除方法中受亮度限制的缺陷，能有效地对视频序列中阴影进行检测与消除。

     至此，上述阐述的阴影检测方法都可以归纳为一类，即将颜色信息的亮度和色度信息分类，如HSI颜色模型分解为（HS和I），RGB颜色模型分解为亮度（Light）和色度（chromaticity），而YUV颜色模型分为（Y和UV）。另外，对于阴影的处理还有另一类方法，主要是恢复方法，即对于阴影区域进行复原，还原成没有阴影的信息，该类方法主要有（MSR、Retinex、以及暗通道先验（Dark Channel Prior，主要用于去雾）等）。

 

【本文转自】http://www.cnblogs.com/mv2010/archive/2013/03/31/2992212.html