基于区域颜色聚类的运动目标阴影检测

文中提出一种基于区域颜色特征的阴影检测方法。首先,通过均衡化灰度直方图来增强图像中各个区域之间的对比度;使用K-means算法对前景区域进行聚类。对于聚类后的每个区域,统计每部分的色彩特征不变量直方图,利用一种直方图相似性度量方法来比较当前区域和对应背景区域的相似性,根据相似性结果对每个区域进行阴影属性的判断。通过与基于彩色特征不变量、基于HSV颜色空间等方法进行比较,结果表明文中算法的阴影检测率和前景检测率有一定的提升,且用时较少。实验结果表明,文中算法充分利用了阴影的区域颜色特征,在多类场景中能够有效检测出阴影,且具有较好的实时性。

一种结合YUV色彩空间和纹理的阴影检测

在传统的智能检测算法中目标检测时,往往阴影和需要被检测的物体一起检测出来,这样会给后续的处理带来诸多的不便,而且易造成较高的虚警率。该文提出了一种结合YUV色彩空间和纹理特征的阴影检测,可以提高阴影检测的稳定性,进而很好的完成阴影检测,达到了实际应用的需求。