单幅图像阴影分割与去除算法研究

"这篇资源是华东师范大学陈继国的硕士学位论文，主题聚焦于单幅数字图像的阴影分割和去除技术。论文中详细探讨了如何区分和处理软阴影和硬阴影，并提出了一套结合图像本征图和现代图像分割技术的新模型。此外，还阐述了在RGB和HSI色彩空间中进行阴影去除的算法及其优缺点。" 在图像处理领域，阴影去除是一个重要的子领域，它旨在提升图像的质量，使图像中的阴影区域看起来与光亮区域一致，提高视觉效果。这篇论文首先定义了软阴影和硬阴影的概念，硬阴影具有清晰的边界，而软阴影的边界则较为模糊。对于硬阴影图像，传统的分割方法依赖于比较图像特征图与原始图像，然后通过形态学运算来确定边界。然而，这种方法可能导致阴影边界连续性增强的同时，降低了分割的准确性。陈继国的论文提出了一个新的模型，该模型不依赖于形态学运算，而是结合了图像的本征图和现代图像分割技术，以提高分割的准确性。 对于软阴影，论文依据其模糊边界特性，将其划分为全阴影和半阴影区域。论文中提到，通过在垂直于半阴影区域的方向取样，并建立三次函数拟合模型，可以计算出半阴影区域与光亮和全阴影区域的边界，实现软阴影的分割。 在阴影去除阶段，论文探讨了在RGB和HSI色彩空间中的算法。这两种色彩空间各有优势，适用于不同类型的图像。对于硬阴影，一旦准确分割出阴影边界，可以通过减去阴影因子来提高阴影区域的亮度。如果边界视觉效果不佳，还可以应用图像修补技术进行优化。软阴影的去除算法则更为复杂，尤其是半阴影区域的阴影因子不是常数，需要通过能量极小化问题来计算。 这篇论文的关键贡献在于提出了新的阴影分割和去除模型，并通过数值实验验证了模型的有效性。这些方法对于实际的图像处理和计算机视觉应用，如自动驾驶、监控系统或图像增强等领域，具有重要的理论和实践价值。