改进的阴影消除算法：结合彩色与纹理不变性

"针对阴影检测和消除的技术，本文提出了一种结合彩色不变性和纹理不变性的新算法，以提高检测效率和准确性。" 在计算机视觉和图像处理领域，阴影消除是一个重要的研究方向，因为阴影可能导致目标识别错误，特别是在智能目标检测与跟踪中。传统的阴影消除方法，如基于颜色特征的方法，可能会在光照变化或相互遮挡的情况下失效。另一方面，纹理相关法虽然考虑了纹理不变性，但在图像纹理不明显时可能出现误检。 文中首先针对C1C2C3彩色不变性检测法时间消耗大的问题，提出了改进的D1D2D3模型。C1C2C3模型是一种有效的彩色不变空间，能较好地检测阴影，但计算量较大。D1D2D3模型在保持检测效果的同时，降低了算法的时间复杂度，从而提高了处理速度。 其次，针对LBP（Local Binary Pattern，局部二值模式）纹理不变性检测法在图像纹理不明显时的误检问题，文章提出了一种改进的LPTD（Local Phase Texture Descriptor，局部相位纹理描述符）算子。LPTD在保持纹理信息不变性的基础上，增强了算法对低纹理区域的识别能力，提高了阴影检测的准确性。 新算法的关键步骤包括使用SUSAN（Smallest Unimodal Structure Analysis in a Neighbourhood，邻域内单峰结构分析）算子去除阴影边缘的强响应，以减少强光对阴影检测的影响。SUSAN算子通过检测像素邻域内的对比度来确定边缘，对于阴影边缘的检测非常有效。随后，通过形态学处理，如腐蚀和膨胀操作，可以消除图像内部的孔洞和噪声，进一步提升阴影消除的效果。 实验结果证明了新算法的优越性，其阴影消除效果更佳，同时在时间和准确性上都有显著改善。这种融合彩色不变性、纹理不变性以及SUSAN和形态学处理的新算法，为阴影检测和消除提供了更为高效和精确的解决方案，尤其适用于实时监控和智能视频分析场景。 总结来说，本文贡献了以下几点： 1. 提出改进的D1D2D3模型，优化了C1C2C3彩色不变性检测法的时间复杂度。 2. 设计了改进的LPTD算子，改善了LBP纹理不变性检测法在低纹理区域的误检问题。 3. 结合SUSAN算子和形态学处理，实现了对阴影强边缘的有效去除和图像内部噪声的清除。 4. 综合提升了阴影检测的准确率和处理速度，为阴影消除技术带来了新的进展。 关键词：彩色不变性；纹理不变性；阴影消除；SUSAN；D1D2D3模型；LPTD算子 这一创新方法不仅在理论上具有重要意义，而且在实际应用中具有广阔前景，可以广泛应用于视频监控、自动驾驶、无人机航拍等领域，帮助系统更好地识别和跟踪目标，降低光照变化带来的干扰。