模糊分割与合并算法在图像阴影检测中的应用

"图像中阴影检测的模糊分割与合并算法" 本文是发表在《埃及信息学杂志》上的一篇原创研究，由开罗大学的研究人员撰写，主要探讨了如何利用模糊分割与合并算法来检测和处理图像中的阴影问题。阴影在计算机视觉应用中，如目标识别和图像分割，会带来挑战，因为它们可能导致物体形状失真、合并或丢失。因此，阴影检测和去除是图像处理的预处理步骤，对于自动驾驶、监控系统、卫星成像和医学成像等领域至关重要。 作者提出的算法基于经典的分裂合并策略，但引入了模糊逻辑的概念。传统的分裂合并算法通常会递归地将图像分割成小块，然后根据某些判据合并邻近的相似区域。在这个改进版本中，传统的谓词函数被模糊谓词所取代，使得算法在处理边缘模糊和光照不均匀的阴影区域时更具鲁棒性。这种方法首先自上而下地将图像分割成四叉树结构的单元，然后自下而上地合并独特区域，从而更好地处理阴影和光照变化。 通过将图像转换到对数域，作者能够分析光照和反射分量之间的关系，以识别阴影区域。在对数域中，阴影导致的强度变化可以通过乘以一个标量Ck(x,y)来表示，这使得在数学上更容易区分阴影和非阴影区域。通过实验比较，该方法显示出了在准确性方面的优越性能，与先前的阴影检测技术相比，更有效地分离了阴影和物体。 这篇论文提出了一个创新的模糊分割与合并算法，用于解决计算机视觉中的阴影检测问题。这种方法不仅可以提高图像分割的准确性，还有助于优化后续的视觉处理任务，如对象识别和追踪。其理论基础和实证结果都为图像处理领域提供了有价值的贡献，尤其是对于需要处理复杂光照条件的应用。