CN103065145A - 一种车辆运动阴影消除方法 - Google Patents

Abstract

本发明公开了一种车辆运动阴影消除方法，包括：对原始彩色图像(a)进行预处理，对得到彩色图像(f)进行求取边缘信息，对得到的消除彩色图像(f)的大部分外轮廓边缘后的初级图像(i)分别进行垂直操作和水平操作，对消除残余外轮廓边缘得到的第一次级图像(j)和第二次级图像(k)进行连通区域标定，对得到的第一结果图像(l)和第二结果图像(m)分别与初级图像(i)进行逐像素相与，对得到的相与结果图像(n)进行车体重构，生成与原始彩色图像(a)对应的blob块；将blob块按原始彩色图像(a)中的坐标位置输出到相应的二值图像上。该车辆运动阴影消除方法，由于车辆边缘信息比较丰富，而且边缘信息对光照变化不敏感，所以具有普遍适用性好和消除的阴影部分完整性好的优点。

Description

一种车辆运动阴影消除方法

技术领域

本发明涉及计算机视觉与模式识别、数字图像处理技术领域，具体地，涉及一种车辆运动阴影消除方法。 

背景技术

由于车辆及其运动阴影有着很相似的运动属性特征，所以在经过背景差分，提取前景目标时会连在一块，如果不消除阴影（该处所指的阴影都是运动阴影，以下同）会对车辆检测和车辆跟踪等后续操作产生很大的影响，所以阴影的消除很有必要。其中，单辆车的阴影消除是为了在图像坐标系中准确框定车辆区域。 

目前，大多数现存的算法都是从两个方面入手去进行阴影的消除。第一类是基于模型的方法，比较常见的是混合高斯模型（HMM），这类方法事先要知道光照，车辆方向等先验条件，比较适合于特定的场景，可见，该算法不具有普遍适用性，不能同时适用于任意的场景；第二类是基于属性的方法，这类方法利用车辆和阴影本身的属性特征，普适性比较好，并且不需要任何先验知识。 

基于属性的方法有很多，常见的有颜色、亮度、色度、归一化颜色空间、边缘、纹理、梯度。刚开始的时候本申请人选择尝试换用各种颜色空间，如HSV、YCbCr、HIS等等，并且综合利用亮度、色度、纹理、梯度等属性来消除阴影，但碰到的问题是消除的阴影部分不完全，达不到目的。如图1a和图1b【基于亮度、纹理、梯度属性的去阴影效果图（车辆附近的灰度区域为阴影）】、以及图2a和图2b（基于亮度属性的阴影消除中间结果图）所示，这是本申请人在HSV颜色空间，利用亮度、纹理和梯度属性消除车辆阴影的最终效果图，其中车辆附近的浅灰度区域为阴影，无灰度区域为前景，深灰度区域为背景。 

其中，HSV(Hue, Saturation, Value)是根据颜色的直观特性由A. R. Smith在1978年创建的一种颜色空间, 也称六角锥体模型(Hexcone Model)。这个模型中颜色的参数分别是：色调（H），饱和度（S），亮度（V）。YCbCr是DVD、摄像机、数字电视等消费类视频产品中，常用的色彩编码方案。YCbCr 有时会称为 YCC.。Y'CbCr 在模拟分量视频（analog component video）中也常被称为 YPbPr。YCbCr不是一种绝对色彩空间，是YUV压缩和偏移的版本。HIS 是 Hospital Information System 的缩写，即“医院信息系统”。 

在实现本发明的过程中，发明人发现现有技术中至少存在普遍适用性差和消除的阴影部分完整性差等缺陷。 

发明内容

本发明的目的在于，针对上述问题，提出一种车辆运动阴影消除方法，以实现普遍适用性好和消除的阴影部分完整性好的优点。 

为实现上述目的，本发明采用的技术方案是：一种车辆运动阴影消除方法，主要包括： 

⑴对原始彩色图像(a)进行预处理，得到预处理后的彩色图像(f)；

⑵对步骤⑴所得彩色图像(f)进行求取边缘信息处理，得到消除彩色图像(f) 的大部分外轮廓边缘后的初级图像(i)；

⑶分别经垂直操作和水平操作，消除步骤⑵所得初级图像(i)的残余外轮廓边缘，得到分别形成连通区域的第一次级图像(j)和第二次级图像(k)；

⑷采用连通区域标定法，对步骤⑶所得第一次级图像(j)和第二次级图像(k)形成的连通区域，分别进行标定，分别得到第一结果图像(l) 和第二结果图像(m)；

⑸将步骤⑷所得第一结果图像(l)和第二结果图像(m)，分别与初级图像(i)进行逐像素相与，得到相与结果图像(n)，进行车体重构，生成与原始彩色图像(a)对应的blob（binary large object，二进制大对象，是一个可以存储二进制文件的容器）块；

⑹将步骤⑸所得blob块即当前车体重构生成的blob块，按原始彩色图像(a)中的坐标位置，将blob块对应的矩形框输出到原始彩色图像(a)的二值图像上，作为后续操作的输入。

进一步地，步骤⑴具体包括： 

①背景差分：

对于原始彩色图像(a)，首先进行背景差分处理，得到二值化的前景图像(b)；该背景差分处理的方法不限，例如在下文的实施例中使用的是基于自组织神经元网络的背景差分（self-organizing neural network based background subtraction，简称SOBS）算法；

②热点区域和blob块标定：

在二值化的前景图像(b)中选择热点区域，并将该选择热点区域以外部分的灰度值全部置0，得到灰度值处理后的图像(c)；对热点区域内进行blob块框定即blob块的一个最小外接矩形，得到blob块框定后的图像(d)；

③形态学操作：

基于blob块框定后的图像(d)中的孔洞和噪点，对blob块框定后的图像(d)进行形态学上的开、闭操作，得到经形态学处理后的图像(e)；

根据blob块的长、宽，以及blob块最小外接矩形的左上方点坐标值，截取原始彩色图像(a)中的对应于该blob最小外接矩形部分的原始彩色图像部分，得到预处理后的彩色图像(f)。

进一步地，步骤⑵具体包括： 

采用经典的边缘检测算法，对预处理后的彩色图像(f)进行求取边缘信息处理，得到blob块预操作结果经形态学处理后的图像(e)；所述经典的边缘检测算法，包括SOBEL算子或者CANNY算子；SOBEL算子，即索贝尔算子（Sobel operator）是图像处理中的算子之一；CANNY算子，即Canny边缘检测算子是John F. Canny于 1986 年开发出来的一个多级边缘检测算法；

去除blob块预操作结果经形态学处理后的图像(e)表示的blob块对应的二值前景图的外边缘，得到消除彩色图像(f)的大部分外轮廓边缘后的初级图像(i)。

进一步地，在步骤⑶中，所述垂直操作和水平操作具体包括： 

垂直操作和水平操作类似，垂直操作指的是对应于图像的每一个像素列，找到这个列中第一个和最后一个灰度值为255的点，然后置它们之间的点的灰度全为255，其他点灰度置为0；

水平操作指的是对应于图像的每一个像素行，找到这个列中第一个和最后一个灰度值为255的点，然后置它们之间的点的灰度全为255，其他点灰度置为0。经过这两步操作，图像将被分成了很多连通区域。

进一步地，步骤⑷具体包括： 

采用连通区域标定法，对经过垂直操作和水平操作后的图像形成的连通区域分别进行标定；

通过标定可区分出图像中每个连通的部分，计算出每个连通域的面积即像素点个数，并得到每个连通区域占整个图像的比例，删掉面积较小的连通区域，得到第一结果图像(l) 和第二结果图像(m)；

该连通区域的面积大小的比例，能够根据实际需求调节。

进一步地，步骤⑷具体还包括： 

如果所述垂直操作结果图像(o)和水平操作结果图像(p)中还含有小面积的连通区域，则需要再次用连通区域法进行标定后，按预设面积比例删掉面积较小的连通区域，得到图像(q)和图像(r)。

进一步地，在步骤⑸中，所述将步骤⑷所得第一结果图像(l) 和第二结果图像(m)，分别与初级图像(i)进行逐像素相与，得到相与结果图像(n)的操作，具体包括： 

在第一结果图像(l) 、第二结果图像(m)和初级图像(i)中对应位置的像素灰度值均为255时，则相与结果图像(n)对应位置的像素灰度值也设为255，否则将相与结果图像(n)中其它像素点灰度值全部置0。

进一步地，在步骤⑸中，所述进行车体重构的操作，具体包括： 

对步骤⑸所得相与结果图像(n)，分别进行垂直操作和水平操作，得到垂直操作结果图像(o)和水平操作结果图像(p)；

将所述垂直操作结果图像(o)和水平操作结果图像(p)进行逐像素相或，得到重构后的车体图像(s)。

进一步地，所述将所述垂直操作结果图像(o)和水平操作结果图像(p)进行逐像素相或的操作，具体包括： 

在垂直操作结果图像(o)和水平操作结果图像(p)中对应位置的像素灰度值有一个为255时，则重构后的车体图像(s)对应位置的像素灰度值也设为255，否则重构后的车体图像(s)中其它像素点灰度值全部置0。

本发明各实施例的车辆运动阴影消除方法，由于主要包括：对原始彩色图像(a)进行预处理，对预处理后的彩色图像(f)进行求取边缘信息处理，得到消除彩色图像(f) 的大部分外轮廓边缘后的初级图像(i)；分别经垂直操作和水平操作，消除初级图像(i)的残余外轮廓边缘，得到分别形成连通区域的第一次级图像(j)和第二次级图像(k)；采用连通区域标定法，对第一次级图像(j)和第二次级图像(k)形成的连通区域，分别进行标定，分别得到第一结果图像(l) 和第二结果图像(m)；将第一结果图像(l)和第二结果图像(m)，分别与初级图像(i)进行逐像素相与，得到相与结果图像(n)，进行车体重构，生成与原始彩色图像(a)对应的blob块；将blob块即当前车体重构生成的blob块，按原始彩色图像(a)中的坐标位置，将blob块对应的矩形框输出到原始彩色图像(a)的二值图像上，作为后续操作的输入；可以实现运动阴影部分完全消除；从而可以克服现有技术中普遍适用性差和消除的阴影部分完整性差的缺陷，以实现普遍适用性好和消除的阴影部分完整性好的优点。 

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。 

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。 

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中： 

图1a和图1b为基于亮度、纹理、梯度属性的去阴影效果图（车辆附近的灰度区域为阴影）；

图2a和图2b为基于亮度属性的阴影消除中间结果图；

图3为车辆运动阴影消除方法的流程示意图；

图4a-图4t为车辆运动阴影消除方法实施例的中间过程图；其中，图4a为原图，图4b为二值化前景图，图4c为热点区域框定后前景图，图4d为blob框定图，图4e为blob块预操作结果图，图4f为blob块对应的原彩色图像，图4g为原彩色图像的边缘图，图4h为对应于图4e的外边缘图，图4i为对应于图4g和图4h的差分结果图，图4j为对图4i垂直操作的结果图，图4k为对图4i水平操作的结果图，图4l为消除掉图4j中面积较小的连通区域的结果图，图4m为消除掉图4k中面积较小连通区域的结果图，图4n为对图4g、图4l和图4m逐像素“与”操作的结果图，图4o为对图4n垂直操作的结果图，图4p为对图4n水平操作的结果图，图4q为消除掉图4o中面积较小连通区域的结果图，图4r为消除掉图4p中面积较小连通区域的结果图，图4s为对图4q和图4r逐像素“或”操作的结果图，图4t为输出结果图；

图5a和图5b为车辆运动阴影消除实施例的最终效果图（车辆附近的灰度部分表示运动阴影）。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。 

根据对现有的阴影消除算法的研究比较，对车辆阴影的消除可以用基于模型的方法，但是车辆的建模是个需要解决的问题，而且要考虑到系统运行速度的实时性。为了满足系统的普适性，本申请人选择基于属性的方法来消除阴影。 

现有的阴影消除算法基本上都是直接对视频中的每一帧图像逐像素进行操作，所以，本申请人就想直接对车辆及其阴影区域进行操作，因为跟踪阶段采用的是基于矩形blob块来框定车辆，很自然的就想到利用blob块来进行阴影消除。然后，本申请人想到用基于形态学的方法来处理。主要原因是先前单独基于亮度属性时，本申请人发现只要取一个合适的阈值，那么前景中阴影覆盖的区域内部很大一部分都能够去除，但是阴影区域的外边缘却明显存在，同时车体也会部分的消失（主要是车窗和车顶）。所以，本申请人想到先消除掉阴影的外边缘轮廓，接着再重构车体。但是，要消除阴影的外轮廓，仅仅通过亮度特征肯定不行，经过大量的试验，本申请人发现可以用边缘信息来消除阴影的外轮廓，然后通过形态学的方法来消除车辆阴影。 

智能交通监控的场景主要是道路，包括高速公路，叉路口等等，这些场景的特点就是环境很复杂，光线不断在发生变化，并且会有树叶随风抖动等干扰。但是，这些场景的一个显著特点是道路的边缘信息比较单一，阴影覆盖后阴影内部区域的边缘信息很少，边缘信息主要集中在阴影的外轮廓部分，同时由于车辆边缘信息比较丰富，而且考虑到边缘信息对光照变化不敏感，所以可以通过消除阴影的外轮廓边缘，然后重构车体的方法来消除阴影。 

根据本发明实施例，如图3、图4a-图4t、图5a和图5b所示，提供了一种车辆运动阴影消除方法。参见图3，本实施例的车辆运动阴影消除方法，主要包括： 

步骤100：一帧图像输入，执行步骤101；

步骤101：预处理，执行步骤102；

步骤102：求取边缘信息，执行步骤103；

步骤103：垂直操作和水平操作，执行步骤104；

步骤104：连通区域标定，执行步骤105；

步骤105：车体重构，执行步骤106；

步骤106：判断步骤105所得图像中是否还含有小面积连通区域，若是，则返回步骤104；否则，执行步骤107；

步骤107：输出结果图像。

在该车辆运动阴影消除方法中，在blob中消阴影操作前，首先要对当前的图像帧进行预处理。预处理操作包括：①基于SOBS的背景差分，得到二值化前景图(包含车辆，行人及其运动阴影)；②选择热点区域（即监控区域）和blob块标定；③在热点区域中进行开、闭操作和膨胀、腐蚀等基本的形态学操作。 

具体地，在这些预处理操作后，本申请人对每个blob块进行矩形框定。本申请人的方法并不要求预先判断出每个blob块中究竟是单独的一辆车，还是通过阴影相连接在一起的多辆车，首先来看blob中只有单辆车时怎样消除阴影。 

1、图像预处理 

①背景差分

对于原始彩色图像(a)，首先进行背景差分，得到二值化的前景图像(b)。背景差分的方法不限，本申请人在实施例中使用的是SOBS算法。

②热点区域和blob块标定 

在二值化的前景图像(b)中选择热点区域，并将该选择热点区域以外部分的灰度值全部置0，得到灰度值处理后的图像(c)；对热点区域内进行blob块框定（即blob块的一个最小外接矩形），得到blob块框定后的图像(d)。

③形态学操作 

由于blob块框定后的图像(d)中有很多孔洞，并且经常会有一些噪点，所以对blob块框定后的图像(d)进行形态学上的开、闭操作，得到经形态学处理后的图像(e)；根据blob块的长、宽，以及blob块最小外接矩形的左上方点坐标值，截取原始彩色图像(a)中的对应于该blob最小外接矩形部分的原始图像（彩色），得到预处理后的彩色图像(f)。

2、求取边缘信息 

用经典的边缘检测算法，如SOBEL算子或者CANNY算子等，对预处理后的彩色图像(f)进行求取边缘信息处理，然后用去差图像(e)表示的blob块对应的二值前景图的外边缘，得到图像(i)。

3、垂直操作和水平操作 

垂直操作和水平操作类似，垂直操作指的是对应于图像的每一个像素列，找到这个列中第一个和最后一个灰度值为255的点，然后置它们之间的点的灰度全为255，其他点灰度置为0；水平操作指的是对应于图像的每一个像素行，找到这个列中第一个和最后一个灰度值为255的点，然后置它们之间的点的灰度全为255，其他点灰度置为0。经过这两步操作，图像将被分成了很多连通区域。

4、连通区域标定 

采用连通区域标定的方法，对经过垂直操作和水平操作后的图像形成的连通区域分别进行标定，本申请人采用的是八连通区域标定的方法。通过标定可区分出图像中每个连通的部分，从而计算出每个连通域的面积（这里指像素点个数），同时可以清楚的知道每个连通部分占整个图像的比例，删掉那些比较小的连通区域（这个比例可以根据实际情况进行调节，一般可以取10％），得到结果图像(l) 和(m)。

5、车体重构 

将得到的(l) 和(m)与前面得到的(i)逐像素相“与”（即(i)、(l)和(m)中对应位置的像素灰度值均为255时则(n)对应位置的像素灰度值也设为255，否则(n)中其它像素点灰度值全部置0）得到图像(n)，这时就可以进行车体重构了。

重构的方法还是基于垂直操作得到图像(o)和水平操作得到图像(p)，然后对经过垂直操作和水平操作的结果逐像素相“或”（即(o)和(p)中对应位置的像素灰度值有一个为255时则(s)对应位置的像素灰度值也设为255，否则(s)中其它像素点灰度值全部置0），就得到重构后的车体图像(s)。 

需要注意的是，如果图像(o)和图像(p)中还含有小面积的连通区域，本申请人还要再次用连通域标定，然后按一定的面积比例去掉面积较小的连通区域，得到图像(q)和图像(r)。 

6、输出结果 

因为操作的对象只是一个blob块，原图中可能对应了很多blob块，所以要将当前重构后生成的blob块按原来的坐标位置输出到二值图像上，作为其它后续操作（如车辆的跟踪）的输入。

上述实施例的车辆运动阴影消除方法，可以实现运动阴影部分完全消除，同时发现车体的车顶部分有部分缺失。这是因为车顶部分边缘信息比较少，在进行差分操作消阴影外轮廓时同时把部分车顶的外轮廓也消去了。但是这并不影响本申请人的结果，因为本申请人最终要用矩形框定位，矩形框位置、长宽不会有影响。 

在单辆车的阴影消除中，这属于比较复杂的情况，对于正视角及方向倾斜度不大的情况，本申请人可以得到基本完整的车体。 

上述实施例的车辆运动阴影消除方法的主要优点在于： 

⑴本申请人的算法是前后帧无关的，仅与当前帧有关，适用于丢帧视频流或者是跳帧视频流。

⑵与背景差分算法联系不紧密； 

⑶不需要根据不同的场景调节参数，唯一的参数是Sobel算子的经典阈值；

⑷算法是基于blob的而非pixle-based，仅用到一些简单的操作，并可使用多核CPU加速（如i5计算机），加速后可实时处理。 

优选地，本申请人选取了实验中一个具体的例子来说明，首先给出了实验结果，如图4a-图4t所示，然后给出相关的解释。 

图4a-图4t中所列的20幅图，从原始彩色图像(a)到输出结果图像(t)（依次与图4a至图4t对应），是按照算法流程截取的中间结果图，反映了在blob中只有单辆车的情况下消除阴影的步骤。根据每幅图下面的说明，本申请人能大概的知道算法流程，这里结合原始彩色图像(a)到输出结果图像(t)再给出一些必要的说明。 

1、图像预处理 

① 背景差分：对于原始彩色图像(a)（参见图4a），首先进行背景差分，得到二值化前景图(b)（参见图4b）。

② 热点区域和blob块标定：在二值化的前景图像(b)中选择热点区域，在此区域以外部分的灰度值全部置0，得到灰度值处理后的图像(c)（参见图4c）；对热点区域内进行blob块框定，blob块框定后的图像(d)表示一个被框定的blob块。 

③形态学操作：由于blob块框定后的图像(d)（参见图4d）中有很多孔洞，并且经常会有一些噪点，所以进行开、闭的形态学操作，得到经形态学处理后的图像(e)；根据blob块的长、宽，以及blob块左上方点的坐标值，截取原始彩色图像(a)中的对应于该blob的彩色图像，得到预处理后的彩色图像(f) （参见图4f）。 

2、求取边缘信息：用经典的SOBEL算子方法对彩色图像(f)求边缘，然后去差经形态学处理后的图像(e)（参见图4e）表示的blob块对应的二值前景图的外边缘，得到消除彩色图像(f) 的大部分外轮廓边缘后的初级图像(i)（参见图4i）。本申请人可以看到，外轮廓边缘已经去掉了很多，但是还有很多残余的部分，这时本申请人就要用垂直操作和水平操作去消除这些部分。 

3、垂直操作和水平操作：垂直操作和水平操作类似，垂直操作指的是对应于图像的每一个像素列，找到这个列中第一个和最后一个灰度值为255的点，然后置它们之间的点的灰度全为255，其他点灰度置为0；水平操作指的是对应于图像的每一个像素行，找到这个列中第一个和最后一个灰度值为255的点，然后置它们之间的点的灰度全为255，其他点灰度置为0。经过这两步操作，可以看到图像被分成了很到的连通区域。 

4、连通区域标定：采用连通域标定的方法，对经过垂直操作和水平操作后的图像形成的连通区域分别进行标定，本申请人采用的是八连通区域标定的方法；通过标定，区别出图像中每个连通的部分，从而计算出每个连通域的面积（这里指像素点个数），同时可以清楚的知道每个连通部分占整个图像的比例，删掉那些比较小的连通区域（这个比例可以根据实际情况进行调节，一般可以取10％），得到结果第一结果图像(l)（参见图4l）和第二结果图像(m)（参见图4m）。 

5、车体重构：将得到的第一结果图像(l) 和第二结果图像(m)与前面得到的消除彩色图像(f) 的大部分外轮廓边缘后的初级图像(i) （参见图4i）相“与”，本申请人就能看到相与结果图像(n)所示的效果图（参见图4n），这时就可以进行车体重构了；重构的方法还是基于垂直操作和水平操作，然后对经过垂直操作和水平操作的结果相“或”，就得到重构后的车体图像(s)（参见图4s），如图4s所示。需要注意的是，如果垂直操作结果图像(o)（参见图4o）和水平操作结果图像(p)（参见图4p）中还含有小面积的连通区域，本申请人还要再次用连通域标定，然后按一定的面积比例去掉面积较小的连通区域，如图4q和图4r所示。 

6、输出结果：因为操作的对象只是一个blob块，原图中可能对应了很多blob块，如图4a所示，所以要将当前重构后生成的blob块按原来的坐标位置输出到二值图像上，作为后续操作的输入（参见图4t）。 

在上述实施例中，运动阴影消除的最终效果图如图5a和图5b所示。 

最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。 

Claims (9)

1.一种车辆运动阴影消除方法，其特征在于，主要包括：

⑴对原始彩色图像(a)进行预处理，得到预处理后的彩色图像(f)；

⑵对步骤⑴所得彩色图像(f)进行求取边缘信息处理，得到消除彩色图像(f) 的大部分外轮廓边缘后的初级图像(i)；

⑶分别经垂直操作和水平操作，消除步骤⑵所得初级图像(i)的残余外轮廓边缘，得到分别形成连通区域的第一次级图像(j)和第二次级图像(k)；

⑷采用连通区域标定法，对步骤⑶所得第一次级图像(j)和第二次级图像(k)形成的连通区域，分别进行标定，分别得到第一结果图像(l) 和第二结果图像(m)；

⑸将步骤⑷所得第一结果图像(l)和第二结果图像(m)，分别与初级图像(i)进行逐像素相与，得到相与结果图像(n)，进行车体重构，生成与原始彩色图像(a)对应的blob块；

⑹将步骤⑸所得blob块即当前车体重构生成的blob块，按原始彩色图像(a)中的坐标位置，将blob块对应的矩形框输出到原始彩色图像(a)的二值图像上，作为其它后续操作的输入；所述其它后续操作，包括车辆的跟踪。

2.根据权利要求1所述的车辆运动阴影消除方法，其特征在于，步骤⑴具体包括：

①背景差分：

对于原始彩色图像(a)，首先进行背景差分处理，得到二值化的前景图像(b)；

②热点区域和blob块标定：

在二值化的前景图像(b)中选择热点区域，并将该选择热点区域以外部分的灰度值全部置0，得到灰度值处理后的图像(c)；对热点区域内进行blob块框定即blob块的一个最小外接矩形，得到blob块框定后的图像(d)；

③形态学操作：

基于blob块框定后的图像(d)中的孔洞和噪点，对blob块框定后的图像(d)进行形态学上的开、闭操作，得到经形态学处理后的图像(e)；

根据blob块的长、宽，以及blob块最小外接矩形的左上方点坐标值，截取原始彩色图像(a)中的对应于该blob最小外接矩形部分的原始彩色图像部分，得到预处理后的彩色图像(f)。

3.根据权利要求2所述的车辆运动阴影消除方法，其特征在于，步骤⑵具体包括：

采用经典的边缘检测算法，对预处理后的彩色图像(f)进行求取边缘信息处理，得到blob块预操作结果经形态学处理后的图像(e)；所述经典的边缘检测算法，包括SOBEL算子或者CANNY算子；

去除blob块预操作结果经形态学处理后的图像(e)表示的blob块对应的二值前景图的外边缘，得到消除彩色图像(f)的大部分外轮廓边缘后的初级图像(i)。

4.根据权利要求3所述的车辆运动阴影消除方法，其特征在于，在步骤⑶中，所述垂直操作和水平操作具体包括：

垂直操作和水平操作类似，垂直操作指的是对应于图像的每一个像素列，找到这个列中第一个和最后一个灰度值为255的点，然后置它们之间的点的灰度全为255，其他点灰度置为0；

水平操作指的是对应于图像的每一个像素行，找到这个列中第一个和最后一个灰度值为255的点，然后置它们之间的点的灰度全为255，其他点灰度置为0，经过这两步操作，图像将被分成了很多连通区域。

5.根据权利要求4所述的车辆运动阴影消除方法，其特征在于，步骤⑷具体包括：

采用连通区域标定法，对经过垂直操作和水平操作后的图像形成的连通区域分别进行标定；

通过标定可区分出图像中每个连通的部分，计算出每个连通域的面积即像素点个数，并得到每个连通区域占整个图像的比例，删掉面积较小的连通区域，得到第一结果图像(l) 和第二结果图像(m)；

该连通区域的面积大小的比例，能够根据实际需求调节。

6.根据权利要求5所述的车辆运动阴影消除方法，其特征在于，步骤⑷具体还包括：

如果所述垂直操作结果图像(o)和水平操作结果图像(p)中还含有小面积的连通区域，则需要再次用连通区域法进行标定后，按预设面积比例删掉面积较小的连通区域，得到图像(q)和图像(r)。

7.根据权利要求5或6所述的车辆运动阴影消除方法，其特征在于，在步骤⑸中，所述将步骤⑷所得第一结果图像(l) 和第二结果图像(m)，分别与初级图像(i)进行逐像素相与，得到相与结果图像(n)的操作，具体包括：

在第一结果图像(l) 、第二结果图像(m)和初级图像(i)中对应位置的像素灰度值均为255时，则相与结果图像(n)对应位置的像素灰度值也设为255，否则将相与结果图像(n)中其它像素点灰度值全部置0。

8.根据权利要求7所述的车辆运动阴影消除方法，其特征在于，在步骤⑸中，所述进行车体重构的操作，具体包括：

对步骤⑸所得相与结果图像(n)，分别进行垂直操作和水平操作，得到垂直操作结果图像(o)和水平操作结果图像(p)；

将所述垂直操作结果图像(o)和水平操作结果图像(p)进行逐像素相或，得到重构后的车体图像(s)。

9.根据权利要求8所述的车辆运动阴影消除方法，其特征在于，所述将所述垂直操作结果图像(o)和水平操作结果图像(p)进行逐像素相或的操作，具体包括：

在垂直操作结果图像(o)和水平操作结果图像(p)中对应位置的像素灰度值有一个为255时，则重构后的车体图像(s)对应位置的像素灰度值也设为255，否则重构后的车体图像(s)中其它像素点灰度值全部置0。

Images