边缘特征与局部纹理特性融合的阴影消除算法

蔡英凤，张为公，王 海

(1.东南大学仪器科学与工程学院，江苏南京210096;2.东南大学汽车电子与智能交通技术重点实验室，江苏苏州215123)

智能交通系统中，运动车辆检测和跟踪是一项最基本也很重要的研究课题，伴随运动车辆的阴影问题是其面临的主要挑战.由于阴影的存在，使得在检测过程中，出现运动车辆的合并与丢失(阴影覆盖相邻的车辆)，以及车辆形状的扭曲(阴影改变车辆的分割面积)，影响各种后续高级处理，如目标分类、行为理解等.

目前已有多种阴影消除算法，主要分为2类:①基于物体的几何特性;② 基于阴影特征.第1类方法是在已知场景及先验光照模型基础上，利用目标的三维或二维几何模型匹配图像中的车辆/阴影，从而计算出阴影的形状和位置.A.Yoneyama等［1］建立了6种2D车辆/阴影模型，通过车辆跟踪中的模板匹配来确定运动前景的车辆/阴影位置.Zhang Zhaoxiang等［2］用3D车辆几何模型匹配图像中的车辆.N.Martel-Brisson等［3］建立了GMM统计模型来对阴影进行描述.当车辆形状、光照方向已知时，此类方法能较准确地提取出阴影.但在实时车辆识别系统中，车体形状、光照方向以及车道特征等先验知识的提取都是目前检测系统的难题所在，且计算复杂，因此，这类方法局限性较大，很难在实际系统中采用.

第2类方法是利用颜色、梯度和纹理等特征来识别阴影.Zhu Shiping等［4］利用阴影的形状及边缘属性进行阴影消除.该方法仅适用于背景纹理清晰且均匀的情况，对于低亮度车辆，阴……