基于SLIC0超像素分割的阴影检测算法

雷坤鹏， 冯新喜， 余旺盛

(空军工程大学信息与导航学院， 西安， 710077)

阴影广泛存在于图像与视频中，往往会对图像及视频处理产生不利影响，例如：①导致图像伪彩色、图像信息丢失以及图像分割错误[1]；②在航空影像中干扰影像中信息的提取、识别和判读[2]；③在城市车辆跟踪检测时，会影响车辆的形状和大小，降低车辆检测的准确度，给后续的跟踪、分类等工作带来困扰[3]。因此阴影检测就成为图像处理中的重要一步，具有重要的研究意义与价值。

目前根据检测技术的不同，阴影检测可以分为基于模型的方法[4-5]、基于阴影特征的方法[6-7]和基于机器学习的方法[8-9]。本文采用一种超像素算法与分类器结合的机器学习方法，超像素算法由Ren等人在2003年提出[10]，经过十几年的发展，主要分为两大类：一类是基于图论的方法[11-12]，一类是基于聚类的方法[13-14]。SLIC超像素算法是一种代表性的基于聚类的方法，该方法由Achanta等人[15]在2010年提出，因其快速、简单近几年被广泛地应用于图像处理的多个领域，基于SLIC的改进研究也是近年来图像分割领域的热点问题。

针对阴影检测过程中存在的边缘纹理检测率不高，阴影检测过程中易出现像素空洞及检测结果误差大等问题，本文提出了一种基于SLIC0[16]超像素分割与SVM相结合的单幅图像阴影检测算法。在此基础上设计了融合光照与彩色特征的分类特征向量构造方法，有效提高了阴影检测的精度。

1 SLIC超像素分割算法

SLIC超像素分割算法是一种思想简单、快速、实现方便的算法，其生成的超像素具有紧凑、近似均匀等特点，能够较好地保持物体轮廓，符合人们对图像分割的要求。……