李建勛，童中翔，劉彥，李成，王超哲，張志波

(空軍工程大學(xué) 航空航天工程學(xué)院，陜西 西安 710038)

陰影是圖像的基本特征之一，是許多自然場(chǎng)景圖像的組成部分.單幅圖像陰影去除［1］依據(jù)一幅圖像，將陰影區(qū)域中像素點(diǎn)的亮度、顏色和紋理等信息恢復(fù)到非陰影區(qū)域光照的效果，與圖像增強(qiáng)、光照補(bǔ)償?shù)认嗷ト诤?，使得陰影區(qū)域信息的可視化更加符合人類視覺(jué)，使整幅圖像具有視覺(jué)上的一致性.實(shí)際處理時(shí)，由于場(chǎng)景和成像條件都具有相當(dāng)?shù)膹?fù)雜性，很多傳感器并不具有多通道/顏色信息，自然場(chǎng)景中包含的陰影形成復(fù)雜，所以開發(fā)兼顧單/多通道成像，能夠處理實(shí)際場(chǎng)景的陰影去除方法非常具有挑戰(zhàn)性.

目前單幅圖像陰影去除方法可以分為兩類:基于梯度域的方法和基于空間域的方法［2］.1)基于梯度域的方法能較好保持細(xì)節(jié)信息，但容易出現(xiàn)色偏和局部過(guò)渡光滑等效果［3］.2)基于空間域的方法包括基于顏色理論和算法的陰影去除［4］和基于圖像分解的陰影去除.為擴(kuò)大應(yīng)用范圍和算法處理能力，文中面向單幅圖像陰影去除，首先從單通道灰度圖像陰影去除出發(fā)，進(jìn)而擴(kuò)展到彩色圖像進(jìn)行處理，盡可能實(shí)現(xiàn)對(duì)較為復(fù)雜的自然場(chǎng)景進(jìn)行陰影去除.

1 陰影的特性與數(shù)學(xué)模型

1.1 陰影的特性

陰影是由于光源被物體遮擋而產(chǎn)生的，根據(jù)陰影生成原因不同可分為兩類:自影和投影.障礙物本身沒(méi)有被光線照射的區(qū)域形成自影，照射光線被障礙物遮擋的背景區(qū)域形成投影，而投影根據(jù)光線遮擋程度又進(jìn)一步分為本影和半影［5-6］，如圖1所示.本影的產(chǎn)生是光源完全被遮擋，而半影則是在非點(diǎn)光源或光線閃射的情況下產(chǎn)生的，半影區(qū)域中光照強(qiáng)度緩慢變化.某些情況下，半影的寬度很小，可以認(rèn)為是一個(gè)硬邊緣，但是自然圖像中通常半影存在一個(gè)可見(jiàn)寬度.作為從本影到非陰影區(qū)域的過(guò)渡，對(duì)于視覺(jué)效果，半影去除在陰影去除過(guò)程中非常重要.

1.2 陰影的數(shù)學(xué)模型

陰影形成的數(shù)學(xué)表示可以從圖像成像模型出發(fā)［7］進(jìn)行研究.忽略圖像獲取中傳感器響應(yīng)等影響，成像的物理過(guò)程為

式中:S(x，λ)、E(x，λ)、R(x，λ)依次表示在位置x、波長(zhǎng)λ下獲取的圖像像素值、光源照度值和反射系數(shù)，“×”為逐像素乘，λ一般情況下即為三原色通道 R、G、B.

根據(jù)成像模型，在自然場(chǎng)景光照條件下，非陰影區(qū)域的光照強(qiáng)度由兩部分光源獲得，即直接光源Ed和環(huán)境散射光源Ea;在本影區(qū)中，由于物體遮擋直射光源，故其中只有Ea;半影區(qū)中則是部分Ed與Ea的組合.不同區(qū)域的光源不同，可以分析得到圖像中任一點(diǎn)x處的像素值S(x，λ)為

式中:k(x)描述半影區(qū) Ed貢獻(xiàn)的比例系數(shù)，0≤k(x)≤1，等于0和1時(shí)分別對(duì)應(yīng)在本影區(qū)和非陰影區(qū).

基于以上模型，陰影去除的核心就是將本影和半影區(qū)域的光照強(qiáng)度恢復(fù)到非陰影區(qū)域的光照，而對(duì)各個(gè)波長(zhǎng)分別處理，可以盡可能保證色調(diào)信息的一致性.文獻(xiàn)［8］分析了基本的算法思路:對(duì)于本影區(qū)點(diǎn)x1和非陰影區(qū)點(diǎn)x2，陰影去除目標(biāo)就是使得S(x1，λ)=S(x2，λ)，若兩點(diǎn)屬于同一表面，令反射系數(shù)相等，利用Von Kries色系數(shù)定律可以推導(dǎo)出對(duì)角矩陣.只需找到此對(duì)角矩陣，那么將陰影中像素點(diǎn)的顏色值變換為非陰影光照下同樣表面的顏色值，從而實(shí)現(xiàn)陰影去除的目的.

2 基于區(qū)域顏色恒常性計(jì)算的陰影去除

基于顏色比例的陰影去除方法［9］是具有陰影建?；A(chǔ)的一種主流方法，其主要思想是尋找陰影區(qū)域和非陰影區(qū)域像素點(diǎn)一個(gè)比例系數(shù)，然后把陰影區(qū)域像素值通過(guò)對(duì)角陣變換到非陰影區(qū)域的光照效果.針對(duì)目前很多方法較少關(guān)注圖像紋理等特性、非常依賴于陰影檢測(cè)的準(zhǔn)確性、對(duì)于一幅圖像中含有多個(gè)陰影時(shí)不能分別對(duì)待等問(wèn)題，文中算法設(shè)計(jì)時(shí)主要考慮3個(gè)方面:1)從能量角度出發(fā)對(duì)基于顏色比例的陰影去除方法重新定義;2)顏色比例必須對(duì)同一反射系數(shù)表面實(shí)施才能準(zhǔn)確，否則從模型出發(fā)就會(huì)出現(xiàn)較大誤差;3)基于區(qū)域顏色恒常性計(jì)算方法估計(jì)映射區(qū)域光照，進(jìn)而得到恢復(fù)系數(shù).

依照“從簡(jiǎn)單到復(fù)雜，從單陰影到多陰影”的思路，根據(jù)顏色比例進(jìn)行陰影去除的基本方法，結(jié)合非局部均值［10］、紋理映射［11］等核心思想，在能量最小化框架下，文中提出了基于區(qū)域顏色恒常性計(jì)算的本影去除方法，并進(jìn)一步設(shè)計(jì)復(fù)合模型進(jìn)行半影去除，使輸出結(jié)果更加符合視覺(jué)效果.

2.1 能量最小化框架

在得到陰影檢測(cè)后的本影和半影掩模后就可以進(jìn)行陰影去除.為了保證根據(jù)陰影模型和顏色比例方法去除陰影的準(zhǔn)確性，文中設(shè)計(jì)了能量最小化框架:為圖像中每一個(gè)本影區(qū)域在非陰影區(qū)域RL中尋找一個(gè)最合適的子區(qū)域RM(RM，RL)，使得表征的光源估計(jì)值所得到的比例值ci滿足能量函數(shù)值最小，表示為

得到本影區(qū)域最優(yōu)恢復(fù)比例系數(shù)，基于構(gòu)造性方法來(lái)實(shí)現(xiàn)式(3)的最優(yōu)化過(guò)程依賴于2個(gè)關(guān)鍵步驟:1)在本影區(qū)域與非陰影區(qū)域建立反射系數(shù)一致性表面的映射關(guān)系.紋理特性是反映場(chǎng)景表面的重要依據(jù)，文中根據(jù)紋理特性建立映射關(guān)系2)區(qū)域光源估計(jì)值的計(jì)算.顏色恒常性計(jì)算方法是估計(jì)光照的良好工具，文中基于區(qū)域顏色恒常性計(jì)算方法得到

這樣的計(jì)算方法適合場(chǎng)景存在多陰影區(qū)域和多通道圖像的陰影去除.面向含多陰影區(qū)域圖像，實(shí)際操作中可適當(dāng)減少?gòu)?fù)雜度;同時(shí)面向多通道彩色圖像，根據(jù)以上單通道實(shí)現(xiàn)方法得到的映射關(guān)系，在第2)步光源估計(jì)時(shí)即可在每個(gè)通道中單獨(dú)進(jìn)行.

2.2 基于紋理特征的區(qū)域映射

紋理是圖像中同質(zhì)現(xiàn)象的視覺(jué)特征，是反映圖像局部分布統(tǒng)計(jì)、結(jié)構(gòu)信息的重要特征，其本質(zhì)是刻畫鄰域像素亮度的分布規(guī)律，從局部二值模式算子的分析可知，魯棒的紋理特征描繪對(duì)亮度變化不敏感.可見(jiàn)對(duì)于在陰影區(qū)域和非陰影區(qū)域中尋找反射系數(shù)一致性表面，紋理特征是一種有效的表征量.

2.2.1 陰影區(qū)域的標(biāo)定及分割片的獲取

首先進(jìn)行獨(dú)立陰影區(qū)域的標(biāo)定.根據(jù)二值圖像處理邊緣表示及聯(lián)通關(guān)系，可以獲知獨(dú)立的陰影區(qū)域，用代表性區(qū)域——質(zhì)心鄰域來(lái)表征標(biāo)定出的獨(dú)立陰影區(qū)域，如圖2十字表示的2個(gè)獨(dú)立陰影區(qū)域.

圖2 陰影區(qū)域的標(biāo)定Fig.2 Shadow regions demarcation

圖3 圖像Patch的獲取Fig.3 Image Patch extraction

圖4 Patch修訂前后質(zhì)心位置的比較Fig.4 Centroid position’s comparison before and after patch modification

2.2.2 分割片的紋理特性統(tǒng)計(jì)及映射規(guī)則

在獲知分別屬于陰影區(qū)域和非陰影區(qū)域的Patch后，即可以通過(guò)一定的規(guī)則建立映射關(guān)系.定義表示第i個(gè)本影區(qū)域的第 j個(gè) Patch，j∈表示非陰影區(qū)域RL的第k個(gè)Patch.

在非陰影區(qū)域的Patch集合中，為處于陰影區(qū)域中的每一個(gè)Patch尋找最為相似Patch，尋求映射公式即等價(jià)描述為

DP描述了2個(gè)Patch之間差異性，文中根據(jù)Patch的紋理特征來(lái)確定，將差異最小的作為相應(yīng)的最相似Patch.

1)計(jì)算每一個(gè)Patch的紋理特征分布

根據(jù)LBP計(jì)算方法，統(tǒng)計(jì)得到每一個(gè)Patch的紋理特征LBP直方圖分布特性.對(duì)直方圖歸一化以消除統(tǒng)計(jì)值不同量級(jí)的影響.

2)紋理特性直方圖分布的相似性度量

Patch之間的相似性可以通過(guò)比較直方圖的相似性來(lái)確定.對(duì)于直方圖相似性度量，2個(gè)之間的交集越大越好.任意2個(gè)Patch的直方圖:

式中:j，k表示直方圖中窗口的位置(標(biāo)號(hào))，r為窗口最大標(biāo)號(hào)，Hp(j)表示直方圖Hp在窗口j處的取值，Hq(k)表示直方圖Hq在窗口k處的取值，Hp、Hq滿足各窗口取值之和相等這一條件.為保證一定的魯棒性，文中采用2個(gè)度量測(cè)度來(lái)綜合評(píng)價(jià):

式中:Ma為距離測(cè)度［13］，其可以衡量2個(gè)歸一化直方圖一階分布的差異;Mb為對(duì)稱卡方測(cè)度，是最近鄰分類器使用的規(guī)則.Ma和Mb值越小表征2個(gè)直方圖越相近，當(dāng)測(cè)度值為0時(shí)表示絕對(duì)匹配.圖5為典型測(cè)試圖的陰影區(qū)域中分割片與非陰影區(qū)域中分割片之間建立的最優(yōu)紋理映射關(guān)系，通過(guò)直線連接.

圖5 陰影區(qū)域中分割片與非陰影區(qū)域中分割片之間的紋理映射關(guān)系Fig.5 Texture matching relation between segment patches in shadow regions and in non-shadow regions

2.3 基于區(qū)域顏色恒常性的比例系數(shù)計(jì)算

2.3.1 基于區(qū)域顏色恒常性計(jì)算的光照估計(jì)

文獻(xiàn)［8］指出基于顏色恒常性的陰影去除方法的前提假設(shè):陰影圖像中陰影區(qū)域和非陰影區(qū)域分別滿足相應(yīng)Minkowski范式的顏色恒常算法所基于的假設(shè);并通過(guò)顏色恒常性計(jì)算方法對(duì)1.2節(jié)中直接光源Ed與環(huán)境散射光源Ea進(jìn)行估計(jì).

無(wú)監(jiān)督的顏色恒常性計(jì)算方法是利于圖像底層特征估計(jì)得到成像時(shí)的光照值，不依賴于先驗(yàn)知識(shí)，各種假設(shè)的提出保證了這一病態(tài)問(wèn)題的求解.Finlayson、Weijer等［14-15］引入 Minkowsik 范數(shù)，高斯卷積等，擴(kuò)展提出了統(tǒng)一的顏色恒常性計(jì)算框架為

式中:n是偏導(dǎo)階數(shù)，p是 Minkowski范數(shù)，fσ(x)表示高斯卷積結(jié)果，方差為σ，k0表示無(wú)色差常數(shù)，x表征位置信息.p作用主要體現(xiàn)是在Grey-World和White-Patch之間的權(quán)衡調(diào)整:p=∞時(shí)上式等價(jià)于White-Patch，而p=1時(shí)則等價(jià)于Grey-World;同時(shí)在Grey-Edge假設(shè)的基礎(chǔ)上將顏色導(dǎo)數(shù)推廣到更高的n階.整個(gè)框架輸出結(jié)果依賴于這3個(gè)參數(shù)的選取.但是對(duì)于一幅圖像，并不是所有像素都含有顏色恒常性的信息，有偏的像素值(biased pixel values)甚至?xí)档皖伾愠Ｐ杂?jì)算方法的有效性.對(duì)于含有部分高亮度天空?qǐng)鼍暗墓庹展烙?jì)上，光源顏色會(huì)產(chǎn)生藍(lán)色等趨向性，所以在進(jìn)行光照估計(jì)時(shí)應(yīng)該選用合適的部分圖像作為魯棒估計(jì)的有效值.

區(qū)域顏色恒常性計(jì)算為文中陰影去除提供了良好的思路和工具.陰影去除的目的就是將陰影區(qū)域的光照恢復(fù)到非陰影區(qū)域的光照，基于Von Kries對(duì)角模型的應(yīng)用涉及到當(dāng)前陰影區(qū)域和非陰影區(qū)域的光照估計(jì)，而根據(jù)區(qū)域顏色恒常性計(jì)算思路可知，在進(jìn)行光照估計(jì)時(shí)利用全部非陰影區(qū)域信息來(lái)估計(jì)非陰影區(qū)域的光照必然也會(huì)存在不準(zhǔn)確性，而文中區(qū)域紋理映射的過(guò)程則實(shí)現(xiàn)了區(qū)域顏色恒常性計(jì)算的一個(gè)分割先驗(yàn)的前提:對(duì)于陰影中的每一個(gè)在非陰影區(qū)域中選取紋理特征最相似的這樣根據(jù)紋理特征信息得到了具有場(chǎng)景認(rèn)知信息的分割片可以提供比全部非陰影區(qū)域更有效的顏色恒常信息，為陰影區(qū)域的光照恢復(fù)提供了保證.

2.3.2 比例系數(shù)的計(jì)算

諸多文獻(xiàn)應(yīng)用都是對(duì)于圖像中只含有一個(gè)陰影區(qū)域進(jìn)行的光照估計(jì)［16］，存在多個(gè)陰影時(shí)，如果將一個(gè)比例系數(shù)應(yīng)用到所有區(qū)域，則不可能保證陰影模型的準(zhǔn)確性.所以針對(duì)獨(dú)立的陰影區(qū)域，根據(jù)區(qū)域顏色恒常性計(jì)算，都應(yīng)該有一個(gè)相應(yīng)的恢復(fù)比例系數(shù).文中通過(guò)紋理映射實(shí)現(xiàn)的過(guò)程，進(jìn)而將所有子區(qū)域合并即可以建立的關(guān)系，并通過(guò)二者光源估計(jì)值得到比例系數(shù).但由于子區(qū)域的分離性，在計(jì)算SM時(shí)不能基于區(qū)域計(jì)算，而只能進(jìn)行簡(jiǎn)單的統(tǒng)計(jì)量計(jì)算.所以文中采取“分而治之”的方法，根據(jù)顏色比例方法，首先獲得映射關(guān)系產(chǎn)生的各個(gè)比例系數(shù)cij，然后對(duì)于整個(gè)產(chǎn)生統(tǒng)計(jì)平均值.這樣的計(jì)算方法對(duì)于一個(gè)陰影明顯跨越多個(gè)紋理特征表面時(shí)，可以均衡子區(qū)域產(chǎn)生的奇異性.

根據(jù)顏色比例計(jì)算思路，對(duì)于單通道圖像，文中基于區(qū)域顏色恒常性的比例系數(shù)計(jì)算步驟重寫為:

3)為了達(dá)到陰影去除目的，即將陰影區(qū)域光照變換到非陰影區(qū)域光照，得到比例系數(shù):

根據(jù)顏色恒常性計(jì)算方法估計(jì)場(chǎng)景光照是十分有效的方法.而對(duì)于每個(gè)Patch，本節(jié)基于區(qū)域顏色恒常性計(jì)算進(jìn)行光照估計(jì)的參數(shù)設(shè)置也非常關(guān)鍵，根據(jù)文獻(xiàn)［17］的討論，為了降低計(jì)算復(fù)雜度，文中默認(rèn)采用(e0，2，1).

2.4 基于復(fù)合模型的半影恢復(fù)

由于半影在成像時(shí)具有的特殊性，作為本影到非陰影區(qū)域的過(guò)渡區(qū)域，在陰影去除時(shí)如果不進(jìn)行處理，本影去除的效果會(huì)有一定的突兀性，一定程度上影響視覺(jué)效果，所以很多文獻(xiàn)都專門對(duì)半影的處理進(jìn)行探討.Fredembach［18］發(fā)現(xiàn)如果采用在陰影邊界區(qū)域內(nèi)進(jìn)行插值的方法來(lái)自適應(yīng)計(jì)算半影中不同位置的比例系數(shù)，會(huì)產(chǎn)生一定的人工效應(yīng)和錯(cuò)誤結(jié)果，所以進(jìn)一步采用圖像修復(fù)技術(shù)［19］.圖像修復(fù)技術(shù)主要包括各種偏微分?jǐn)U散，特征匹配和壓縮感知的方法［20］，但是基于圖像修復(fù)的方法，尤其是面向圖像篡改中目標(biāo)移除的方法忽略了陰影區(qū)域的自身信息，完全通過(guò)圖像中其他部分的信息進(jìn)行匹配修復(fù)，雖然也可以得到較好的視覺(jué)效果，但容易引入各種附加信息.

文中首先假設(shè)半影區(qū)域RP光照變化光滑.根據(jù)陰影模型式(2)，半影區(qū)域任意位置光照為環(huán)境散射光源Ea與部分直接光源Ed加權(quán)，與位置信息緊密相關(guān).但是半影光照由于位置的特殊性，根據(jù)鄰域信息進(jìn)行區(qū)域顏色恒常性計(jì)算時(shí)估計(jì)的準(zhǔn)確性較低，直接按照比例系數(shù)方法不易得到較好的比例系數(shù)，所以不能只依靠單獨(dú)的區(qū)域顏色恒常性計(jì)算.關(guān)于位置信息的衡量，文獻(xiàn)［5，21］在陰影邊界切線的垂直方向上進(jìn)行采樣，實(shí)際上都是建立了半影的剖面模型，其中一個(gè)重要的參量就是半影中點(diǎn)位置與相應(yīng)本影的距離，但采樣過(guò)程具有一定的復(fù)雜性，而其需要進(jìn)行是否是最優(yōu)采樣的判斷.

文中根據(jù)顏色比例方法，對(duì)于半影區(qū)域，將區(qū)域顏色恒常性計(jì)算和剖面模型相結(jié)合，得到半影中任意位置的比例系數(shù)為:

此比例系數(shù)由兩項(xiàng)加權(quán)構(gòu)成:

文中依據(jù)本影邊緣的擴(kuò)散形成半影，以本影區(qū)域?yàn)橹行?，形成單像素的邊界環(huán)，可以得到每個(gè)像素距離本影的距離.假設(shè)垂直于陰影邊緣切線方向的光照分量光滑性直接由比例系數(shù)來(lái)體現(xiàn)，即垂直于陰影邊緣切線方向的比例系數(shù)下降具有光滑性，并假設(shè)剖面模型PF符合正半軸半高斯概率分布函數(shù)，服從(0，σP)，根據(jù)半影寬度DP及ci即得到每層半影的比例系數(shù)為

式中:dx表示位置信息x在剖面方向與本影的距離.圖6(a)為半影的分層表示，不同灰度級(jí)表征與本影的距離，右上角局部圖表示從本影到非陰影區(qū)域縱向方向灰度的變化，圖6(b)即為光滑下降的高斯剖面模型.

在現(xiàn)有文獻(xiàn)半影光滑等假設(shè)的基礎(chǔ)上，文中從陰影模型和半影生成過(guò)程出發(fā)，提出基于模型的自適應(yīng)半影恢復(fù)方法，其兼顧紋理特性，可以有效消除容易在邊緣產(chǎn)生的馬赫帶效應(yīng)，輸出圖像視覺(jué)效果良好.

圖6 半影的分層表示和剖面的高斯模型Fig.6 Penumbral hierarchical representation and Gaussian model of luminance profile

3 陰影去除仿真實(shí)驗(yàn)及討論

3.1 人工合成圖像的仿真

首先對(duì)人工合成圖像進(jìn)行陰影去除仿真，并和文獻(xiàn)［22］進(jìn)行比較，結(jié)果見(jiàn)圖7.

圖7 人工合成圖像的陰影去除結(jié)果Fig.7 Shadow removal results of the synthetic images

顧曉東等［22］提出了基于PCNN進(jìn)行陰影去除的重要思路，其不用進(jìn)行陰影檢測(cè)和考慮邊界問(wèn)題，陰影去除視覺(jué)良好;但由于其基于“商圖像”需要對(duì)整幅圖像進(jìn)行操作，所以非陰影區(qū)域也受到一定影響，同時(shí)處于陰影中的很多信息也沒(méi)有完全恢復(fù)出來(lái)，圖像的信息出現(xiàn)大幅變化，諸如目標(biāo)坦克的履帶等信息已經(jīng)缺失，所以基于商圖像的計(jì)算，如何保證信息不丟失是個(gè)難點(diǎn).文中方法基于顏色恒常性計(jì)算和紋理映射，對(duì)于人工合成圖像陰影區(qū)域信息恢復(fù)具有較高的準(zhǔn)確性，能夠?qū)㈥幱皡^(qū)域的灰度基本恢復(fù)到原始光照下，使得對(duì)陰影區(qū)域的認(rèn)知得以恢復(fù)，陰影去除效果明顯優(yōu)于文獻(xiàn)［22］.但是也容易看出，由于圖像組成為目標(biāo)與背景，人工陰影使得區(qū)域紋理映射的準(zhǔn)確性在一定程度上降低，估計(jì)得到的比例系數(shù)與陰影強(qiáng)度表征量SI的倒數(shù)有一定差異，而且合成圖像含有的銳化邊界(沒(méi)有過(guò)渡區(qū)域)兩側(cè)平衡恢復(fù)也較為困難，盡管使用了半影的恢復(fù)方法但圖像整體視覺(jué)效果仍有一定欠缺.

3.2 戶外場(chǎng)景圖像的仿真

經(jīng)過(guò)人工合成圖像的驗(yàn)證，進(jìn)而對(duì)典型戶外場(chǎng)景圖像進(jìn)行仿真，并與相關(guān)文獻(xiàn)進(jìn)行比較，見(jiàn)圖8(a)～(d)為原始陰影圖像，圖8(e)～(g)為文獻(xiàn)作者結(jié)果［5，23，21］，8(h)～ (k)為相應(yīng)的文結(jié)果.本文算法可以實(shí)現(xiàn)與很多文獻(xiàn)相當(dāng)或更好的陰影去除效果，由于采取較為精細(xì)設(shè)計(jì)的比例系數(shù)方法，尤其在陰影內(nèi)部的亮度及對(duì)比度恢復(fù)上有較大優(yōu)勢(shì)，采取的半影恢復(fù)方法在視覺(jué)上更使得原有陰影區(qū)域與非陰影區(qū)域的過(guò)渡自然.同時(shí)由于檢測(cè)的準(zhǔn)確性，非陰影區(qū)域的信息不會(huì)丟失.

戶外自然場(chǎng)景多具有紋理特性，本文方法在紋理映射時(shí)更加準(zhǔn)確，基于映射關(guān)系，相繼得到陰影中Patch和陰影區(qū)域的顏色比例系數(shù)，優(yōu)勢(shì)即在于對(duì)不同的陰影區(qū)域，可以根據(jù)紋理特征最相似Patch的光照估計(jì)得到比例系數(shù)，這樣對(duì)于每一個(gè)單獨(dú)的陰影區(qū)域都有一個(gè)相應(yīng)的恢復(fù)比例系數(shù)，從而避免了原有諸多算法單一系數(shù)的不足.本文基于區(qū)域顏色恒常性計(jì)算的優(yōu)點(diǎn)，即有效避免計(jì)算非陰影區(qū)域光照時(shí)大幅偏離情況的發(fā)生，而基于紋理映射尋找最適合的陰影Patch和非陰影Patch，得到的比例系數(shù)更加準(zhǔn)確.

但不容忽視的是，本文方法在單個(gè)陰影的處理上視覺(jué)效果較為一致，而由于實(shí)際光照?qǐng)鼍暗膹?fù)雜性，對(duì)于非均勻陰影的去除算法仍有一定不足;同時(shí)對(duì)于顏色恢復(fù)問(wèn)題，含陰影區(qū)域的顏色信息會(huì)有一定變化，多通道含陰影圖像處理的視覺(jué)良好性仍有待進(jìn)一步提升.

圖8 自然場(chǎng)景圖像陰影去除結(jié)果Fig.8 Shadow removal results of the natural scene images

4 結(jié)論

1)文中通過(guò)紋理映射建立本影中分割片與非陰影區(qū)域分割片之間的關(guān)系，分別進(jìn)行區(qū)域顏色恒常性計(jì)算得到光照估計(jì)量，根據(jù)顏色比例方法，求得每一個(gè)陰影區(qū)域的恢復(fù)系數(shù);

2)根據(jù)半影輸出，提出基于復(fù)合模型的半影恢復(fù)方法，由區(qū)域顏色恒常性計(jì)算和剖面光滑模型得到比例系數(shù)的加權(quán)值作為最終半影恢復(fù)系數(shù)，更有利于從本影到非陰影區(qū)域的過(guò)渡;

3)大量仿真實(shí)驗(yàn)驗(yàn)證了文中算法可以將陰影區(qū)域中像素點(diǎn)的亮度、顏色和紋理等信息恢復(fù)到非陰影區(qū)域光照的效果.

對(duì)于自然場(chǎng)景圖像的復(fù)雜性，文中的紋理映射方法在適用場(chǎng)景上還有局限，而基于顏色比例的方法，盡可能滿足模型本身的需求也依賴于普適的顏色恒常性計(jì)算方法.陰影檢測(cè)的客觀衡量可以通過(guò)主動(dòng)標(biāo)注區(qū)域來(lái)進(jìn)行正確率的大致計(jì)算，但陰影去除的客觀評(píng)價(jià)還不易提出，目前可以通過(guò)特定目標(biāo)檢測(cè)和識(shí)別等任務(wù)效果的提升來(lái)側(cè)面反映.

［1］陳繼國(guó)，沈超敏.單幅圖像的保紋理陰影去除［J］.計(jì)算機(jī)工程，2010，36(22):219-221.

CHEN Jiguo，SHEN Chaomin.Texture-preserving shadow removal from single image［J］.Computer Engineering，2010，36(22):219-221.

［2］ARBEL E，HEL-OR H.Texture-preserving shadow removal in color images containing curved surfaces［C］//Proceedings of IEEE CVPR 2007.Minneapolis，Minnesota，USA，2007:1-8.

［3］FREDEMBACH C，F(xiàn)INLAYSON G D.Hamiltonian path based shadow removal［C］//Proceedings of 16th British Machine Vision Conference(BMVC).Oxford，UK，2005:970-980.

［4］葉勤，徐秋紅，謝惠洪.城市航空影像中基于顏色恒常性的陰影消除［J］.光電子·激光，2010，21(11):1706-1713.

YE Qin，XU Qiuhong，XIE Huihong.Removing shadows from urban aerial images based on color constancy ［J］.Journal of Optoelectronics·Laser，2010，21(11):1706-1713.

［5］ARBEL E.A novel approach for shadow removal based on intensity surface approximation［D］.Haifa:University of Haifa，2009:6-9.

［6］MAMASSIAN P，KNILL D C，KERSTEN D.The perception of cast shadows ［J］.Trends in Cognitive Sciences，1998，2(8):288-295.

［7］過(guò)潔，徐曉旸，潘金貴.基于陰影圖的陰影生成算法研究現(xiàn)狀［J］.計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2010，22(4):579-591.

GUO Jie，XU Xiaoyang，PAN Jingui.Present status of shadow generation algorithms based on shadow maps［J］.Journal of Computer-Aided Design ＆ Computer Graphics，2010，22(4):579-591.

［8］王寧.圖像的陰影檢測(cè)和去除算法研究［D］.北京:北京交通大學(xué)，2008:42-54.

WANG Ning.Study on shadow detection and removal［D］.Beijing:Beijing Jiaotong University，2008:42-54.

［9］LEVINE M D，BHATTACHARYYA J.Removing shadows［J］.Pattern Recognition Letters，2005，26(3):251-265.

［10］BUADES A，COLL B，MOREL J M.A review of image denoising algorithms with a new one［J］.Multiscale Modeling and Simulation，2005，4(2):490-530.

［11］林景亮，陳岳林.基于雙目視覺(jué)的三維人臉重建方法［J］.計(jì)算機(jī)應(yīng)用研究，2012，29(1):397-400.

LIN Jingliang，CHEN Yuelin.3D face reconstruction using binocular vision ［J］.Application Research of Computers，2012，29(1):397-400.

［12］LALONDE J F，EFROS A A，NARASIMHAN S G.Detecting ground shadows in outdoor consumer photographs［C］//Proceedings of ECCV.Crete，Greece，2010:322-335.

［13］YAO Zhijun，LIU Juntao，ZHOU Yu，et al.Similarity measure method using symmetric KL divergence［J］.Journal of Huazhong University of Science and Technology:Natural Science Edition，2011，39(11):1-4.

［14］WEIJER J，GEVERS T，GIJSENIJ A.Edge-based color constancy［J］.IEEE Trans on Image Processing，2007，16(9):2207-2214.

［15］FINLAYSON G D，TREZZI E.Shades of grey and color constancy［C］//Proceedings of the 12th Color Imaging Conference.Scottsdale，USA，2004:37-41.

［16］SHOR Y，LISCHINSKI D.The shadow meets the mask:pyramid-based shadow removal［J］.Computer Graphics Forum，2008，27(2):6-9.

［17］GIJSENIJ A，GEVERS T.Color constancy by local averaging［C］//Proceedings of 14th International Conference of Image Analysis and Processing-Workshops.Modena，Italy，2007:1-4.

［18］FREDEMBACH C，F(xiàn)INLAYSON G D.Simple shadow removal［C］//Proceedings of International Conference on Pattern Recognition.Hong Kong，China，2006:832-835.

［19］張巧煥，唐向宏，任澍.一種基于區(qū)域搜索的快速圖像修復(fù)算法［J］.杭州電子科技大學(xué)學(xué)報(bào)，2011，31(5):139-142.

ZHANG Qiaohuan，TANG Xianghong，REN Shu.A fast image inpainting algorithm based on local search ［J］.Journal of Hangzhou Dianzi University，2011，31(5):139-142.

［20］FADILI M J，STARCK J L，MURTAGH F.Inpainting and zooming using sparse representations［J］.Computer Journal，2009，52(1):64-79.

［21］FENG Liu，GLEICHER M.Texture-consistent shadow removal［C］//Proceedings of ECCV 2008，Part IV.Marseille，F(xiàn)rance，2008:437-450.

［22］GU Xiaodong，YU Daoheng，ZHANG Liming.Image shadow removal using pulse coupled neural network ［J］.IEEE Trans Neural Network，2005，16(3):692-698.

［23］FINLAYSON G D，DREW M，LU C.Intrinsic images by entropy minimization［C］//Proceedings of the IEEE European Conference on Computer Vision(ECCV).Prague，Czech，2004:582-595.