导读:本文包含了阴影分割论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:阴影,向量,图像处理,模型,图像,形态学,交通。
阴影分割论文文献综述
马皇特[1]（2019）在《基于无人机航拍图像的阴影分割与消除》一文中研究指出无人机拍摄的地面影像,绝大多数都存在部分阴影区域。而影像中的阴影会降低图像的对比度、模糊地面物体的纹理等信息、降低图像质量,这会导致用此影像做出的叁维(3D)模型与实物有所偏差,也不利于地面物体的识别与统计。由于无人机与常规拍摄相比拍摄距离较远,拍摄范围较广,所以其拍摄景物较复杂。微型无人机在不同的应用中,必然要在各种不同的环境下进行工作。因拍摄时间、拍摄场所、拍摄物体的不同,光照、空气折射率、天气、透光率、反射率等因素会对阴影检测和消除产生很大的影响。要设计能够用于微型无人机航拍图像阴影检测与消除,其算法必须对于变化各异的拍摄环境具备良好的鲁棒性。综上所述,可以发现无人机拍摄影像进行阴影分割与消除具有一定的难度和挑战。本论文通过分析现在对无人机影像阴影分割与消除的研究进展,以微型四旋翼无人直升机搭载航拍相机拍摄的图像为数据源,进行图像阴影分割与消除,并将阴影消除后的图像所做的3D模型与原图像的3D模型进行比较。在本论文的研究中,主要的创新点如下:1.在阴影分割方面,先根据图像像素大小等分成m?n份,依次对每一幅图像进行阴影分割与消除,这样可有效改进阴影分割的精度,也有利于之后的阴影消除。对每幅小图像采用均值漂移(MeanShift)算法进行滤波,平滑图像以减少误分割并且降低程序运行时间,再用K均值聚类(Kmeans)算法将图像分割成两部分,然后算出每一部分红绿蓝(RGB)叁通道的均值,均值小的部分为阴影区域,再把阴影区域中小的连通域剔除掉,便分割出了基本的阴影区域。2.在阴影消除方面,先对阴影区域进行腐蚀膨胀操作,得到全阴影区域与半阴影区域。对全阴影区域,根据非阴影区域RGB叁通道均值,采用改进的线性方程校正。对半阴影区域,根据与其相邻的非阴影部分,用快速行进修复算法(Fast Marching Method,FMM)进行修复。修复完成后把所有的小图像拼接回原始图像大小,再次用FMM算法对拼接区域进行修复。(本文来源于《长安大学》期刊2019-04-08）
付梦印,靳璐,王美玲,杨毅[2]（2014）在《一种改进的PSO-MBCV算法的车底阴影分割》一文中研究指出针对当前车底阴影分割算法在复杂环境下鲁棒性较差以及最大类间方差(maximum between-class variance,MBCV)多阈值分割算法不能自动确定阈值个数的问题,提出利用峰值自适应方法自动确定MBCV多阈值分割算法中阈值个数;然后,以阈值的个数为粒子群优化算法(particle swarm optimization,PSO)中粒子的维数,提出了一种改进的PSO-MBCV算法的车底阴影分割。实验结果表明,该算法能有较低的误分类误差,能有效地分割出车底阴影。(本文来源于《系统工程与电子技术》期刊2014年07期）
杨旗[3]（2012）在《采用纹理分析的运动人体阴影分割方法》一文中研究指出研究采用纹理分析的方法来消除由光照产生的人体阴影,进行人体阴影分割,首先采用混合高斯模型对运动人体前景及背景进行提取,主要研究采用多尺度小波分解来提取运动人体背景及前景纹理及颜色特征,建立基于像素的纹理及颜色特征向量,并采用支持向量机对特征向量进行分类,如前景像素点特征向量与对应的背景像素点特征向量一致时,可判定为阴影区域。结果表明:采用此纹理分析方法可很好地分割出阴影区域,并且光照变化及采集图像时的颜色偏差对阴影提取几乎没有影响。(本文来源于《沈阳理工大学学报》期刊2012年01期）
郭艳颖,杨国庆,蒋立辉[4]（2011）在《一种新的泊位飞机阴影分割方法》一文中研究指出飞机泊位自动引导系统中,识别跟踪定位泊位飞机时,会出现灰度较低区域被误判为阴影区域的现象,严重影响识别效果,因此分割飞机阴影是泊位成功与否的关键技术。提出一种将形态学的幂变换与无边界主动轮廓线模型结合的阴影分割方法,首先利用多方向权重形态学对泊位飞机图像中的噪声和微小的干扰区域进行滤除,然后进行幂变换来增强图像质量,最后利用无边界主动轮廓线模型分割阴影。实验结果表明,该方法不仅能够滤除噪声,保留图像细节,而且能提高分割阴影的精确度,并且抑制了泊位飞机分割产生的"拖尾"现象,有效地检测出运动飞机的阴影。(本文来源于《中国民航大学学报》期刊2011年06期）
冯文刚,高隽,Bill,Buckles,吴克伟[5]（2011）在《多颜色空间中目标约束的车辆阴影分割研究》一文中研究指出智能交通系统希望从交通视频中获取车辆的相关信息来管理交通流,而视频中车辆阴影的检测和移除是移动车辆检测的一个关键问题。首先提出一种新颖的背景模型更新方法,它是基于从前帧学习到的目标知识来更新背景模型;其次提出一种新的颜色空间,VIRGBC颜色空间,进行车辆阴影分割,它是通过从不同颜色空间中提取对阴影敏感的光谱特征和几何特征进行融合获得VIRGBC颜色特征;然后分别对VIRGBC颜色空间中各通道利用条件随机场进行训练,利用调和平均数合并获得分割结果。实验结果表明,该方法的precision-recall曲线下的面积为93.5%,比现有其他算法获得更好的结果。(本文来源于《中国图象图形学报》期刊2011年09期）
刘聪,李言俊,张科[6]（2010）在《基于伪魏格纳分布分解的合成孔径雷达图像目标与阴影分割》一文中研究指出在二维魏格纳分布的框架内,针对魏格纳变换的交叉项问题和计算量大的问题,提出了合成孔径雷达图像局部伪魏格纳变换的目标和目标阴影的分割方法.首先,将合成孔径雷达图像进行二维伪魏格纳变换,得到各像素点的二维能量谱图;然后提取各像素点的二维能量谱图对应位置值形成多个不同频段的与原图像同大小的能量谱图;最后,对不同频段的能量谱图采用不同的处理方法后,将各能量谱图相加处理后形成区域标识图像,最终得到原图像的目标和目标阴影分割图像.本文利用该方法对MSTAR切片图像进行了分割试验,并对分割图像与频谱最大值距离或方位分割算法和基于双参量CFAR与隐马尔科夫联合分割算法进行了分割图像对比度对比.实验结果表明,采用本文算法的合成孔径雷达分割图像,对比度明显提高,且保留了目标图像细节.(本文来源于《光子学报》期刊2010年12期）
陈继国[7]（2010）在《单幅数字图像的阴影分割及去除》一文中研究指出本文主要介绍了单幅彩色数字图像中阴影分割和阴影去除的相关算法.阴影分割即从有阴影的数字图像中确定阴影的轮廓.阴影的去除即在阴影分割的基础上,将图像中阴影区域的亮度提高,使其在视觉效果上与图像中的光亮区域一致.本文将边界模糊的阴影称作软阴影,边界明确的阴影称作硬阴影.针对不同的阴影类型,分别给出了各自的算法.对于硬阴影图像,过去阴影分割的方法主要是比较图像的本征图与原始图像,从而获取阴影边界信息.然后通过计算机形态学运算,将不连续的阴影边界膨胀为连续的阴影边界.此方法的缺点是：膨胀运算在使得阴影边界连续的同时,也降低了阴影分割的准确性.本文未采用计算机形态学运算,而是将图像的本征图和现代图像分割技术相结合,提出了我们新的模型.对于软阴影图像,我们根据其阴影边界模糊的特点,将软阴影分为全阴影区域和半阴影区域.对软阴影的分割,即计算图像中半阴影区域的边界.我们沿垂直于半阴影区域的方向进行取样,并建立模型,将问题转化为叁次函数拟合问题.从而可以计算得到半阴影区域分别与光亮和全阴影区域的边界.本文中阴影去除的算法可在图像的RGB色彩空间和HSI色彩空间分别进行.对于不同的图像,两种空间中阴影去除的效果各有利弊.阴影去除的算法与阴影分割的算法紧密相连.对于硬阴影图像,在准确地获取阴影边界之后,将阴影部分减去阴影因子,从而使其亮度提高.若边界的视觉效果不好,可以继续采用图像修补技术将其完善.软阴影中全阴影区域的算法与硬阴影基本一致.半阴影区域的阴影因子并非常数,计算相对复杂.本文中的模型将半阴影区域阴影因子的计算转化为一个能量极小化问题.我们通过数值实验,验证了本文模型的有效性.(本文来源于《华东师范大学》期刊2010-04-01）
高韬,刘正光,张军[8]（2009）在《复杂环境下车辆阴影分割算法研究》一文中研究指出车辆阴影分割是智能交通领域中车辆识别的一项重要内容,阴影分割的好坏直接影响到车辆识别的准确性以及整个智能交通监控系统的性能.针对当前基于RGB和HSV颜色空间的车辆阴影分割算法缺陷与不足,本文提出了一种新的基于YCbCr空间的车辆阴影分割算法.首先选取图像中的运动区域,运动区域包括车辆以及阴影;然后根据阴影区域出现的特点,选择初始阴影数据;最后,通过本文提出的阴影分割算法最终确定阴影区域的形状与位置.经过实际道路运行测试,该算法能提取出的车辆阴影完整性好,具有较好的鲁棒性,在智能交通领域具有一定的应用价值与前景.(本文来源于《交通运输系统工程与信息》期刊2009年02期）
叶姣姣,陈泉林,曹捷[9]（2008）在《基于色彩空间的运动物体阴影分割》一文中研究指出基于视频序列的移动物体提取在各领域有着积极的研究意义。传统方法从灰度域提取物体特征向量往往无法准确给出物体位置等信息。而在色彩域内,可利用多种特征向量进行有效的图像分割。为了提取可视化图形中的阴影区域,提高车辆识别与跟踪的鲁棒型,通过在RGB色彩空间内利用欧式度量法和HSI色彩空间中的特征向量实现上述目的。并建立了统计模型并通过区域增长的理论利用车辆空间信息避免了近似色车辆带来的误判,提高算法的可靠性。实验结果表明,运动物体的阴影可以取得较好地提取结果。(本文来源于《计算机仿真》期刊2008年10期）
刘直芳,王运琼,游志胜[10]（2007）在《简单有效的运动汽车投影阴影分割算法》一文中研究指出在实时的车型识别系统中,由于光照的影响,需要一种简单快速有效的方法将汽车车体与其阴影分割开。利用阴影的光谱属性,同时根据阴影的几何特征及阴影区域内的点和汽车的空间位置、形状等相关特点,提出一种基于小波变换多分辨率特性的阴影分割算法,该算法能有效地分割出阴影与目标之间的分界线。先利用阴影的光谱属性对阴影进行粗分割,然后利用小波变换的多尺度性对候选阴影点进行特征提取,从而获取最后的阴影分界线。该方法不需要事先确定光源的方向、车体的彩色信息和背景纹理信息,能有效地分割任何颜色、任何背景纹理下、任何光源方向下的运动汽车投影阴影。实验表明,该方法定位准确,处理速度快,抗噪能力强,为进一步的车型识别提供基础。(本文来源于《光学学报》期刊2007年05期）
阴影分割论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对当前车底阴影分割算法在复杂环境下鲁棒性较差以及最大类间方差(maximum between-class variance,MBCV)多阈值分割算法不能自动确定阈值个数的问题,提出利用峰值自适应方法自动确定MBCV多阈值分割算法中阈值个数;然后,以阈值的个数为粒子群优化算法(particle swarm optimization,PSO)中粒子的维数,提出了一种改进的PSO-MBCV算法的车底阴影分割。实验结果表明,该算法能有较低的误分类误差,能有效地分割出车底阴影。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
阴影分割论文参考文献
[1].马皇特.基于无人机航拍图像的阴影分割与消除[D].长安大学.2019
[2].付梦印,靳璐,王美玲,杨毅.一种改进的PSO-MBCV算法的车底阴影分割[J].系统工程与电子技术.2014
[3].杨旗.采用纹理分析的运动人体阴影分割方法[J].沈阳理工大学学报.2012
[4].郭艳颖,杨国庆,蒋立辉.一种新的泊位飞机阴影分割方法[J].中国民航大学学报.2011
[5].冯文刚,高隽,Bill,Buckles,吴克伟.多颜色空间中目标约束的车辆阴影分割研究[J].中国图象图形学报.2011
[6].刘聪,李言俊,张科.基于伪魏格纳分布分解的合成孔径雷达图像目标与阴影分割[J].光子学报.2010
[7].陈继国.单幅数字图像的阴影分割及去除[D].华东师范大学.2010
[8].高韬,刘正光,张军.复杂环境下车辆阴影分割算法研究[J].交通运输系统工程与信息.2009
[9].叶姣姣,陈泉林,曹捷.基于色彩空间的运动物体阴影分割[J].计算机仿真.2008
[10].刘直芳,王运琼,游志胜.简单有效的运动汽车投影阴影分割算法[J].光学学报.2007
论文知识图
