43、基于灰度关联分析与Sobel边缘检测算法的阴影去除及运动目标检测系统

基于灰度关联分析与Sobel边缘检测算法的阴影去除及运动目标检测系统

1. 阴影去除与运动目标检测的重要性

在我们的日常生活中，运动目标检测扮演着重要的角色，然而耗时和检测精度是需要关注的问题。阴影在自然界中十分常见，它是由物体遮挡光源而形成的。阴影在不同的计算机视觉领域可能会产生不同的影响，既有优点，也有很多缺点。

在航空成像领域，阴影可能会影响图像处理的遥感效果，如图像匹配、模式识别和物理提取等；在医学成像领域，阴影可能会影响医生对病变图像的判断；在视频监控领域，阴影可能会影响运动目标检测的结果，导致在跟踪区域中遗漏运动目标。因此，在运动目标检测中分析、减弱甚至消除阴影是非常必要的。

2. 现有阴影去除方法及局限性

近年来，在阴影去除领域取得了许多成果，但每种方法都有其局限性：
- Elena Salvador方法 ：提出使用光度颜色不变量来去除阴影。该算法通过将RGB空间转换为对光不敏感的空间来消除阴影，速度较快。但单光源、物体与阴影共存以及阴影区域表面光滑等条件限制了该算法的应用。
- Kobus Barnard和Martin D. Levine方法 ：使用颜色比率特征来检测阴影，算法简单高效，但需要所有的颜色比率值，这在实际中是不可能的，导致一些阴影边缘无法被检测到。
- G.D. Finlayson方法 ：使用照明不变图像来检测阴影，能在复杂场景中获得较完整的边缘，但需要相机的摄影系数，不同相机的摄影系数可能不同。此外，他和C.Fredembach使用基于哈密顿路径的一维积分来去除阴影，虽然能取得较好的