计算机与现代化 2011年第1期
JIS UAN JI YU X IAN DA I H UA
总第185期
文章编号:1006 2475(2011)01 0110 03
收稿日期:2010 09 13
作者简介：杜丙新(1982 )，男，河南信阳人，安阳师范学院教育信息技术与传媒学院讲师，硕士，研究方向：计算机图形图像与机器视觉。
一种基于局部二值模式的阴影消除方法
杜丙新
(安阳师范学院教育信息技术与传媒学院，河南安阳455000)
摘要：运动目标检测和阴影消除是自动化视频分析系统的基础。本文根据视频背景与运动目标纹理的差异性以及背景与阴影纹理的相似性，提出一种利用局部二值模式作为图像纹理特征描述子，检测运动目
标并消除阴影的方法。实验表明本文方法能在较好地抑制阴影同时，检测出完整运动目标。关键词：阴影消除；局部二值模式;G abor 滤波
中图分类号:T P391 文献标识码:A do:i 10.3969/.j i ssn .1006 2475.2011.01.032
Shado w E li m i n ation Bad on Local B i n ary Patterns
DU B i n g x i n
(Schoo l o f Educati ona l Infor m ation T echnology and Co mmunicati on ,A nyang N o r m alU n i v ers it y ,A nyang 455000,Ch i na)Ab stract :M ov i ng ob j ec t detec ti on and shadow eli m i nati on are basic steps in automa ti c v i deo processing syste m s .The paper pro pod an efficien t texture bad m ov i ng ob jects detecti on and shado w e li m i nation techn i que on t he fact t hat loca l texture features are qu i te d ifferent be t w een backg round and m oving ob j ects .Exper i m enta l results sho w t hat the me t hod can detect m ov i ng object and supress shado w s si m u ltaneous l y .K ey w ords :shado w e li m i nation ;
l oca l b i nary patterns ;G abor filter
0 引 言
运动目标检测与阴影消除是自动化视频处理系统需解决的首要问题。它是许多后续视频分析的基
础。目前已有大量文献对目标检测和阴影消除问题进行研究并提出不少可行的去除阴影的方法。这些处理方法可归纳为基于模型的和基于阴影特征的两大类[1]
。基于模型的方法主要是利用运动物体投影的几何关系确定物体投影阴影的区域。这种方法主要适用于几何关系比较明确的场景。基于阴影特征的方法是利用阴影区域的形状、颜色、亮度和纹理等特征将阴影与运动目标区分开。基于特征的方法不受几何模型的限制，因此适用范围更广。
本文根据运动目标与背景的纹理差异较大而阴影与背景纹理差异性较小这一特点。首先采用G a bor 滤波器增强纹理，然后对纹理增强后的帧进行基
于部分重叠块的LBP 直方图统计[2]
建模，并使用一
invoice种自适应背景更新[3]
的方法来更新所建的模型。实验表明，本文的方法在提取出运动前景的同时，能很好地抑制运动阴影，且不易受亮度变化的影响。
1 G abor 滤波器
Gabor 滤波基函数(Gabo r E le m entar y Functi o ns)
由Gabo r 定义[4]
。将其推广到二维后可以同时在空域、频域和方向上获得最佳的分辨率。Gabor 滤波已被广泛应用于纹理分析、模式识别、图像检索等领域。在空间域，一个典型的复G abor 函数的形式为
[5]
:
商务英语专业女生就业
g (x ,y )=s(x ,y) r (x ,y )
(1)
s(x ,y)为复正弦函数，称作载波(carrier); r (x ,y)为二维高斯函数，称为包络(envelop)。Gabor 基函数的本质是一个可选频带和相位的带通滤波器(如图1所示)。(1)式中
s(x ,y)=exp(j(2 (u 0x+v 0y)+P))
(2) r (x,y)=K exp(- (a 2(x -x 0)r +b 2(y-y 0)r ))
(3)
2011年第1期杜丙新：一种基于局部二值模式的阴影消除方法111
(u 0,v 0)和P 为复正弦函数的空间频率和相位。a 、b 为高斯函数的尺度参数，下标r 表示旋转,
如式(4)
(x-x 0)r =(x-x 0)cos +(y -y 0)si n (y-y 0)r =-(x -x 0)si n +(y -y 0)co s
(4)
图1为一组空间域Gabor 滤波器实部示意图。
图1 不同方向G abor 滤波实部示意图
用空间域G abor 滤波器对输入图像进行Gabor
变换公式可如式
(5)表示[6]
:
回路是什么意思I G i (x
,y)=I(x,y)*G i (x ,y) i=1,2, ,N
(5)
其中,I(x ,y )表示输入图像;I G i (x ,y)是其滤波输出图像;*表示卷积;N 表示滤波器的数量。滤波效果如图2所示。
invalid
图2 在两个方向的滤波效果图
2 局部二值模式
2.1局部二值模式
本文基于局部纹理的运动目标检测和阴影消除方法是以局部二值模式(Local B i n ary Patter n,LBP)为基础。局部二值模式在纹理描述与分析中有着广泛的应用，并被逐渐扩展到机器视觉、模式分类和运动检测等领域。
局部二值模式的基本思路是：对一个图像块，利用中心像素点C 的像素值g c 来阈值化其n *n 邻域，得到的结果称为LBP 码。
LBP (x c ,y c )= P -1
p=0s(g p -g c ) 2p
(6)
其中,g c 表示中心像素点(x c ,y c )的灰度值,g p 表示P 个邻近像素点的灰度值，函数s(x)如下定义:
s(x)
=
1x 00x <0
(7)
图3(a)给出了3 3基本LBP 操作的说明[7]
，文
献[8]将LBP 操作扩展到环形对称邻域(如图3(b)所示)。
一个图像块的LBP 码组的直方图统计(
归一化的直方图)可以作为该图像块的纹理描绘子不同纹理图像的描绘子之间会有很大差异，可以利用相似性度量来衡量图像块的相似程度。由(6)式易知
LBP 纹理描述方法对局部亮度变化不敏感。
图3 LBP 码示意图
2.2相似性度量
通常可用于纹理直方图相似性度量的方法有对数似然准则、直方图交和Bhattacharyya 相似系数等[10]
，对于小的图像块，因直方图统计中0值较多,log 函数在0附近是没有定义的，因此不宜采用对数
似然的方式进行相似性度量。本文采用如下Bhatta char yya 相似系数作为纹理相似性度量准则。
= ((S b ,M b )=
B b=1
S b M b
(8)
其中,S 代表样本分布,M 代表模型分布,b 为直方图统计的对应位数。
3 阴影抑制方法
本文使用自适应背景建模的方式来实现运动目标检测和阴影抑制。对于时间轴上图像块序列I B i (i =1,2, ,T)，利用LBP 直方图统计作为该图像块序列的描述子序列[11]
。在t 时刻，像素块I B t 的直方图统计用H t 表示，为了自动更新背景，使用K 个加权的LBP 直方图统计来对已有的背景图像块({H 1,H 2, ,H t })建模。 k t 表示第k 个LBP 直方图统计在t 时刻的权值。
对新到的块直方图H n ，首先利用Bhattacharyya 系数度量方式与K 个直方图进行相似性判定，当其与K 个直方图均不匹配时，用H n 替换权值最小的直方图，同时将其权值初始化为一个较小值，并对K 个权值归一化；当找到匹配时，按如下方式更新直方图[12]。
= h H k,
2021考研英语答案
t-1
[i]+(1- h )H n [i ]
(1- ) k ,
t-1+ M
(9)
其中, h 和 分别为LBP 直方图与权值的更新速度，且匹配时M =1，不匹配时M =0。将更新后的直方图按权值降序排列，选取前B 个LBP 直方图作为背景模型。H n 与前B 个直方图比较，如果找到匹配，则H n 为背景，否则H n 为前景。本文中K 取4, h 和 均为0.05。
本文方法可按如下步骤实现:
对视频帧序列的每一帧
(1)选取6个方向的Gabor 滤波器滤波，利用式(4)获取输出结果;
(2)将步骤(1)中结果分成部分重叠的块，按前述方法建模，并更新模型，获取前景模型参数;
(3)对步骤(2)得到前景模板进行连通分量分析，去除小的连通分量，再对模板进行 孔洞 填充;
(4)根据原始帧的边缘信息对模板边缘进行平滑操作;
(5)将模板和原始帧相与，获得运动目标。
4 实验结果及分析
实验首先利用自己拍摄的视频演示实验流程和
各阶段结果(如图4所示)；然后使用一组测试用视频，测试本文方法的目标提取和阴影检测效果(如图5所示)
。
图4 实验流程及处理结果
图4中，图4(a)为原始图，图4(b)为经Gabo r 滤
波处理后的图。实验中，载波频率为0.6，高斯包络的方差为3(x 、y 方向方差相同，为圆形包络)，共选取了以 /6为单位的6个方向。将图4(b)分成部分重叠的12 12的像素块，然后对像素块利用LBP 直方图统计建模，文中直方图统计使用的是LBP 8,2(半径为2的环形区域选8个点)，图4(c)为由建模后得到的初始前景，由于噪声等因素的影响，初始前景有较多的误判像素块和 孔洞 ，经过连通分量分析，去除小的孤立像素块和填充 孔洞 后的效果如图4(d)，图4(e)图为边缘平滑后的最终结果。
图5中，图5(a)、图5(b)、图5(c)分别为h i g hway
II .av,i i n telli g entroo m .avi 和Laborat o ry .av i (由文献[13]
提供，下载网址http ://cvrr .ucsd .edu /at o n/shado w )。
图5 不同视频的实验结果
第一行为原始图，第二行为处理后的结果。因本文方法对亮度变化不敏感，当视频噪声较大时,LBP 纹理直方图统计就不能准确描述图像块纹理信息，因
有道英语翻译器而会导致较多图像块的误检或漏检[14]
。在highw ay II .avi 视频中就有多帧出现该问题。初步设想可通过结合亮度、色度信息或者是利用多尺度的Gabor 滤波来解决这一问题。
教宗选举
5 结束语
局部二值模式多用于纹理分割和图像检索等领域，它在视频运动目标检测领域应用的研究较少。本文结合Gabor 滤波和局部二值模式直方图纹理描述，提出一种基于局部纹理相似性的视频运动目标检测和阴影抑制的方法。该方法利用局部二值模式直方图统计作为纹理描绘子，采用自适应更新模型对背景建模。该方法易于实现且运算效率高。本文实验仅限于灰度图像，后续实验中可尝试在多种颜色空间使用本文方法以改进最终检测效果。
参考文献:
[1] M assi m o P iccard.i Backg round subtraction techn i ques :A re
v ie w [C ]//2004IEEE Internati onal Conference on Sys
te m s ,M an and Cybernetics .2004,4:3099 3104.
[2] H e i kk il a
..M,P ieti k a
..i nen M,H e i kk il a
..J .A tex ture bad
m ethod for detecti ng m ov i ng ob j ects[C ]//The 15th British M achi ne V i sion Conference .2004,I :187 196.
[3] Y oneya m a A,Y eh C H,K uo C C J .M ov i ng cast shadow
eli m i nati on for robust veh i c le extraction bad on 2D j o i nt veh i c le /shadow m ode ls[C ]//P roceed i ngs of IEEE Con f e r ence on A dvanced V i deo and S i gna l Bad Surve illance .Lo s Ange l es .2003:229 236.
[4] Denn is G abor .T heory of comm un i cation[J].Journa l of the
Instit ution o f E lectr i ca l Eng i neers ,1946,26(93):429 441.[5]
Jav i er R M ove ll an .T utor i a l on G abor F ilte rs[EB /OL ].ht tp ://m plab .ucsd .edu/tutor i a ls/g abor .pd,f 2009 09 02.
(下转第116页)
=0.7,c=I m ax/2；设置F m ax,F m in根据原始图片中血管的灰度值范围，图2为用本文的方案提取出的最终结果。该结果显示本文的算法确实能够生成可靠而满意的血管图，具有一定的有效性和可行性。
3 结束语
本文充分考虑肝脏CT血管的灰度和结构特点，提出了一种基于局部特征结构和区域生长相结合的肝脏
CT血管三维分割的方法。通过对6组肝脏CT图像进行重建，结果表明本文中提出的算法具有一定的可行性和有效性，对C T血管造影医学影像具有较好的分割效果，为后续的血管重建奠定了坚实的基础。
参考文献:
[1] 陈建国，陆建华.国内外癌症防治现状[J].肿瘤,2007,
27(9):755 759.
[2] 孙俊旗，孟志华，陈振松，等.磁共振虚拟肝血管三维重
建在肝切除术中的应用[J].中国医学影像技术,2010,
26(5):910 913.
[3] 王义，张友磊,Pe itgen H e i nz O tto，等.肝内血管的三维重
建及肝癌局部解剖性切除[J].中国普通外科杂志,
2008,23(12):914 917.
[4] 主海文，刘有军，曾衍钧，等.血管图像分割技术的研究
进展[J].北京生物医学工程,2005,24(2):155 158. [5] A le j andro F F rang,i W iro J N iesn,K oen L V incken,et a.l
M u lti sca le ves l enhancement filtering[C]//M edical I m
age Com puti ng and Co m puter A ssi sted Interv enti on,M IC
C A I.1998:130 137.
[6] Sato Y,N aka ji m a S.Three di m ens i ona l mu lti scale li ne fil
ter f o r g m entati on and visualizati on of curv ilinear struc
tures i n m edical i m ages[J].M edica l I m age A nalysis,1998,
2(2):143 167.
[7] Sato Y,W esti n C F,Bha lerao A,e t a.l T issue c lassifica ti on
bad on3D local i ntens it y struct ure for volu m e render i ng
[J].IEEE T ransacti ons on V is ua liza ti on and Compu ter
G raph ics,2000,6(2):160 180.
[8] K o ll er T M,G er i g G,S zeke l y G,et a.l M ultisca l e de tecti on
o f curv ili near structure i n2 D and3 D i m age date[C]//
P roceedi ngs o f the5th Internationa lConference on Compu ter V ision.1995:864 869.
[9] Ji r i H laduvka,A ndreas K on i g,Edua rd G roll e r.Explo iti ng
eigenva l ues o f the H essian m atr i x f o r vo l u m e dec i m a ti on
[C]//P roceedi ngs o f t he9th In ternati onal Confe rence i n
Cen tral Europe on Co m pute r G raphics,V isua li zati on,and
Co m pute r V isi on(W SCG2001).2001:124 129.
[10]王树文，闫成新，张天序，等.数学形态学在图像处理中
clay
的应用[J].计算机工程与应用,2004,40(32):89 92.
[11]M ancas M,G os li n B,M acq B.Seg m entati on usi ng a reg i on
g ro w i ng thresho l di ng[C]//P roceed i ngs o f the SP IE,I mage
Processi ng:A l gor it h m s and Syste ms I.2005,5672:388 398. [12]Chen Y,H an C.A mod ified reg ion g row i ng a l go rith m f o r
m ulti co lored i m age object gm enta ti on[J].Ch i ne O p
ti cs L ette rs,2007,1(5):25 27.
[13]A ndre w M,Paul J.A n i m proved eded reg ion grow i ng a l go
rith m[J].P atte rn R ecogn ition L etters,1997,10(18):
1065 1071.
[14]Ada m s R,B ischo f L.Seeded reg ion grow i ng[J].IEEE
T rans.P atte rn A na.l M ach Inte lli gence,1994,6(16):
641 647.
(上接第112页)
[6] 段先华，王元全，王平安，等.利用G abor滤波的相位图
像进行光流估计[J].计算机辅助设计与图形学学报,
2005,17(10):2157 2161.
[7] T i m o O jala,M atti P ietia ..kinen,Dav i d H ar w ood.A compara
ti ve study of tex ture m eas ures w it h c lassifica ti on bad on
feature d i str i bu ti ons[J].P atte rn R ecogn iti on,1996,29:
51 59.
[8] T i m o O jala,M a tti P ieti ka ..i nen,T opiM a ..enpa ..a ...M ultireso l u
ti on gray sca l e and rotation invar i ant tex ture class ificati on w it h local b i nary patterns[J].I EEE T ransacti ons on P attern
A nalysis and M ach i ne Intelligence,2002,24:971 987.
[9] X u Q i ng,Y ang Jie,D i ng S i y.i T ex t ure gm entation usi ng
LBP e m bedded reg i on competiti on[J].E l ec tron i c L etters on
CV I A,2005,5:41 47.
[10]H o m en T,H ad i d A,P inti kaine M.Face recogniti on w i th lo
ca l b i nary pa tterns[C]//P roceed i ng s of ECCV2004,L ec
ture N otes i n Co m puter Science3021.Springer,2004:
469 481.
[11]A lessandro Leone,Cosi m o D istante,F rancesco Bucco lier.i A
shadow e li m i nati on approach i n v i deo s urve ill ance context
[J].P attern R ecognition L etters.2006,27:345 355. [12]李全民，张运楚.自适应混合高斯背景模型的改进[J].
计算机应用,2007,27(8):102 109.
[13]Andrea P rat,i Iv ana M i k ic,M ohan mT rived,i et a.l D e tecti ng
mov i ng shado w s:F or m ulati on,algor it h m s and evalua ti on
[J].IEEE.T rans.P attern A nalysis and M ach i ne Inte lli
standarddeviation
gence,2003,25(7):152 164.
squid[14]陈远，陈锻生.一种融合LBP纹理特征的多姿态人脸跟
踪方法[J].华侨大学学报：自然科学版,2010,31(3):
285 289.
