RGB和HSI顏色空間的一種改進的陰影消除算法

韓延彬，郭曉鵬，魏延文，李恒建

（1．濟南大學信息科學與工程學院，山東濟南250022；2．山東省網絡環(huán)境智能計算技術重點實驗室，山東濟南250022）

RGB和HSI顏色空間的一種改進的陰影消除算法

韓延彬1，2，郭曉鵬1，魏延文1，2，李恒建1，2

（1．濟南大學信息科學與工程學院，山東濟南250022；2．山東省網絡環(huán)境智能計算技術重點實驗室，山東濟南250022）

在智能視頻監(jiān)控中，運動目標的準確提取至關重要?，F有的運動目標檢測算法雖然很多，但是陰影去除效果都不甚理想，因此提出了一種基于RGB和HSI顏色空間的陰影消除改進算法。該算法在分析視頻中像素點被陰影覆蓋和未被陰影覆蓋時色調的近似一致性和亮度值成線性關系的基礎上，利用2個顏色空間中組成顏色的各分量值在該顏色中所占的比例和亮度的相對變化率，實現運動目標的陰影消除。實驗表明，該算法去除陰影的效果優(yōu)于采用（r，g，I）顏色空間陰影去除算法，且能有效彌補運動目標孔洞的現象，是對運動目標檢測算法的補充。

目標檢測；陰影消除；顏色空間；孔洞現象；視頻分析

快速精確的運動目標檢測是智能視頻監(jiān)近代系統的關鍵問題。相對于背景，陰影與運動目標有相同的運動規(guī)律，常常作為運動目標的一部分被檢測出來。當陰影與運動目標粘合在一起時，運動目標的形狀會發(fā)生很大的形狀變化，當陰影與運動目標分離時，陰影會被認為是另一個運動目標。雖然現有的運動目標檢測方法很多，但是都存在陰影的干擾，影響運動目標的識別和行為分析。常見的陰影去除方法有基于模型的方法［1－5］和基于特征的方法［5－14］。基于模型的方法需要已知場景、運動目標和光照條件等，建立陰影模型比較困難且計算復雜度高，不適用于實時性應用?；谔卣鞯姆椒ㄖ饕抢妙伾图y理特征，但是顏色特征對光照變化較為敏感，紋理有時并不明顯，而且誤檢率比較高。

針對現有陰影檢測算法的缺點，根據視頻中像素點在陰影區(qū)域和沒在陰影區(qū)域中的色調近似一致并且亮度值成一定的線性關系的特點［15?17］，利用RGB和HSI顏色分量的優(yōu)勢［18?21］克服光照對顏色的影響，提出了一種改進的基于（r，g，I）混合顏色空間的陰影去除算法［22?24］。用亮度變化的相對率ΔI代替亮度變化的絕對量，同時保持顏色對光照變化的不敏感性，當前景的顏色組成成分與背景相似時，會消除陰影去除時造成運動目標孔洞的現象。

本文分析了陰影區(qū)域的特點，利用RGB和HSI中的多個顏色分量［19?20］構建易于消除陰影的混合顏色空間（r，g，I）。在詳細分析孔洞特點的基礎上，提出利用亮度相對變化率取代亮度絕對變化量的改進混合顏色空間（r，g，ΔI）。實驗表明，本文改進算法有良好的消除陰影效果。

1 陰影分析和顏色空間選取

1．1 陰影分析

陰影是物體表面未被光源照射而形成的暗區(qū)域，可分為自身陰影和投射陰影。自身陰影是物體本身沒有被光線直接照射到的部分；投射陰影是目標遮擋光源進行投影得到的區(qū)域，又可分為本影和半影。本影是運動目標完全遮擋了光線，半影是運動目標部分遮擋了光線。本影由光源決定，如果是單純的點光源則不存在本影，如果是單純的面光源則存在本影。自身陰影是目標本身的一部分，不用對本影進行去除。對于投射陰影中的本影，由于真實場景中光源不是單一的，本影在陰影的占有比例比較少，所以一般的陰影去除都是指半影的去除［25－26］。

陰影的去除算法大都是針對陰影的特性進行的，即使是基于模型的陰影去除算法也是根據陰影的特性進行建模的。陰影的特性主要表現為［15?17］：在一定的亮度條件下，同一物體在陰影區(qū)域和不在陰影區(qū)域的色調近似一致；視頻中像素點被陰影覆蓋和沒有被陰影覆蓋時的灰度（亮度）值成近似的線性關系［15?17］；陰影區(qū)域和背景區(qū)域有相似的紋理信息。

1．2 顏色空間的選取

對于一般的監(jiān)控場景，紋理和顏色信息都是比較重要的信息。雖然有很好的紋理檢測方法，但是監(jiān)控場景中背景的紋理信息并不明顯，所以選取顏色信息來去除陰影。利用顏色信息去除陰影的方法有很多，但都是基于單一顏色空間的陰影去除方法，或者是同時利用顏色信息和紋理信息2種特征去除陰影［12?14］，而且都無法克服光照對顏色的影響。為了避免顏色對光照的敏感性，選擇對陰影去除效果較好的顏色分量，跨越各種常見的顏色空間各個分量之間的冗余性和完備性，構造多個具有一定互補性的顏色分量所構成的混合顏色空間［18］。

為了構造恰當顏色空間，根據視頻中像素點在陰影區(qū)域和沒在陰影區(qū)域中的色調是近似一致的原理，對RGB色彩空間進行歸一化處理：

通過式（1）歸一化后的顏色空間是由組成顏色值的各個分量值R、G、B所占的比例構成的。相對于（R，G，B）顏色空間來說，歸一化的（r，g，b）顏色空間降低了對顏色變化的敏感性，同時也失去了亮度信息。另外式（1）還隱含另一種關系式：

通過式（2）可知，歸一化的（r，g，b）顏色空間是二維的。在構造混合顏色空間時，為了消除歸一化的（r，g，b）顏色空間的冗余性，只選擇r，g 2個分量作為新顏色空間中的分量。

根據視頻中像素點在陰影區(qū)域和沒在陰影區(qū)域中亮度值成一定的線性關系的原理，選擇亮度值I作為多維顏色空間中的另一個分量以消除陰影。所以可以定義另一種歸一化的多顏色空間（r，g，I），歸一化公式如式（3）所示：

混合顏色空間（r，g，I）是對（r，g，b）顏色空間的改進，它包含了色度和亮度信息，而且該顏色信息是用各顏色值所占的比例表示的，對光照的變化不明顯。

值得注意的是，在r、g、b顏色空間中，人眼對藍色感知最弱（從彩色到灰度的轉化公式可知），所以在構建混合顏色空間時多采用r、g分量組合，從而保留較多的顏色信息。

2 改進的陰影去除算法

根據在一定亮度條件下，同一物體在陰影區(qū)域和不在陰影區(qū)域的色調近似一致的原理，即對于RGB顏色空間，只要R：G：B的比值不變，色調就不會發(fā)生變化，均勻地增大或減小R：G：B的比例系數，亮度會發(fā)生變化，但是色調還是不變的。例如R：G：B＝1：1：1表示白色，R：G：B＝0．5：0．5：0．5也表示白色，但是亮度變小了。對應地，如果色調不變，在（r，g，I）顏色空間中的r、g的值就不變。另外，視頻中像素點被陰影覆蓋和沒有被陰影覆蓋時的灰度（亮度）值成線性關系的特性［15－17］，在（r，g，I）顏色空間中表現出前景幀和背景幀在I上的比值一定。文獻［22?24］通過式（4）進行陰影去除。

式中：xt是當前幀圖像，xb是通過對背景進行建模得到的背景圖像，c是r、g、I中的某一個量，T、β、γ是閾值，如果（r，g，I）不是歸一化到0～255，則γ是1，如果是歸一化到0～255，則γ不是1。

根據式（4）雖然可以去除陰影，但是運動目標存在孔洞的現象，如圖1（室內場景）所示。因為組成前景目標的像素點的顏色值與背景像素點的顏色值相似，雖然運動目標的亮度很大，但當背景的亮度也很大時，根據式（4）運動目標就會被判為陰影而去除。所以用上達的陰影去除算法時，檢測出來的運動目標會有孔洞現象，并且該孔洞難以用形態(tài)學的方法消除。

圖1 孔洞現象Fig．1 Holes phenomenon

為了消除孔洞現象，文獻［24］用式（5）來動態(tài)去除陰影后運動目標中出現的孔洞現象。

式中：c是亮度分量，T是閾值。用式（5）雖然有時能去除運動目標在去除陰影后留下的孔洞，但有時還是會存在孔洞。例如2個亮度值分別為20和100的像素點，如果亮度值變化為40，根據式（5）它們都會被認為是運動目標；如果用亮度的相對率來表示，則其值分別為2和0．4，進而說明前者灰度相對變化較大，可能是因目標運動引起的；而后者灰度因為相對變化較小，可以判斷的噪聲干擾，因此用亮度的相對變化來解決運動目標的孔洞更合適。

所以改進的混合顏色空間（r，g，I）的陰影去除算法，是用亮度的相對變化率去除陰影，即用ΔI替換混合顏色空間I分量來進行陰影去除，式（4）可以改進為式（6）。

式中：T1、T2是閾值。

改進的陰影消除算法流程如下：

1）對場景進行背景建模，獲取背景模型圖像xb；

2）根據式（3）提取背景圖像的混合顏色空間各分量r、g、I；

3）從視頻當中獲取每幀圖像，并計算混合顏色空間分量r、g、I；

4）用式（6）取代式（4），計算當前像素點和背景圖像顏色信息差值，進一步判定當前像素是否屬于目標圖像像素。

3 實驗結果及分析

圖2和圖3描述了室內和室外2種移動目標檢測的結果。其中圖2（a）和圖3（a）為獲取的視頻原始幀圖像；圖2（b）和圖3（b）為利用背景建模獲取的一棟目標區(qū)域；圖2（c）和圖3（c）為利用基于混合顏色空間的（r，g，I）陰影去除算法；圖2（d）和圖3（d）為改進的混合顏色空間的（r，g，ΔI）陰影去除算法。

圖2 （r，g，I）算法和（r，g，ΔI）室內陰影去除效果比較Fig．2 Comparison of shadow removal results between（r，g，I）algorithm and（r，g，ΔI）algorithm indoor

圖3 （r，g，I）算法和（r，g，ΔI）算法室外陰影去除效果比較Fig．3 Comparison of shadow removal results between（r，g，I）algorithm and（r，g，ΔI）algorithm outdoor

通過圖2（b）和圖3（b）可以看出，在運動目標檢測過程中陰影會作為運動目標的一部分被提取出來。不論是在室內還是在室外，不論是投射在墻壁上的影子還是投射在地面上的影子，不論是對于單個運動目標形成的陰影還是對于多個目標形成的陰影，改進的混合顏色空間的（r，g，ΔI）陰影去除算法的陰影去除效果比基于混合顏色空間的（r，g，I）陰影去除算法效果好。主要表現在：圖2（c）與圖2（d）相比較，圖2（c）中去掉陰影后的運動目標存在孔洞，這種孔洞用一般的形態(tài)學處理方法中的膨脹操作不能去除；圖3（c）與圖3（d）相比較，圖3（d）所對應的運動目標較完整，在運動目標肩膀部位更明顯。雖然這2種方法對陰影的變化都不敏感，但是改進方法陰影檢測效果最好。亮度的相對變化率減少了亮度絕對變化引起的對運動目標的誤判，使運動目標更充實。

此外，圖2（d）和圖3（d）中出現了一些分運動目標檢測區(qū)域，這是由于在運動過程中，引起了局部光照變化，可以利用區(qū)域過濾進行消除，在此不再贅述。

4 結束語

基于RGB和HSI顏色空間改進的混合顏色空間的（r，g，ΔI）陰影去除算法與混合顏色空間的（r，g，I）陰影去除算法相比，陰影去除效果更好。雖然都是依據色調近似一致和亮度近似成線性關系的陰影特性，但改進算法采用歸一化的RGB的2個r、g分量和亮度變化率ΔI組成的混合顏色空間對陰影進行去除，與利用顏色空間（r，g，I）完成的陰影去除算法相比，能去除陰影去除后運動目標自身的孔洞，該孔洞是一般形態(tài)學中膨脹操作不能處理的。這使得運動目標比較充實，是對運動目標檢測很好的補充。

［1］MARTEL?BRISSON N，ZACCARIN A．Moving cast shadow detection from a Gaussian mixture shadow model［C］／／Pro?ceedings of the IEEE Computer Society Conference on Com?puter Vision and Pattern Recognition．San Diego，USA，2005：643?648．

［2］WANG Yang，LOE K F，WU Jiankang．A dynamic condi?tional random field model for foreground and shadow seg?mentation［J］．IEEE Transactions on Pattern Analysis and Machine Intelligence，2006，28（2）：279?289．

［3］PORIKLI F，THOMTON J．Shadow flow：A recursive meth?od to learn moving cast shadows［C］／／Proceedings of Tenth IEEE International Conference on Computer Vision．Beijing，China，2005：891?898．

［4］褚一平，葉修梓，黃葉玨，等．融合時空信息的前景／陰影視頻分割算法［J］．模式識別與人工智能，2008，21（4）：546?550．CHU Yiping，YE Xiuzi，HUANG Yejue，et al．A spatio?temporal algorithm for video foreground and shadow segmen?tation［J］．Pattern Recognition and Artificial Intelligence，2008，21（4）：546?550．

［5］王彬，馮遠靜，郭海峰，等．交通場景中車輛的運動檢測與陰影消除［J］．中國圖象圖形學報，2012，17（11）：1391?1399．WANG Bin，FENG Yuanjing，GUO Haifeng，et al．Adap?tive background updating and shadow detection in traffic scenes［J］．Journal of Image and Graphics，2012，17（11）：1391?1399．

［6］SALVADOR E，CAVALLARO A，EBRAHIMI T．Cast shadow segmentation using invariant color features［J］．Computer Vision and Image Understanding，2004，95（2）：238?259．

［7］董蓉，李勃，陳啟美．路況視頻中HSV彩色不變量陰影檢測法研究與改進［J］．中國圖象圖形學報，2009，14（12）：2483?2487．DONG Rong，LI Bo，CHEN Qimei．Research and improve?ment on shadow detection in expressway videos using HSV color model［J］．Journal of Image and Graphics，2009，14（12）：2483?2487．

［8］KUMAR P，SENGUPTA K，LEE A．A comparative study of different color spaces for foreground and shadow detection for traffic monitoring system［C］／／Proceedings of the IEEE 5th International Conference on Intelligent Transportation Systems．Washington DC，USA，2002：100?105．

［9］LEONE A，DISTANTE C．Shadow detection for moving ob?jects based on texture analysis［J］．Pattern Recognition，2007，40（4）：1222?1233．

［10］萬峻甫，劉建偉，向懷坤，等．交通視頻序列陰影檢測算法研究［J］．中國圖象圖形學報，2008，13（3）：467?471．WAN Junfu，LIU Jianwei，XIANG Huaikun，et al．Re?search on shadow detection in grayscale video sequence for traffic images［J］．Journal of Image and Graphics，2008，13（3）：467?471．

［11］肖梅，韓崇昭．室內視頻中基于邊緣的運動陰影去除算法［J］．模式識別與人工智能，2006，19（5）：640?644．XIAO Mei，HAN Chongzhao．Edge?based moving shadow removal algorithm for indoor video sequence［J］．Pattern Recognition and Artificial Intelligence，2006，19（5）：640?644．

［12］柏柯嘉，劉偉銘，湯義．基于Gabor小波和顏色模型的陰影檢測算法［J］．華南理工大學學報：自然科學版．2009，37（1）：64?68．BAI Kejia，LIU Weimim，TANG Yi．Shadow detection al? gorithm based on Gabor wavelet and color model［J］．Jour?nal of South China University of Technology：Natural Sci?ence Edition，2009，37（1）：64?68．

［13］郭利生，郭立，焦榮惠，等．一種基于運動陰影的目標檢測算法［J］．模式識別與人工智能，2007，20（2）：180?184．GUO Lisheng，GUO Li，JIAO Ronghui，et al．An object detection algorithm based on moving shadow［J］．Pattern Recognition and Artificial Intelligence，2007，20（2）：180?184．

［14］查宇飛，楚瀛，王勛，等．一種基于Boosting判別模型的運動陰影檢測方法［J］．計算機學報，2007，30（8）：1295?1301．ZHA Yufei，CHU Ying，WANG Xun，et al．A boosting discriminative model for moving cast shadow detection［J］．Chinese Journal of Computers，2007，30（8）：1295?1301．

［15］GALLEGO J，PARDàS M，HARO G．Enhanced fore?ground segmentation and tracking combining Bayesian background，shadow and foreground modeling［J］．Pattern Recognition Letters，2012，33（12）：1558?1568．

［16］SONG Kaitai，TAI Jenchao．Image?based traffic monitoring with shadow suppression［J］．Proceedings of the IEEE，2007，95（2）：413?426．

［17］JACQUES C S，JUNG C R，MUSSE S R．Background sub?traction and shadow detection in grayscale video sequences［C］／／Proceedings of the IEEE International Conference on Computer Graphics and Image Processing．Natal，Bra?zil，2005：189?196．

［18］LI Jingping，QIN Min，XIA Yingjie，et al．Remarks on a novel statistical histogram—Average scene cumulative his?togram［C］／／IEEE International Conference on Granular Computing（GrC 2012）．Hangzhou，China，2012：310?314．

［19］王真，李金屏，劉林，等．利用多顏色信息融合的自適應膚色建模［J］．計算機工程與應用，2011，47（30）：210?214．WANG Zhen，LI Jinping，LIU Lin，et al．Adaptive shin color modeling based on color information fusion［J］．Com?puter Engineering and Applications，2011，47（30）：210?214．

［20］劉林，李金屏，王真．基于多顏色空間和累計場均直方圖的視頻場景分類［J］．中國體視學與圖像分析，2011，16（1）：67?74．LIU Lin，LI Jinping，WANG Zhen．Video scene classifica?tion based on multiple color space and average scene histo?gram［J］．Chinese Journal of Stereology and Image Analy?sis，2011，16（1）：67?74．

［21］張中方，李金屏，拜佩．基于多顏色空間融合的移動目標檢測算法［J］．濟南大學學報：自然科學版，2011，25（2）：191?195．ZHANG Zhongfang，LI Jinping，BAI Pei．Mobile object detection algorithm based on information fusion of multiple color spaces［J］．Journal of University of Jinan：Science and Technology，2011，25（2）：191?195．

［22］WNAG Hanzi，SUTER D．A re?evaluation of mixture of Gaussian background modeling［C］／／IEEE International Conference on Acoustics，Speech，and Signal Proceedings．Philadelphia，USA，2005：1017?1020．

［23］陳煥鐘，李榕，程劍光．基于混合高斯模型的運動目標檢測［J］．激光雜志，2009，3（4）：32?33．CHEN Huanzhong，LI Rong，CHENG Jianguang．Moving objects detection based on Gaussian mixture models［J］．Laser Journal，2009，3（4）：32?33．

［24］WANG Hanzi，DAVID S．A consensus?based method for tracking：modelling background scenario and foreground appearance［J］．Pattern Recognition，2007，40（3）：1091?1105．

［25］ZENG Huanglin，WANG Zhenya．A new algorithm of an improved detection of moving vehicles［M］／／Advances in Swarm Intelligence．Berlin／Heidelberg：Springer，2010：688?693．

［26］JIANG Caixia，WARD M O．Shadow identification［C］／／Proceedings of IEEE Computer Society Conference on Com?puter Vision and Pattern Recognition．Champaign，USA，1992：606?612．

An improved shadow removal algorithm based on RGB and HSI color spaces

HAN Yanbin1，2，GUO Xiaopeng1，WEI Yanwen1，2，LI Hengjian1，2

（1．School of Information Science and Engineering，University of Jinan，Jinan 250022，China；2．Shandong Provincial Key Laboratory of Network Based Intelligent Computing，Jinan 250022，China）

It is critical to exactly extract moving targets in intelligent video surveillance．There are many moving tar?get detection algorithms，but for all the effects of shadow elimination are not ideal．In order to remove the shadow，an improved shadow removal algorithm based on RGB and HSI color spaces is presented．The analysis of the pixels in videoes shows that the hue is approximately consistent before and after the pixels are shaded，and there exists a linear relation between this approximate consistency and the value of luminance．On this basis，by utilizing the pro?portion of each color component in the color spaces and the relative change rates of brightness，the shadow of a moving object can be removed．The experimental results show that the shadow removal effect of this algorithm is bet?ter than that of the algorithm with（r，g，I）color space．In addition，it can also cope with holes in moving targets and is a supplement to the moving object detection algorithm．

target detection；shadow removal；color space；hole phenomenon；video analysis

韓延彬，男，1979年生，副教授，中國計算機學會多值邏輯與模糊邏輯專委會委員，中國人工智能學會機器學習專業(yè)委員會通訊委員，主要研究方向為模式識別、計算智能。主持和參與國家和省部級項目多項，發(fā)表學術論文10余篇，其中被SCI、EI收錄10篇。

郭曉鵬，男，1992年生，碩士研究生，主要研究方向為模式識別、計算機視覺。

魏延文，女，1985年生，碩士，主要研究方向為模式識別、計算機視覺。

TP391

A

1673?4785（2015）05?0769?06

10．11992／tis．201410010

http：／／www．cnki．net／kcms／detail／23．1538．tp．20150930．1556．012．html

韓延彬，郭曉鵬，魏延文，等．RGB和HSI顏色空間的一種改進的陰影消除算法［J］．智能系統學報，2015，10（5）：769?774．

英文引用格式：HAN Yanbin，GUI Xiaopeng，WEI Yanwen，et al．An improved shadow removal algorithm based on RGB and HSI color spaces［J］．CAAI Transactions on Intelligent Systems，2015，10（5）：769?774．

2014?10?08．

日期：2015?09?30．

國家自然科學基金資助項目（61103117，61303199）；山東省科技發(fā)展計劃（2013YD01043）；山東省高校科研計劃項目（J12LN19，J14LN15）．

韓延彬．E?mail：ise_hanyb＠ujn．edu．cn．