周鹏宇, 杨 欣, 周大可, 刘 加

(南京航空航天大学 自动化学院, 南京 210016)

0 引 言

在计算机视觉领域中, 阴影的存在往往对后续研究产生不利影响。阴影不仅影响人们视觉判读效果, 而且在诸如图像匹配研究中, 将直接影响图像匹配精度。

近年来, 关于阴影检测算法的研究有很多。这些算法大致可以分为两类: 基于模型方法和基于阴影特征方法。基于模型方法假定目标的三维几何结构和光源已知, 而后通过模型计算阴影形状和位置。该方法适用于某些较简单的特定场合, 主要原因在于其存在以下两方面不足[1]： 首先, 对于形状复杂物体, 建立模型十分困难； 其次, 该方法需要的光源和目标三维形状的先验知识难以得到。

基于阴影特征方法是依据阴影区域亮度、 颜色和几何特征实现阴影检测[2-7]。如, 文献[2]在3维RGB空间中设计了计算颜色模型, 通过此模型分离色度和亮度两个分量, 再通过对比前景和背景对应像素点的这两个分量实现阴影检测； 文献[3]中将3个颜色分量看成多光谱影像的3个波段, 而后使用K-L变换, 最终通过分类特性检测阴影； 文献[4]先把RGB图像转化为HSI图像, 而后通过比对前景与背景对应点H、S、I3个分量检测阴影。基于阴影特征方法与基于模型方法相比, 具有更广泛的适用性。目前, 大部分研究都属于第2种方法, 笔者所用方法也属于此类。

非负矩阵分解(NMF: Non-negative Matrix Factorization)是一种新矩阵分解算法, 与传统的矩阵分解方法相比, 该方法能保证分解结果不含负值, 更适用于解决实际问题, 目前已被应用于图像识别领域[8-10]。……