RGB和HSI顏色空間的一種改進(jìn)的陰影消除算法

韓延彬，郭曉鵬，魏延文，李恒建

（1．濟(jì)南大學(xué)信息科學(xué)與工程學(xué)院，山東濟(jì)南250022；2．山東省網(wǎng)絡(luò)環(huán)境智能計(jì)算技術(shù)重點(diǎn)實(shí)驗(yàn)室，山東濟(jì)南250022）

RGB和HSI顏色空間的一種改進(jìn)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(jì)南大學(xué)信息科學(xué)與工程學(xué)院，山東濟(jì)南250022；2．山東省網(wǎng)絡(luò)環(huán)境智能計(jì)算技術(shù)重點(diǎn)實(shí)驗(yàn)室，山東濟(jì)南250022）

在智能視頻監(jiān)控中，運(yùn)動(dòng)目標(biāo)的準(zhǔn)確提取至關(guān)重要?，F(xiàn)有的運(yùn)動(dòng)目標(biāo)檢測(cè)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(jìn)算法。該算法在分析視頻中像素點(diǎn)被陰影覆蓋和未被陰影覆蓋時(shí)色調(diào)的近似一致性和亮度值成線性關(guān)系的基礎(chǔ)上，利用2個(gè)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(duì)變化率，實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的陰影消除。實(shí)驗(yàn)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(bǔ)運(yùn)動(dòng)目標(biāo)孔洞的現(xiàn)象，是對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)算法的補(bǔ)充。

目標(biāo)檢測(cè)；陰影消除；顏色空間；孔洞現(xiàn)象；視頻分析

快速精確的運(yùn)動(dòng)目標(biāo)檢測(cè)是智能視頻監(jiān)近代系統(tǒng)的關(guān)鍵問題。相對(duì)于背景，陰影與運(yùn)動(dòng)目標(biāo)有相同的運(yùn)動(dòng)規(guī)律，常常作為運(yùn)動(dòng)目標(biāo)的一部分被檢測(cè)出來。當(dāng)陰影與運(yùn)動(dòng)目標(biāo)粘合在一起時(shí)，運(yùn)動(dòng)目標(biāo)的形狀會(huì)發(fā)生很大的形狀變化，當(dāng)陰影與運(yùn)動(dòng)目標(biāo)分離時(shí)，陰影會(huì)被認(rèn)為是另一個(gè)運(yùn)動(dòng)目標(biāo)。雖然現(xiàn)有的運(yùn)動(dòng)目標(biāo)檢測(cè)方法很多，但是都存在陰影的干擾，影響運(yùn)動(dòng)目標(biāo)的識(shí)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］?；谀Ｐ偷姆椒ㄐ枰阎獔?chǎng)景、運(yùn)動(dòng)目標(biāo)和光照條件等，建立陰影模型比較困難且計(jì)算復(fù)雜度高，不適用于實(shí)時(shí)性應(yīng)用。基于特征的方法主要是利用顏色和紋理特征，但是顏色特征對(duì)光照變化較為敏感，紋理有時(shí)并不明顯，而且誤檢率比較高。

針對(duì)現(xiàn)有陰影檢測(cè)算法的缺點(diǎn)，根據(jù)視頻中像素點(diǎn)在陰影區(qū)域和沒在陰影區(qū)域中的色調(diào)近似一致并且亮度值成一定的線性關(guān)系的特點(diǎn)［15?17］，利用RGB和HSI顏色分量的優(yōu)勢(shì)［18?21］克服光照對(duì)顏色的影響，提出了一種改進(jìn)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(duì)率ΔI代替亮度變化的絕對(duì)量，同時(shí)保持顏色對(duì)光照變化的不敏感性，當(dāng)前景的顏色組成成分與背景相似時(shí)，會(huì)消除陰影去除時(shí)造成運(yùn)動(dòng)目標(biāo)孔洞的現(xiàn)象。

本文分析了陰影區(qū)域的特點(diǎn)，利用RGB和HSI中的多個(gè)顏色分量［19?20］構(gòu)建易于消除陰影的混合顏色空間（r，g，I）。在詳細(xì)分析孔洞特點(diǎn)的基礎(chǔ)上，提出利用亮度相對(duì)變化率取代亮度絕對(duì)變化量的改進(jìn)混合顏色空間（r，g，ΔI）。實(shí)驗(yàn)表明，本文改進(jìn)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(biāo)遮擋光源進(jìn)行投影得到的區(qū)域，又可分為本影和半影。本影是運(yùn)動(dòng)目標(biāo)完全遮擋了光線，半影是運(yùn)動(dòng)目標(biāo)部分遮擋了光線。本影由光源決定，如果是單純的點(diǎn)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(biāo)本身的一部分，不用對(duì)本影進(jìn)行去除。對(duì)于投射陰影中的本影，由于真實(shí)場(chǎng)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(duì)陰影的特性進(jìn)行的，即使是基于模型的陰影去除算法也是根據(jù)陰影的特性進(jìn)行建模的。陰影的特性主要表現(xiàn)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(diào)近似一致；視頻中像素點(diǎn)被陰影覆蓋和沒有被陰影覆蓋時(shí)的灰度（亮度）值成近似的線性關(guān)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(duì)于一般的監(jiān)控場(chǎng)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(cè)方法，但是監(jiān)控場(chǎng)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(shí)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(duì)顏色的影響。為了避免顏色對(duì)光照的敏感性，選擇對(duì)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(gè)分量之間的冗余性和完備性，構(gòu)造多個(gè)具有一定互補(bǔ)性的顏色分量所構(gòu)成的混合顏色空間［18］。

為了構(gòu)造恰當(dāng)顏色空間，根據(jù)視頻中像素點(diǎn)在陰影區(qū)域和沒在陰影區(qū)域中的色調(diào)是近似一致的原理，對(duì)RGB色彩空間進(jìn)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(gè)分量值R、G、B所占的比例構(gòu)成的。相對(duì)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(duì)顏色變化的敏感性，同時(shí)也失去了亮度信息。另外式（1）還隱含另一種關(guān)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(gòu)造混合顏色空間時(shí)，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(gè)分量作為新顏色空間中的分量。

根據(jù)視頻中像素點(diǎn)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(guān)系的原理，選擇亮度值I作為多維顏色空間中的另一個(gè)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(duì)（r，g，b）顏色空間的改進(jìn)，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(duì)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(duì)藍(lán)色感知最弱（從彩色到灰度的轉(zhuǎn)化公式可知），所以在構(gòu)建混合顏色空間時(shí)多采用r、g分量組合，從而保留較多的顏色信息。

2 改進(jìn)的陰影去除算法

根據(jù)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(diào)近似一致的原理，即對(duì)于RGB顏色空間，只要R：G：B的比值不變，色調(diào)就不會(huì)發(fā)生變化，均勻地增大或減小R：G：B的比例系數(shù)，亮度會(huì)發(fā)生變化，但是色調(diào)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(duì)應(yīng)地，如果色調(diào)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(diǎn)被陰影覆蓋和沒有被陰影覆蓋時(shí)的灰度（亮度）值成線性關(guān)系的特性［15－17］，在（r，g，I）顏色空間中表現(xiàn)出前景幀和背景幀在I上的比值一定。文獻(xiàn)［22?24］通過式（4）進(jìn)行陰影去除。

式中：xt是當(dāng)前幀圖像，xb是通過對(duì)背景進(jìn)行建模得到的背景圖像，c是r、g、I中的某一個(gè)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(jù)式（4）雖然可以去除陰影，但是運(yùn)動(dòng)目標(biāo)存在孔洞的現(xiàn)象，如圖1（室內(nèi)場(chǎng)景）所示。因?yàn)榻M成前景目標(biāo)的像素點(diǎn)的顏色值與背景像素點(diǎn)的顏色值相似，雖然運(yùn)動(dòng)目標(biāo)的亮度很大，但當(dāng)背景的亮度也很大時(shí)，根據(jù)式（4）運(yùn)動(dòng)目標(biāo)就會(huì)被判為陰影而去除。所以用上達(dá)的陰影去除算法時(shí)，檢測(cè)出來的運(yùn)動(dòng)目標(biāo)會(huì)有孔洞現(xiàn)象，并且該孔洞難以用形態(tài)學(xué)的方法消除。

圖1 孔洞現(xiàn)象Fig．1 Holes phenomenon

為了消除孔洞現(xiàn)象，文獻(xiàn)［24］用式（5）來動(dòng)態(tài)去除陰影后運(yùn)動(dòng)目標(biāo)中出現(xiàn)的孔洞現(xiàn)象。

式中：c是亮度分量，T是閾值。用式（5）雖然有時(shí)能去除運(yùn)動(dòng)目標(biāo)在去除陰影后留下的孔洞，但有時(shí)還是會(huì)存在孔洞。例如2個(gè)亮度值分別為20和100的像素點(diǎn)，如果亮度值變化為40，根據(jù)式（5）它們都會(huì)被認(rèn)為是運(yùn)動(dòng)目標(biāo)；如果用亮度的相對(duì)率來表示，則其值分別為2和0．4，進(jìn)而說明前者灰度相對(duì)變化較大，可能是因目標(biāo)運(yùn)動(dòng)引起的；而后者灰度因?yàn)橄鄬?duì)變化較小，可以判斷的噪聲干擾，因此用亮度的相對(duì)變化來解決運(yùn)動(dòng)目標(biāo)的孔洞更合適。

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

式中：T1、T2是閾值。

改進(jìn)的陰影消除算法流程如下：

1）對(duì)場(chǎng)景進(jìn)行背景建模，獲取背景模型圖像xb；

2）根據(jù)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(dāng)中獲取每幀圖像，并計(jì)算混合顏色空間分量r、g、I；

4）用式（6）取代式（4），計(jì)算當(dāng)前像素點(diǎn)和背景圖像顏色信息差值，進(jìn)一步判定當(dāng)前像素是否屬于目標(biāo)圖像像素。

3 實(shí)驗(yàn)結(jié)果及分析

圖2和圖3描述了室內(nèi)和室外2種移動(dòng)目標(biāo)檢測(cè)的結(jié)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(biāo)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(jìn)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(nèi)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(yùn)動(dòng)目標(biāo)檢測(cè)過程中陰影會(huì)作為運(yùn)動(dòng)目標(biāo)的一部分被提取出來。不論是在室內(nèi)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(duì)于單個(gè)運(yùn)動(dòng)目標(biāo)形成的陰影還是對(duì)于多個(gè)目標(biāo)形成的陰影，改進(jìn)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(xiàn)在：圖2（c）與圖2（d）相比較，圖2（c）中去掉陰影后的運(yùn)動(dòng)目標(biāo)存在孔洞，這種孔洞用一般的形態(tài)學(xué)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(duì)應(yīng)的運(yùn)動(dòng)目標(biāo)較完整，在運(yùn)動(dòng)目標(biāo)肩膀部位更明顯。雖然這2種方法對(duì)陰影的變化都不敏感，但是改進(jìn)方法陰影檢測(cè)效果最好。亮度的相對(duì)變化率減少了亮度絕對(duì)變化引起的對(duì)運(yùn)動(dòng)目標(biāo)的誤判，使運(yùn)動(dòng)目標(biāo)更充實(shí)。

此外，圖2（d）和圖3（d）中出現(xiàn)了一些分運(yùn)動(dòng)目標(biāo)檢測(cè)區(qū)域，這是由于在運(yùn)動(dòng)過程中，引起了局部光照變化，可以利用區(qū)域過濾進(jìn)行消除，在此不再贅述。

4 結(jié)束語

基于RGB和HSI顏色空間改進(jìn)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(jù)色調(diào)近似一致和亮度近似成線性關(guān)系的陰影特性，但改進(jìn)算法采用歸一化的RGB的2個(gè)r、g分量和亮度變化率ΔI組成的混合顏色空間對(duì)陰影進(jìn)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(yùn)動(dòng)目標(biāo)自身的孔洞，該孔洞是一般形態(tài)學(xué)中膨脹操作不能處理的。這使得運(yùn)動(dòng)目標(biāo)比較充實(shí)，是對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)很好的補(bǔ)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(shí)空信息的前景／陰影視頻分割算法［J］．模式識(shí)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(yuǎn)靜，郭海峰，等．交通場(chǎng)景中車輛的運(yùn)動(dòng)檢測(cè)與陰影消除［J］．中國圖象圖形學(xué)報(bào)，2012，17（11）：1391?1399．WANG Bin，F(xiàn)ENG 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(cè)法研究與改進(jìn)［J］．中國圖象圖形學(xué)報(bào)，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(cè)算法研究［J］．中國圖象圖形學(xué)報(bào)，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(nèi)視頻中基于邊緣的運(yùn)動(dòng)陰影去除算法［J］．模式識(shí)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(cè)算法［J］．華南理工大學(xué)學(xué)報(bào)：自然科學(xué)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(yùn)動(dòng)陰影的目標(biāo)檢測(cè)算法［J］．模式識(shí)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(yùn)動(dòng)陰影檢測(cè)方法［J］．計(jì)算機(jī)學(xué)報(bào)，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(yīng)膚色建模［J］．計(jì)算機(jī)工程與應(yīng)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(jì)場(chǎng)均直方圖的視頻場(chǎng)景分類［J］．中國體視學(xué)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(dòng)目標(biāo)檢測(cè)算法［J］．濟(jì)南大學(xué)學(xué)報(bào)：自然科學(xué)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(yùn)動(dòng)目標(biāo)檢測(cè)［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(jì)算機(jī)學(xué)會(huì)多值邏輯與模糊邏輯專委會(huì)委員，中國人工智能學(xué)會(huì)機(jī)器學(xué)習(xí)專業(yè)委員會(huì)通訊委員，主要研究方向?yàn)槟Ｊ阶R(shí)別、計(jì)算智能。主持和參與國家和省部級(jí)項(xiàng)目多項(xiàng)，發(fā)表學(xué)術(shù)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?yàn)槟Ｊ阶R(shí)別、計(jì)算機(jī)視覺。

魏延文，女，1985年生，碩士，主要研究方向?yàn)槟Ｊ阶R(shí)別、計(jì)算機(jī)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(jìn)的陰影消除算法［J］．智能系統(tǒng)學(xué)報(bào)，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(xué)基金資助項(xiàng)目（61103117，61303199）；山東省科技發(fā)展計(jì)劃（2013YD01043）；山東省高?？蒲杏?jì)劃項(xiàng)目（J12LN19，J14LN15）．

韓延彬．E?mail：ise_hanyb＠ujn．edu．cn．