李亞蘭，邱永生，彭紅光，李志揚

(1.華中師范大學物理科學與技術學院，湖北武漢430079；2.湘南學院電子信息與電氣工程學院，湖南郴州423000；3.湘潭大學物理與光電工程學院，湖南湘潭411105)

一種不同光照條件下的變動物體檢測方法

李亞蘭1,2，邱永生1，彭紅光3，李志揚1

(1.華中師范大學物理科學與技術學院，湖北武漢430079；2.湘南學院電子信息與電氣工程學院，湖南郴州423000；3.湘潭大學物理與光電工程學院，湖南湘潭411105)

在場景中添加與覆蓋區(qū)域顏色相近的物體，改變光照方向和強度，構成1幅新的圖像。為從新圖像中檢測出新添加的物體（變動物體），且不受光照改變的影響，采用多尺度結構張量的方法提取圖像紋理特征，采用歸一化RGB色彩模型提取圖像色彩特征，2種特征通過自適應權重系數結合，由此檢測變動物體。采用光照變化條件下顏色紋理特征不同的圖像進行對比實驗，結果表明：在光照緩慢變化時，采用多尺度結構張量的方法和歸一化RGB色彩模型可抑制光照變化的影響；兩者結合能有效檢測出變動物體。

變動物體檢測；光照條件；多尺度小波

分析和檢測圖像之間的差異是圖像應用領域的基礎步驟，如遙感圖像分析[1]、產品缺陷檢測[2]、動態(tài)目標跟蹤[3]等。變動物體檢測方法主要有：基于圖像相減的方法[4]，由于景物的變動、噪聲和光照條件的改變都會影響圖像相減的結果，從而采用此方法很難準確判斷圖像變化是物體變動造成的還是光照或噪聲造成的；基于概率的方法[4]，以圖像中變動和不動區(qū)域的概率密度為依據，結合一定的準則進行判斷，該方法對噪聲不敏感但對光照的變化仍很敏感；基于預測模型的方法[4]，建立圖像的時空預測模型，結合實際值和預測值來判斷結果，該方法需要大量視頻信息，計算過程復雜。

通常紋理受光照影響不大，可將其作為變動物體的檢測依據。多尺度結構張量最早由Scheunders[5]提出，主要用于彩色圖像的增強和濾噪，可精確表征圖像紋理。本文采用多尺度結構張量方法提取物體表面紋理信息，同時采用對光照變化具有抑制作用的歸一化RGB色彩模型提取物體色彩信息,二者通過自適權重系數相結合，以此來檢測變動的物體。

1 檢測方法

1.1 紋理特征的提取

紋理的2個主要特征是方向和頻率，前者為紋理延伸的方向，后者為紋理變化的快慢。表示圖像紋理的結構張量T(Tensor)如

式中σx，σy分別為高斯函數沿x軸和y軸標準差。構造小波函數

將式(2)，(3)進行尺度變換得到多尺度的小波變換函數和平滑函數

式中：L為零時，QL為原始數字圖像灰度；D為狄拉克濾波器[1,0,0]T；B為有限中心差分濾波器[0.5,-0.5]T；G為高斯濾波器[0.125,0.375,0.375,0.125]T；BL為在B中任意相鄰系數間安插 aL-1個零后的濾波器[0.125,0,…,0,0.375,0,…,0,0.375,0,…,0,0.125]T；GL為在G中任意相鄰系數間安插aL-1個零后的濾波器[0.5,0,…,0,-0.5]T。結合式(1)～(6)，得L尺度張量TL如

相比式(1)，式(7)還可表達紋理頻率特征，不同尺度L對應不同的頻率。TL易受噪聲的影響，因此要對TL濾波。傳統的高斯濾波器在濾除噪聲時，因其平滑作用使圖像紋理變得模糊。針對該問題，采用非線性的各向同性擴散濾波器[7]，其擴散方程為

式中：i表分量數，取值范圍為1～3；vL,i對應vL.1=TLx，vL,2=TLy，vL,3=TLxy；p2為使分母不為零的參數；p1為紋理清晰度控制參數；t為擴散時間。式(8)源于熱擴散方程，右邊的分母反比于熱擴散系數，正比于圖像紋理。無紋理部分擴散系數大，濾波程度大，因平滑作用趨于平坦；而紋理部分濾波程度小，擴散系數小，不會因平滑而變模糊。TL濾波后記為，稱為多尺度結構張量。

1.2 色彩特征的提取

根據雙色反射模型[8]，物體反射由體反射和面反射組成。體反射時，光線透過物體表面入射到物體內部再折回物體表面，光線色彩受物體色彩調制；面反射時，光線沒有穿透物體表面，直接在物體表面進行反射，光線色彩與物體色彩無光。設物體表面粗糙，此時可以只考慮體反射。體反射光線色彩分量如

式中r，g，b僅與物體反射率有關，因此，在光照變化時近似保持不變。

1.3 目標檢測

求取第1，2幅圖像RGB歸一化后的值分別為r1，g1，b1，r2，g2，b2，兩圖像色彩距離如

將drgb歸一化后記為drgbn。綜合紋理與色彩距離如

其中wrgb，wtext分別為色彩與紋理的自適應權重系數，當時，wrgb=0。將d二值化后進行二值形態(tài)學開啟和閉合操作，得到變動物體的檢測結果。

2 實驗與結果分析

實驗中圖像采用柯達相機DX7590拍攝，圖像分辨率為640×480，光源為40 W白熾燈。相關參數取值：L=3，p1=0.6，p2=0.000 1，C=3，t=20 s，G=[0.125,0.375,0.375,0.125]T，B=[0.5,-0.5]T，D=[1,0,0]T。檢測程序運行于Matlab2014，在安裝Window7操作系統和4核Intel Core Q8300 CPU臺式PC機上，平均檢測時間為7 s。

第1組實驗圖像如圖1。比較圖1(a)，(b)可知：兩圖光照強度和方向均有改變，圖1(a)中膠水瓶的影子位于膠水瓶右后側且其光照強度較弱；圖1(b)中膠水瓶的影子位于膠水瓶左后側且其光照強度較強，且增加了1本書籍，其他各處不變。用多尺度結構張量的方法分別求取圖1(a)，(b)的3個尺度紋理和兩圖紋理距離，結果如圖2。

比較圖2(a)，(d)，(g)及圖2(b)，(e)，(h)可見，L由小變大，紋理尺度逐步增大。比較圖2(c)，(f)，(i)可見，L由小變大，小尺度紋理距離逐步減弱。

為對比多尺度結構張量方法提取紋理特征的效果，采用多尺度結構張量方法，sobel和canny 3種方法檢測圖1(a)和(b)的紋理距離，結果如圖3。圖3(a)中不動物體區(qū)域紋理未發(fā)生變化，紋理距離本該較小，但計算出sobel紋理距離較大，這可能是光照變化引起的；圖3(b)中變動物體區(qū)域紋理距離稍稍增大，仍不夠明顯；圖3(c)中不動物體區(qū)域紋理距離較小，在變動物體區(qū)域紋理距離較大，變動物體上的字跡輪廓均清晰可見，說明該方法真實反應了紋理的變化，受光照變化影響較小。綜合比較可得出，采用多尺度結構張量方法檢測圖像的紋理距離更準確。

除歸一化RGB色彩模型，采用l1l2l3[9]、HSY[10]、RGB等色彩模型也能提取圖像色彩特征。為對比歸一化RGB色彩模型提取變動物體區(qū)域和不動物體區(qū)域的色彩距離的效果，采用上述4種色彩模型計算圖1(a)和(b)的色彩距離，結果如圖4。比較圖4(a)，(b)，(c)，(d)可知，歸一化RGB色彩距離對光照變化最不敏感。

將多尺度結構張量方法的紋理距離和歸一化RGB色彩模型的色彩距離按照式(14)結合，檢測第1組圖像的綜合紋理距離與色彩距離，結果如圖5。對比圖4(d)，圖3(c)，圖5(a)可見：變動區(qū)域文字部分的色彩距離較小，但綜合距離較大；變動區(qū)域非文字部分的紋理距離較小，但綜合距離也較大。圖5(b)為將圖5(a)二值化(域值0.1)并進行二值形態(tài)學開啟和閉合操作后的圖形，圖5(c)為對應圖1(b)中檢測出的變動物體，可見變動物體被檢測出來。表明多尺度結構張量方法和歸一化RGB色彩模型更能抑制光照強度，檢測出變動物體。

第2組實驗圖像如圖6。圖6(b)增加了與背景色彩相近的毛巾，其余各處不變。圖6(a)，(b)的3種不同紋理距離如圖7。對比圖7(a)，(b)，(c)可知，變動物體的紋理距離在圖7(c)中非常明顯，而在圖7(a)中不太明顯，圖7(b)中原本紋理距離較小的位置也出現了較大的紋理距離。

第2組圖像檢測結果如圖8。對比圖8(a)，(b)與圖7(c)，變動區(qū)域色彩距離小但綜合距離大。圖8(c)，(d)分別為二值化檢測結果與對應圖6(b)的檢測結果，可見，變動物體被檢測出來。進一步表明，多尺度結構張量的方法和歸一化RGB色彩模型更能抑制光照的影響，檢測出變動的物體。

3 結 論

光照條件的改變在實際圖像應用領域中普遍存在，為了抑制光照變化對變動物體檢測的影響，使用多尺度結構張量的方法提取物體表面紋理信息，采用對光照變化具有抑制作用的色彩模型提取物體色彩信息，進一步以自適應權重系數，綜合紋理信息和色彩信息，來檢測變動的物體。采用歸一化RGB色彩模型，l1l2l3, HSY和RGB 4種顏色模型和多尺度結構張量方法，sobel和canny 3種紋理提取方法對光照變化條件下的兩組圖像進行對比實驗，結果表明多尺度結構張量和歸一化RGB色彩模型相對其他方法更能抑制光照的影響，有效檢測出變動物體，且計算簡便快速。

[1]陳勁松，黃健熙，林琿，等.基于遙感信息和作物生長模型同化的水稻估產方法研究[J].中國科學：信息科學,2010,40(增刊): 173-183.

[2]王培珍，高尚義，程健.一種基于局部二進制模式的帶鋼表面缺陷初級檢測方法[J].中國圖象圖形學報，2009,14(6):1156-1161.

[3]駱力，諶小躒，井夢曦.基于線陣CCD的電子白板技術研究[J].安徽工業(yè)大學學報(自然科學版)，2014,31(2):183-187.

[4]Radke R J,Andra S,Alkofahi O,et al.Image change detection algorithms:A systematic survey[J].Image Processing,IEEE Transactions on,2005,14(3):294-307.

[5]Scheunders P.A multivalued image wavelet representation based on multiscale fundamental forms[J].IEEE Transactions on Image Processing,2002,11(5):568-575.

[6]Manjunath B S,Ma W Y.Texture features for browsing and retrieval of image data[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,1996,18(8):837-842.

[7]Gerig G,Kubler O,Kikinis R,et al.Nonlinear anisotropic filtering of MRI data[J].IEEE Transactions on Medical Imaging,1992, 11(2):221-232.

[8]湯一平，宗明理，吳立娟.基于雙色反射模型的彩色結構光色彩識別的研究[J].計算機學報，2013,36(9):1908-1916.

[9]Gevers T,SmeuldersAW M.Color-based object recognition[J].Pattern Recognition,1999,32(3):453-464.

[10]Tan Y,Shi Y H,Tan K C,et al.Advances in Swarm Intelligence[M].Germany:Springer Berlin Heidelberg,2010:680-687.

責任編輯：何莉

AMethod for Change Object Detection under Different Illumination

LI Yalan1，2，QIU Yongsheng1，PENG Hongguang3，LI Zhiyang1
(1.College of Physical Science and Technology,Central China Normal University,Wuhan 430079,China；2.College of Electronic Information and Electrical Engineering,Xiangnan University,Chenzhou 423000,China；3.School of Physics and Optoelectronics,Xiangtan University,Xiangtan 411105,China)

Add a new object with similar color of the covered area to a scene,built another picture with changed intensity and direction of illumination light.In order to detect the added object under the interference of changed light,firstly the textures of the pictures were extracted using multi-scale structure tensor method,secondly the colors of the pictures were transformed by normalized RGB model,and finally the changing of textures and colors were integrated with self-adapted weighting coefficients.Using pictures captured under varying illuminate light with different color and texture for experiments,it is found that the multi-scale structure tensor method and normalized RGB model are least influenced by slow varying light,when incorporated they provide an efficient means for change object detection.

change object detection;illumination conditions;multi-scale wavelet

TP301.6

A

10.3969/j.issn.1671-7872.2015.04.014

2015-01-14

湖南省高?？萍紕?chuàng)新團隊資助項目(湘教通2014207)；湖南省自然科學基金項目(13JJ3121)；湖南省教育廳資助項目(13C879)

李亞蘭(1980-)，女，湖南郴州人，講師，博士生，主要研究方向為圖像處理。

李志揚(1964-)，男，湖北荊州人，教授，主要研究方向為數字圖像處理、光電子等。

1671-7872(2015)-04-0372-06