一种不同光照条件下的变动物体检测方法

李亚兰，邱永生，彭红光，李志扬

(1.华中师范大学物理科学与技术学院，湖北武汉430079；2.湘南学院电子信息与电气工程学院，湖南郴州423000；3.湘潭大学物理与光电工程学院，湖南湘潭411105)

一种不同光照条件下的变动物体检测方法

李亚兰1,2，邱永生1，彭红光3，李志扬1

(1.华中师范大学物理科学与技术学院，湖北武汉430079；2.湘南学院电子信息与电气工程学院，湖南郴州423000；3.湘潭大学物理与光电工程学院，湖南湘潭411105)

在场景中添加与覆盖区域颜色相近的物体，改变光照方向和强度，构成1幅新的图像。为从新图像中检测出新添加的物体（变动物体），且不受光照改变的影响，采用多尺度结构张量的方法提取图像纹理特征，采用归一化RGB色彩模型提取图像色彩特征，2种特征通过自适应权重系数结合，由此检测变动物体。采用光照变化条件下颜色纹理特征不同的图像进行对比实验，结果表明：在光照缓慢变化时，采用多尺度结构张量的方法和归一化RGB色彩模型可抑制光照变化的影响；两者结合能有效检测出变动物体。

变动物体检测；光照条件；多尺度小波

分析和检测图像之间的差异是图像应用领域的基础步骤，如遥感图像分析[1]、产品缺陷检测[2]、动态目标跟踪[3]等。变动物体检测方法主要有：基于图像相减的方法[4]，由于景物的变动、噪声和光照条件的改变都会影响图像相减的结果，从而采用此方法很难准确判断图像变化是物体变动造成的还是光照或噪声造成的；基于概率的方法[4]，以图像中变动和不动区域的概率密度为依据，结合一定的准则进行判断，该方法对噪声不敏感但对光照的变化仍很敏感；基于预测模型的方法[4]，建立图像的时空预测模型，结合实际值和预测值来判断结果，该方法需要大量视频信息，计算过程复杂。

通常纹理受光照影响不大，可将其作为变动物体的检测依据。多尺度结构张量最早由Scheunders[5]提出，主要用于彩色图像的增强和滤噪，可精确表征图像纹理。本文采用多尺度结构张量方法提取物体表面纹理信息，同时采用对光照变化具有抑制作用的归一化RGB色彩模型提取物体色彩信息,二者通过自适权重系数相结合，以此来检测变动的物体。

1 检测方法

1.1 纹理特征的提取

纹理的2个主要特征是方向和频率，前者为纹理延伸的方向，后者为纹理变化的快慢。表示图像纹理的结构张量T(Tensor)如

式中σx，σy分别为高斯函数沿x轴和y轴标准差。构造小波函数

将式(2)，(3)进行尺度变换得到多尺度的小波变换函数和平滑函数

式中：L为零时，QL为原始数字图像灰度；D为狄拉克滤波器[1,0,0]T；B为有限中心差分滤波器[0.5,-0.5]T；G为高斯滤波器[0.125,0.375,0.375,0.125]T；BL为在B中任意相邻系数间安插 aL-1个零后的滤波器[0.125,0,…,0,0.375,0,…,0,0.375,0,…,0,0.125]T；GL为在G中任意相邻系数间安插aL-1个零后的滤波器[0.5,0,…,0,-0.5]T。结合式(1)～(6)，得L尺度张量TL如

相比式(1)，式(7)还可表达纹理频率特征，不同尺度L对应不同的频率。TL易受噪声的影响，因此要对TL滤波。传统的高斯滤波器在滤除噪声时，因其平滑作用使图像纹理变得模糊。针对该问题，采用非线性的各向同性扩散滤波器[7]，其扩散方程为

式中：i表分量数，取值范围为1～3；vL,i对应vL.1=TLx，vL,2=TLy，vL,3=TLxy；p2为使分母不为零的参数；p1为纹理清晰度控制参数；t为扩散时间。式(8)源于热扩散方程，右边的分母反比于热扩散系数，正比于图像纹理。无纹理部分扩散系数大，滤波程度大，因平滑作用趋于平坦；而纹理部分滤波程度小，扩散系数小，不会因平滑而变模糊。TL滤波后记为，称为多尺度结构张量。

1.2 色彩特征的提取

根据双色反射模型[8]，物体反射由体反射和面反射组成。体反射时，光线透过物体表面入射到物体内部再折回物体表面，光线色彩受物体色彩调制；面反射时，光线没有穿透物体表面，直接在物体表面进行反射，光线色彩与物体色彩无光。设物体表面粗糙，此时可以只考虑体反射。体反射光线色彩分量如

式中r，g，b仅与物体反射率有关，因此，在光照变化时近似保持不变。

1.3 目标检测

求取第1，2幅图像RGB归一化后的值分别为r1，g1，b1，r2，g2，b2，两图像色彩距离如

将drgb归一化后记为drgbn。综合纹理与色彩距离如

其中wrgb，wtext分别为色彩与纹理的自适应权重系数，当时，wrgb=0。将d二值化后进行二值形态学开启和闭合操作，得到变动物体的检测结果。

2 实验与结果分析

实验中图像采用柯达相机DX7590拍摄，图像分辨率为640×480，光源为40 W白炽灯。相关参数取值：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。检测程序运行于Matlab2014，在安装Window7操作系统和4核Intel Core Q8300 CPU台式PC机上，平均检测时间为7 s。

第1组实验图像如图1。比较图1(a)，(b)可知：两图光照强度和方向均有改变，图1(a)中胶水瓶的影子位于胶水瓶右后侧且其光照强度较弱；图1(b)中胶水瓶的影子位于胶水瓶左后侧且其光照强度较强，且增加了1本书籍，其他各处不变。用多尺度结构张量的方法分别求取图1(a)，(b)的3个尺度纹理和两图纹理距离，结果如图2。

比较图2(a)，(d)，(g)及图2(b)，(e)，(h)可见，L由小变大，纹理尺度逐步增大。比较图2(c)，(f)，(i)可见，L由小变大，小尺度纹理距离逐步减弱。

为对比多尺度结构张量方法提取纹理特征的效果，采用多尺度结构张量方法，sobel和canny 3种方法检测图1(a)和(b)的纹理距离，结果如图3。图3(a)中不动物体区域纹理未发生变化，纹理距离本该较小，但计算出sobel纹理距离较大，这可能是光照变化引起的；图3(b)中变动物体区域纹理距离稍稍增大，仍不够明显；图3(c)中不动物体区域纹理距离较小，在变动物体区域纹理距离较大，变动物体上的字迹轮廓均清晰可见，说明该方法真实反应了纹理的变化，受光照变化影响较小。综合比较可得出，采用多尺度结构张量方法检测图像的纹理距离更准确。

除归一化RGB色彩模型，采用l1l2l3[9]、HSY[10]、RGB等色彩模型也能提取图像色彩特征。为对比归一化RGB色彩模型提取变动物体区域和不动物体区域的色彩距离的效果，采用上述4种色彩模型计算图1(a)和(b)的色彩距离，结果如图4。比较图4(a)，(b)，(c)，(d)可知，归一化RGB色彩距离对光照变化最不敏感。

将多尺度结构张量方法的纹理距离和归一化RGB色彩模型的色彩距离按照式(14)结合，检测第1组图像的综合纹理距离与色彩距离，结果如图5。对比图4(d)，图3(c)，图5(a)可见：变动区域文字部分的色彩距离较小，但综合距离较大；变动区域非文字部分的纹理距离较小，但综合距离也较大。图5(b)为将图5(a)二值化(域值0.1)并进行二值形态学开启和闭合操作后的图形，图5(c)为对应图1(b)中检测出的变动物体，可见变动物体被检测出来。表明多尺度结构张量方法和归一化RGB色彩模型更能抑制光照强度，检测出变动物体。

第2组实验图像如图6。图6(b)增加了与背景色彩相近的毛巾，其余各处不变。图6(a)，(b)的3种不同纹理距离如图7。对比图7(a)，(b)，(c)可知，变动物体的纹理距离在图7(c)中非常明显，而在图7(a)中不太明显，图7(b)中原本纹理距离较小的位置也出现了较大的纹理距离。

第2组图像检测结果如图8。对比图8(a)，(b)与图7(c)，变动区域色彩距离小但综合距离大。图8(c)，(d)分别为二值化检测结果与对应图6(b)的检测结果，可见，变动物体被检测出来。进一步表明，多尺度结构张量的方法和归一化RGB色彩模型更能抑制光照的影响，检测出变动的物体。

3 结 论

光照条件的改变在实际图像应用领域中普遍存在，为了抑制光照变化对变动物体检测的影响，使用多尺度结构张量的方法提取物体表面纹理信息，采用对光照变化具有抑制作用的色彩模型提取物体色彩信息，进一步以自适应权重系数，综合纹理信息和色彩信息，来检测变动的物体。采用归一化RGB色彩模型，l1l2l3, HSY和RGB 4种颜色模型和多尺度结构张量方法，sobel和canny 3种纹理提取方法对光照变化条件下的两组图像进行对比实验，结果表明多尺度结构张量和归一化RGB色彩模型相对其他方法更能抑制光照的影响，有效检测出变动物体，且计算简便快速。

[1]陈劲松，黄健熙，林珲，等.基于遥感信息和作物生长模型同化的水稻估产方法研究[J].中国科学：信息科学,2010,40(增刊): 173-183.

[2]王培珍，高尚义，程健.一种基于局部二进制模式的带钢表面缺陷初级检测方法[J].中国图象图形学报，2009,14(6):1156-1161.

[3]骆力，谌小跞，井梦曦.基于线阵CCD的电子白板技术研究[J].安徽工业大学学报(自然科学版)，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]汤一平，宗明理，吴立娟.基于双色反射模型的彩色结构光色彩识别的研究[J].计算机学报，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.

责任编辑：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

湖南省高校科技创新团队资助项目(湘教通2014207)；湖南省自然科学基金项目(13JJ3121)；湖南省教育厅资助项目(13C879)

李亚兰(1980-)，女，湖南郴州人，讲师，博士生，主要研究方向为图像处理。

李志扬(1964-)，男，湖北荆州人，教授，主要研究方向为数字图像处理、光电子等。

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