摘 要：针对当前自然图像阴影去除算法需要多次人工交互、阴影去除结果纹理信息丢失等问题，提出了基于梯度域的图像保纹理阴影去除算法。该方法只需确定出阴影的大概边界，然后在梯度域中，分别对阴影内部和阴影边界的梯度进行最优化修正，得到无阴影的梯度图像，最后利用泊松方程，恢复出无阴影图像。利用多幅图像的实验结果证明，该算法操作简单，不需要多次人机交互，且阴影区域内纹理细节得到了较好的恢复。

　　中国论文网 http://www.xzbu.com/8/view-4655303.htm

　　关键词：阴影去除；阴影检测；梯度域；泊松方程；纹理特征

　　中图分类号： TP391

　　文献标志码：A

　　0 引言

　　阴影是由于光线被物体完全或部分遮挡而在图像中形成的暗色区域。它使目标反映的信息量缺损或受到干扰，降低了图像的解译精度，严重影响了图像的各种定量分析与应用。为了消除这些不利影响，有必要进行阴影去除。

　　当前的阴影去除算法大多是基于阴影特性的去除算法，它主要分为两类：一类是基于泊松方程[1-3]的阴影去除，该类算法通过修改阴影边界的梯度，再求解泊松方程[4-5]恢复出无阴影图像；另一类是基于阴影因子[6-11]估计的阴影去除，该类方法分别估计半影和全影阴影区域的阴影因子，从而恢复出无阴影图像。

　　这些方法能够较好地恢复阴影的信息，但是各自还存在着不足之处。

　　第一类方法由于简单地将阴影边界梯度设置为零，导致恢复后图像中原阴影边界处的纹理丢失严重。

　　第二类方法将阴影分为全影和半影，并分别进行处理，去除结果比第一类方法具有较好的改进；然而，为了获得良好的阴影去除效果，该类方法首先需要人工画出阴影边界的范围[7-9]或选择边界特征点[10]，再利用各种算法对阴影边界进行精确的定位（通常是单点的线状边界）。

　　阴影边界定位的精确程度会直接影响阴影去除效果，这对于纹理丰富或场景复杂的图像本身就是一个难点。

　　另外，第二类算法在后续阴影去除过程中，需要人工设定[6-8]或者进行多次人机交互[11]以确定模型参数，这也大大增加了模型的复杂度。

　　针对这些问题，本文提出了一个直接基于梯度场的阴影去除算法。由于梯度是阴影恢复的一个重要信息源：第一类算法的核心就是构建一个无阴影的梯度场；第二类算法利用梯度来约束阴影因子估算模型中能量方程的平滑项。因此，本文算法只需确定阴影的大概边界区域，然后在梯度域中分别对阴影内部和阴影边界的梯度进行最优化修正，得到无阴影的梯度场，最后利用泊松方程恢复出阴影区域内的信息。与传统的阴影去除算法相比，本文算法不需要精确边界定位也能快速有效地恢复阴影信息，同时很好地保持了阴影的纹理细节。

　　5 结语

　　本文算法具有较好的阴影去除效果，阴影内部的纹理细节、亮度等方面得到了较好的恢复，并且阴影边界处的纹理细节方面也得到了很大改善，恢复后的无阴影图像在阴影和非阴影区域并没有明显的分界，阴影去除后，整幅图像场景具有较为一致的光照。同时，在算法实现方面，该方法不需要多次人机交互，并且不需要十分精确的阴影边界提取，这样，大大降低了算法实现复杂度。

　　参考文献：

　　[1]FINLAYSON G D， DREW M S， LU C. Entropy minimization for shadow removal [J]. International Journal of Computer Vision， 2009，85（1）： 35-57.

　　[2]FINLAYSON G D， DREW M S， LU C. Intrinsic images by entropy minimization [C]// Proceedings of the 2004 IEEE European Conference on Computer Vision. Piscataway： IEEE， 2004： 582-595.

　　[3]FINLAYSON G， HORDLEY S D， LU C， et al. On the removal of shadows from images [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2006， 28（1）： 59-68.

　　[4]SHEN J B， JIN X G， ZHOU C， et al. Gradient based image completion by solving the Poisson equation [J]. Computer and Graphics， 2007，31（1）： 119-126.

　　[5]PéREZ P， GANGNET M， BLAKE A. Poisson image editing [J]. ACM Transactions on Graphics： Proceedings of ACM SIGGRAPH 2003， 2003，22（3）：313-318.

　　[6]LIU F， GLEICHER M. Textureconsistent shadow removal [C]// ECCV 08： Proceedings of the 10th European Conference on Computer Vision： Part IV， LNCS 5305. Berlin： SpringerVerlag， 2008： 437-450.

　　[7]SU YF， CHEN H H. A threestage approach to shadow field estimation from partial boundary information [J]. IEEE Transactions on Image Processing， 2010， 19（10）： 2749-2760. 　　[8]MOHAN A， TUMBLIN J， CHOUDHURY P. Editing soft shadows in a digital photograph [J]. IEEE Computer Graphics and Applications， 2007， 27（2）： 23-31.

　　[9]ARBEL E， HELOR H. Texturepreserving shadow removal in color images containing curved surfaces [C]// CVPR 07： Proceedings of the 2007 IEEE Conference on Computer Vision and Pattern Recognition. Piscataway： IEEE， 2007： 1-8.

　　[10]ARBEL E， AND HELOR H. Shadow removal using intensity surfaces and texture anchor points [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2011， 33（6）： 1202-1216.

　　[11]MIYAZAKI D， MATSUSHITA Y， IKEUCHI K. Interactive shadow removal from a single image using hierarchical graph cut [C]// ACCV09： Proceedings of the 9th Asian Conference on Computer Vision： Part I， LNCS 5994. Berlin： SpringerVerlag， 2009： 234-245.

　　[12]阮秋琦。 数字图像处理学[M]. 北京：电子工业出版社，2000：32-38.

　　[13]杨勇，汪继文。 基于求解泊松方程和梯度的图像修复的研究[J].计算机技术与发展，2008，18（2）：98-101.

　　[14]MARSDEN J E， TROMBA A. Vector calculus [M]. San Fransisco： W. H. Freeman， 1988.

　　[15]SIMCHONY T， CHELLAPPA R， SHAO M. Direct analytical methods for solving Poisson equations in computer vision problems [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 1990， 12（5）： 435-446.

　　[16]AGRAWAL A， CHELLAPPA R， RASKER R. An algebraic approach to surface reconstruction from gradient fields [C]// ICCV 05： Proceedings of the Tenth IEEE International Conference on Computer Vision. Washington， DC： IEEE Computer Society， 2005， 1： 174-181.

　　[17]CRIMINISI A， PEREZ P， TOYAMA K. Region filling and object removal by exemplarbased image inpainting [J]. IEEE Transactions on Image Processing， 2004， 13（9）：1200-1212.