题目：图像的阴影检测与去除方法研究

在计算机视觉领域，阴影对图像的几何特征造成严重干扰。所以，阴影处理一直是计算机视觉和图像处理领域中的研究热点之一，尤其在智能交通、遥感影像等应用中。但是，由于自然场景下，光源角度、强度变化的随机性，以及目标表面反射、漫射与目标形状相关的复杂性，使得静态图像中的阴影处理仍是一个比较困难的问题。本文在分析了阴影成因和特性的基础上,对单幅彩色静态图像中的阴影检测和阴影去除算法进行了研究。本文的主要工作内容与创新点如下：

1)      针对光照无关法中阈值受Mean-shift平滑算法和Canny边缘检测算法影响的缺点，提出一种自动的、基于K均值聚类的阴影边缘掩膜提取方法，使用惩罚措施去除虚假边缘点。此方法参数不受预处理算法影响，从而保证了算法的鲁棒性和稳定性。实验结果表明，省略形态学算法填充边缘孔洞步骤后，该算法仍能提取完整的阴影边缘，效果与原算法效果相当甚至更好。

2)      针对光照无关法不需要确定阴影内部区域的模型局限性和特征法需要根据实际图集的拍摄环境、应用场景选定的问题，提出了一种通过阴影边缘光照比率和区域生长来确定阴影内部区域的方法。一方面可以进一步降低阴影边缘检测的错误率，另一方面作为阴影边缘检测的后续操作非常方便且准确率高。

3)      针对阴影内部区域光照调整后色彩与非阴影区不一致和基于偏微分方程的阴影去除方法中阴影边缘纹理过度光滑不自然的缺点，提出了对数梯度域内基于样例修补的阴影去除方法，即在阴影内部光照缓慢变化的前提下，在对数梯度域内寻找与阴影区内部纹理相似的非阴影区样例块进行修补，再在空间域内按颜色差异平方和准则修补阴影边缘。实验结果表明，该方法修补的阴影边缘纹理、颜色过渡自然、一致性高，但在纹理信息较弱时易出现错误匹配且不能修补非阴影区不存在的纹理。

综合验证实验从主观和客观评价两方面对比了本文所提方法和经典方法的结果，验证了阴影边缘和阴影内部区域检测的有效性，给出了基于对数梯度域样例修补的阴影去除方法的改进方向。