1.1　图像阴影检测与去除

计算机视觉如今已经成为计算机方面相关应用中不可或缺的重要核心技术，许多此方面的应用已经融入我们生活的方方面面，成为生活中不可或缺的一部分。而阴影检测与去除则直接影响着计算机视觉领域的图像识别质量，故而，如何准确而高效地检测和去除数字图像的阴影、识别物体本身及精准还原阴影区域的图像内容就成了计算机视觉领域一个炙手可热的研究课题。在遥感测绘、医疗图像、文档图像等应用领域，阴影的检测与去除尤为重要，直接影像图像的识别与目标提取精度。

由于光照的存在，阴影检测与去除是图像和视频处理的重要组成部分。在一些研究和应用场景下，阴影确实可以起到作用。例如，利用遥感图像的阴影计算建筑高度或在模拟场景中增强场景的真实性；可以通过检查阴影轮廓信息获得光源遮挡物的几何信息和场景中的空间分布；通过检查阴影信息，可以确定光源的位置、强度和范围；在虚拟3D和在线游戏中，添加模拟对象阴影可以增强观察者的3D、空间和现实体验[1]。

在空间光学遥感成像过程中，太阳往往被视作唯一光源。阴影通常因太阳直射光线被云层、地面高大建筑物等目标遮挡而形成，这往往会削弱遥感图像阴影区域的地物信息。尽管相机在成像过程中对成像参数进行了控制，并对大气窗口进行了相关选择，但是由于地面高大建筑物、太阳高度角变化、植被遮挡、地表反射率各异等因素，遥感图像中仍不可避免地会存在较多阴影。有关阴影类别的讨论，有文献从阴影形成遮挡物类别角度将其大致分为3个类别：城市阴影、地形阴影和云阴影；而更多的学者则倾向于根据阴影成像机理来区分阴影类别，一般将阴影分为投影和自影两个主要类别。其中，投影指沿太阳光照方向投射在地面的遮挡物阴影，自影指遮挡物本身未被太阳光照射部分形成的阴影。由于投影和自影与非阴影在光照组成上的差异主要为太阳直射光部分，因此，在阴影处理过程中，需要同时处理投影和自影[2]。遥感图像中的投影和自影示意图如图1.1所示[2,3]。

图1.1　遥感图像中的投影和自影示意图

在大部分情况下，阴影的存在会对图像处理造成不好的影响。例如，在航空摄影中，阴影噪声效应会模糊阴影区域的特征，影响航空摄影的分析。而阴影会影响图像分割的准确性，导致在计算机视觉研究中出现不正确的结果。例如，在使用图像分割进行对象跟踪和对象识别时，阴影会对判断物体本身形状和运动轨迹造成极大的干扰。形状的误识别会造成目标丢失，直接影响追踪效果。例如，在通过视频图像追踪目标车辆时，车辆从光照区域驶入阴影区域，车辆在颜色特征上会发生显著变化，在硬阴影区域，此问题尤为明显。在医学领域，CT图像中存在的阴影会造成病灶的误诊断，影响患者得到及时的治疗。在高分辨率的遥感图像中，阴影会影响对建筑物、设施、矿藏、植被分布规律的误判，降低分类或检测的精度。在静态图像的后期处理中，阴影也会影响图像的质量和图像内容的辨认。

在这样的前提下，阴影的检测和去除就成了图像处理领域一个亟待解决的问题。在不同的场景下，去除的关注点也不同。针对视频中的阴影，主要的关注点在于算法本身的实时性与精准度之间的平衡。针对单幅自然阴影图像的处理，主要的关注点在于算法的鲁棒性，以及处理后是否可以对阴影区域纹理做到良好的恢复。针对文档阴影，主要的关注点在于处理之后是否会有利于文档内容的识别[1]。针对遥感图像中的阴影，主要是要解决复杂场景下的阴影区域的精确检测和保纹理的阴影去除问题。特别是植被中的细碎阴影和分布在道路上的阴影的检测与去除，更是该领域需要重点研究和解决的难点。