1. 研究目的与意义
背景：视频图像处理技术在道路监控、车辆追踪和交通异常事件检测等领域中有广泛的应用前景。户外交通环境复杂使得提取的运动车辆中可能包含阴影，阴影使运动车辆间产生粘连、形变等现象，造成车辆信息提取准确率低，因此阴影检测在智能交通系统中具有重要的研究意义, 阴影区域的检测为进一步获取图像中的光照情况、物体的形状与位置，以及摄像机的参数提供了可能。同时在采集视频图像时，由于关照等因素的影响，图像会产生许多阴影区间，根据产生的位置不同会产生很多种类的阴影，其中投射阴影是是影响车辆提前和定位的主要因素，会影响车辆定位和轮廓的确定，因此阴影检测与去除是一个非常重要环节。
目的：为了确定阴影部分是否有重叠阴影并将其去除。
为了检测阴影区域。
2. 研究内容与预期目标
研究内容：
1.采取提取DSC特征来进行阴影检测。
2.进行重叠阴影去除。
3. 研究方法与步骤
研究方法：
通过生成二进制图像来标记阴影区域，为了进一步理解阴影，采取从不同方向的上下文特征来分析图像，设计颜色补偿机制——对于一组训练样本，我们通过最小化输入图像与 ground truth 非阴影区域的误差，来学习一个颜色转换函数，然后将这个函数应用到整幅 ground truth 图像上面来调整颜色误差。
步骤：
4. 参考文献
[1] 曹晓娟, 王文涛, 宋晓琳, et al. 基于多信息融合的车辆阴影检测与车辆跟踪算法[J]. 中南大学学报(自然科学版),2015(11):4049-4055.[2] 徐少飞, 刘政怡. 基于颜色属性的车辆阴影去除方法[J]. 计算机应用与软件, 2016, 33(9).[3] 王胜华, 唐先亮, 谭飞刚, et al. 高速公路上自适应车辆阴影检测[J]. 计算机应用, 2016, 36(a01).[4] 丁爱玲, 杨康, 齐怀超, et al. 单边侧阴影特征的车辆阴影去除[J]. 智能系统学报, 2015, 10(2):281-285.[5] 许宏科, 侯晓青, 秦严严. 基于HSV颜色特征的车辆阴影消除方法[J]. 徐州工程学院学报：自然科学版, 2016, 31(2):5-8.[6] 杜友田, 陈峰, 徐文立. 基于区域的运动阴影检测方法[J]. 清华大学学报(自然科学版)(1):143-146.[7] 张丽, 李志能. 基于阴影检测的HSV空间自适应背景模型的车辆追踪检测[J]. 中国图象图形学报(7):60-64.[8] 张友鹏, 王淳, 刘艳丽. 移动视点下在线视频的动态阴影检测与跟踪[J]. 系统仿真学报, 2019(7).
[9]车辆检测——基于路面灰度级的分割方法，2019（3）.
[10] Moving cast shadowdetection using online sub-scene shadow modeling
5. 工作计划
2.20--3.12，熟悉课题背景，查阅中英文资料，完成毕设开题。
3.13--4.30，开展课题内容，完成课题的主要实验工作和程序调试。
5.01--5.20，撰写毕设论文初稿并完成中英文翻译。
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
