Shadow detection and removal is used in various image processing applications like video surveillance, scene interpretation and object recognition. Ignoring the existence of shadows in images may cause serious problems like object merging, object lose, misinterpretation and alternation of object shape in various visual processing applications like segmentation, scene analysis and tracking. Many algorithms have been proposed in the literature, that deals with shadow detection and removal from images as well as videos. A comparative and empirical evaluation of the existing approaches in video has already been reported, but we lack a similar one in case of still images. This paper presents a comprehensive survey of existing shadow detection and removal algorithms reported in the case of still images. Evaluation metrics involved in shadow detection and removal techniques are discussed and the inefficiency of conventional metrics such as; per pixel accuracy, Precision, Recall, FScore etc in detection phase are also explored. Quantitative and qualitative evaluation of selected methods are also discussed. To the best of our knowledge this is the first article that exclusively discusses shadow detection and removal methodologies from real images

چکیده

تشخیص سایه و حذف آن در کاربردهای گوناگون پردازش تصویر مانند نظارت ویدئو، تفسیر صحنه و تشخیص شئ استفاده می شود. نادیده گرفتن وجود سایه ها در تصاویر باعث به وجود آمدن مشکلات جدی مانند ادغام اشیاء، ازدست دادن شئ، سوء تعبیر و تناوب شکل شئ در کاربردهای پردازش بصری گوناگون می شود مانند بخش کردن، تحلیل صحنه، و ردیابی. الگوریتم های زیادی در این مقاله استفاده شده است که با تشخیص سایه و حذف آن از تصاویر به خوبی فیلم ها سروکار دارند. یک ارزیابی مقایسه ای و تجربی روشهای موجود در فیلم گزارش شده است، اما ما روشی مشابه با آن را در تصاویر ثابت کم داریم. این مقاله یک درک مفهومی از الگوریتم های موجود تشخیص سایه و حذف آن در زمینه تصاویر ثابت ارائه می دهد. در مورد معیارهای ارزیابی در تکنیک های تشخیص سایه و حذف آن بحث می شود و بازده معیارهای متعارف مانند: صحت در هر پیکسل، دقت، فراخوانی، امتیازF و غیره در فاز تشخیص استخراج می شوند. ارزیابی کمی و کیفی روش های انتخاب شده نیز بحث شده است. براساس بهترین یافته های ما این اولین مقاله ای است که منحصرا به بحث روش های تشخیص سایه و حذف آن از تصاویر حقیق می پردازد.

1-مقدمه

روش و هدف استخراج سایه در تصویر ثابت و فیلم مشابه نیست. در ویدئوها اطلاعات از فریم های قبل برای تشخیص سایه در دسترس است، در حالی که در تصاویر مجبوریم تا به ویژگی های هندسی و آماری سایه در یک تصویر تکی تکیه کنیم تا سایه را قسمت کنیم. تشخیص سایه در سیستم نظارت بر فیلم به عنوان گام پیش پردازش استفاده می شود تا به عملکرد بهتر سیستم مانند ردیابی شئ [1] و رانندگی خودکار [2] دست پیدا کرد. در حالی که در تصاویر بسته به نوع تصاویر ورودی مانند تصاویر خانگی، تصاویر در هوای آزاد یا تصاویر ماهواره ای، تشخیص سایه و حذف آن کاربردهایی در تشخیص شی [3] و تفسیر صحنه [4] دارد...