Comparison of Bayesian Classification, Otsu Segmentation and Histogram Distribution Methods Used in Shadow Detection

Yıl 2017, Cilt: 5 Sayı: 2, 345 - 355, 31.07.2017

Burcu Kır Savaş Sümeyya İlkin Selin Hangişi Suhap Şahin

Öz

The rise in the use of mobile phones in today’s world makes it easier for everybody to have that technology. Similarly, the attention on the applications using mobile devices’ cameras has been increasing. In the realized applications, shadows occur in the background depending on the light conditions, which makes it difficult to distinguish the object from the background. The shadows on the image lead to problems like getting wrong values while identifying pixel values. In order to increase the success of the applications, the first step is to recognize the shadows on the images and the second is to distinguish these shadows from the other data on the image. In this study, Bayesian Classification Method, suggested in the literature, Otsu Segmentation Method and Histogram Distribution Method were analyzed and tested on the images. The results were compared and their success rates of shadow detection are presented in the paper.

Anahtar Kelimeler

Shadow Detection, Bayesian Classification, Otsu Segmentation, Histogram Distribution

Gölge Tespitinde Kullanılan Bayes Sınıflandırma, Otsu Bölütleme ve Histogram Dağılımı Yöntemlerinin Karşılaştırılması

Öz

Günümüzde akıllı telefonların kullanımının artması, herkesin bu
cihazları rahatlıkla edinebileceği bir teknoloji haline getirmektedir. Bu
artışa paralel olarak mobil cihazların kameraları kullanılarak geliştirilen uygulamalara
gösterilen ilgi artmaktadır. Nesne tespiti gibi uygulamalarda, arka plan üzerinde ışık koşullarına
bağlı olarak gölgeler meydana gelmektedir. Bu durum nesnenin arka plandan ayırt
edilmesini zorlaştırmaktadır. Görüntü üzerindeki gölgeler, piksel değerleri
tespit edilirken hatalı değerler alınması gibi problemlere neden olmaktadır. Genel
olarak uygulamalardaki başarımın artırılması için; ilk olarak görüntüler
üzerinde meydana gelen gölgelerin başarılı şekilde tespit edilmesi ve ikinci
olarak da görüntüdeki diğer verilerden bu gölgelerin ayırt edilmesi
gerekmektedir. Bu çalışmada literatürde önerilen gölge tespit yöntemlerinden
Bayes Sınıflandırma Yöntemi, Otsu Bölütleme Yöntemi ve Histogram Dağılımı
Yöntemi incelenerek görüntü seti üzerinde test edilmiştir. Elde edilen test
sonuçları her uygulama için karşılaştırma yapılarak algoritmaların gölge
tespitindeki başarım oranları çalışmada sunulmuştur.

Anahtar Kelimeler

Gölge Tespiti, Bayes Sınıflandırma, Otsu Bölütleme, Histogram Dağılımı

Kaynakça

• Ç. Aytekin, and A. A. Alatan, A novel shadow detection and restoration algorithm based on atmospheric phenomena, Signal Processing and Communications Applications Conference (SIU), (2010) 874 - 877.
• A. Amato Wide Area Surveillance (2014) 23-47, Springer Berlin Heidelberg.
• S. Zhu, G. Zhichao, M. Li. EURASIP Journal on Image and Video Processing 2012(1) (2012) 1-15.
• J. Tian, , S. Jing, and T. Yandong, Tricolor attenuation model for shadow detection, Image Processing, IEEE Transactions on, (2009) 2355-2363.
• K. H. Salman, B. Mohammed, S. Ferdous, and T. Roberto, Automatic Shadow Detection and Removal from a Single Image, Pattern Analysis and Machine Intelligence, IEEE Transactions on, (2016), 431-446.
• H. Luo, and S. Zhenfeng, A Shadow Detection Method from Urban High Resolution Remote Sensing Image Based on Color Features of Shadow, Information Science and Engineering (ISISE), 2012 International Symposium on, (2012) 48-51.
• C. Benedek, S. Tamás, Bayesian foreground and shadow detection in uncertain frame rate surveillance videos, Image Processing, IEEE Transactions on, (2008) 608-621.
• Z. Yali, Z. Yong, X. Pan, Y. Yule, Y. Xi, L. Yawei, Shadow removal of single texture region using histogram matching and color model recovery, In Signal Processing (ICSP) 12th International Conference on, (2014) 871-874.
• M.S. An, K. Dae-Seong, Motion estimation with histogram distribution for visual surveillance, Wireless and Optical Communications Conference (WOCC), (2010) 1-4.
• K. Deb, H.S. Ashraful, Shadow Detection and Removal Based on YCbCr Color Space, Smart CR 4, (2014) 23-33.
• R. Mahajan, B. Abhijeet, A survey on shadow detection and removal based on single light source, Intelligent Systems and Control (ISCO), 2015 IEEE 9th International Conference on, (2015) 1-5.
• M. Erten, Sınıflandırma Yöntemleri Kullanılarak İmza Biyometriğine Dayalı Kişi Tanıma Elektronik ve Bilgisayar Sistemleri Eğitimi, Yüksek Lisans Tezi, Selçuk Üniversitesi Fen Bilimleri Enstitüsü Konya (2012).
• S. Güney, Karma Yapılı İkili Karar Ağacı Tabanlı Koku Tanıma Sistemi, Doktora Tezi, KTÜ Fen Bilimleri Enstitüsü, (2013).
• N. Çalış, Karma Dağılım Modellerine Dayalı Ayrıştırma Analizi ve Sınıflandırma, Doktora Tezi, Çukurova Üniversitesi Fen Bilimleri Enstitüsü, (2011).
• S. İlkin, A Mobile Optical Mark Reading Application, Yüksek Lisans Tez, Kocaeli Üniversitesi Fen Bilimleri Enstitüsü, (2015).
• D. Özkan, Kamera Görüntülerinden Hareketli Hedef Tespiti, Yüksek Lisans Tezi, Hacettepe Üniversitesi, (2011).
• N. Otsu, A threshold selection method from gray-level histograms. Automatica, 11(285-296), (1975) 23-27.
• H. Badem, Gpu-Accelerated İmage Processing Algorithms Using Fuzzy Logic, Yüksek Lisans Tezi, Kahramanmaraş Sütçü İmam Üniversitesi Fen Bilimleri, (2012).
• A. Kutalmış, Human Activity Classification Using Spatio-Temporal Feature Relations, A Thesis, Graduate School of Natural and Applied Sciences, Middle East Technical University, (2012).
• F. Erciş, Comparision Of Histograms Of Oriented Optical Flow Based Action Recognition Methods, A Thesis, Graduate of Natural and Applied Sciences, Middle East Technical University, (2012).