光照模型（Shading Model）在很多论文中得到了广泛的应用，如robust and illumination invariant change detection based on linear dependence for surveillance application、Making background subtraction robust to sudden illumination Changes以及Illuminatin independent change detection for real world image sequence（本文介绍的内容）。后面两本文献虽然是90年代的东西，但还是值得看看。先来简单说说什么是光照模型（Shading Model）。光照模型就是给定一个观察的像素点Ip，其值是由照度（Illumination）Ii和光照系数（Shading coefficient）Sp决定的，用公式表示如下：
光照模型的完整形式可以用下图来说明：
由上图和学过的知识可知，光照系数是由物体表面材料的反射因子和物体物理表面结构决定的。因此，对于某一位置，如果其物理表面结构没有发生变化，那么其光照系数将也不会发生；反之，如果物体表面结构发生变化，光照系数也会发生变化。
基于以上的结论，光照系数是由物体的表面结构决定的，而相对于光照变化具有独立性。因此，基于光照系数的目标检测算法不仅可以准确，而且对光照变化具有强鲁棒性。然而，光照系数却事先无法得知，一般也不容易计算。但是，在视频序列中，可以通过计算两帧图像中某一区域的灰度比率（Intensity ratio）来检测光照系数的变化，以此进行运动区域的检测。
灰度比率的计算和检测原理如下：
通过式（17）得到灰度比率方差的举止，如果计算得到的灰度比率方差的均值接近0，则表示该区域没有发生变化；否则，就认为该区域发生了变化。
该算法的核心代码已经实现，经过测试，对光照具有较强的鲁棒性（确实是具有鲁棒性，突然的光照变化不会引起全局大范围的变化，即不会出现前景一片白的情况，但是小范围内会出现白片的现象）。由于今天下班走得匆忙，代码下个星期更新附上。
