本文關(guān)鍵詞：一種改進(jìn)的基于Retinex理論和非局部紋理約束的本征圖像分解算法研究

  更多相關(guān)文章： 本征圖像分解算法 Retinex 非局部紋理約束 自適應(yīng)Kmeans算法

【摘要】：本征圖像分解問題是計(jì)算機(jī)視覺領(lǐng)域存在已久的一個(gè)不適定問題。物體表面的顏色信息是由多種屬性決定的,例如場景中的光照屬性、物體表面的形狀、物體表面的反照率屬性等等。Barrow和Tenenbaum[1]提出了用本征圖像(intrinsic images)來表示這些屬性,其中反照率(Reflectance)本征圖描述了物體表面對入射光的反射特性,而亮度(shading)本征圖則反映了物體表面的明暗信息,也就是物體表面的形狀對光照的影響。在大量的視覺研究與應(yīng)用中,如果能夠?qū)D像的反照率信息和亮度信息分離開來,然后進(jìn)行相應(yīng)的視覺計(jì)算,那么將會(huì)獲得更好的結(jié)果。本征圖像分解可以廣泛應(yīng)用與圖像分割、圖像識(shí)別、紋理替換以及虛擬場景和真實(shí)場景之間的相似度評價(jià)等研究中。本征圖像分解問題就是研究將原始圖像分解為反照率本征圖和亮度本征圖。本文在Li Shen等人提出的基于非局部紋理約束的Retinex本征圖像分解算法的基礎(chǔ)上,對該算法中的非局部紋理約束這一條件進(jìn)行改進(jìn),結(jié)合自適應(yīng)Kmeans算法,根據(jù)馬爾科夫隨機(jī)場理論,將整幅圖像中具有相同反照率屬性的像素聚為一簇,解決了原始算法中像素匹配錯(cuò)誤以及聚簇中心點(diǎn)尋找錯(cuò)誤的問題,從而獲取到更為精確的反照率本征圖和亮度本征圖。同時(shí),對原算法中的作為第三個(gè)約束條件的像素的絕對值獲取這一算法進(jìn)行改進(jìn),從而達(dá)到最終的本征圖像更加接近真實(shí)的反照率本征圖和亮度本征圖。實(shí)驗(yàn)結(jié)果表明本文提出的改進(jìn)的結(jié)合非局部紋理約束的Retinex本征圖像分解算法可以得到更為精確的反照率本征圖像和亮度本征圖像,同時(shí)與目前其他的本征圖像算法橫向?qū)Ρ缺砻魑覀兊乃惴ǹ梢缘玫礁哔|(zhì)量的反照率本征圖和亮度本征圖,并且我們的結(jié)果更為接近MIT提供的標(biāo)準(zhǔn)結(jié)果。
【關(guān)鍵詞】：本征圖像分解算法 Retinex 非局部紋理約束 自適應(yīng)Kmeans算法
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-13
• 1.1 本征圖像分解的概念9-10
• 1.2 本征圖像分解問題的研究意義10-11
• 1.3 本文的研究內(nèi)容以及文章結(jié)構(gòu)11-13
• 第2章 國內(nèi)外研究現(xiàn)狀13-24
• 2.1 Retinex理論13
• 2.2 相關(guān)研究以及存在的問題13-24
• 2.2.1 通過聚簇（Clustering）實(shí)現(xiàn)本征圖像分解14-20
• 2.2.2 基于用戶交互的本征圖像分解算法20-21
• 2.2.3 通過分類器學(xué)習(xí)的本征圖像分解算法21-24
• 第3章 用于算法評價(jià)的本征圖像庫24-29
• 3.1 本征圖像庫相關(guān)介紹24
• 3.2 Ground Truth dataset的獲取24-27
• 3.2.1 反照率和亮度的分離25-26
• 3.2.2 物體位置的精確校準(zhǔn)26-27
• 3.3 算法的評價(jià)基準(zhǔn)27-28
• 3.4 本章總結(jié)28-29
• 第4章 基于全局紋理約束的本征圖像分解算法的改進(jìn)算法29-52
• 4.1 相關(guān)研究介紹29-30
• 4.2 基于非局部紋理約束的本征圖像分解30-36
• 4.2.1 分解問題描述30-31
• 4.2.2 約束條件31-34
• 4.2.2.1 Retinex約束31-32
• 4.2.2.2 非局部紋理約束32-34
• 4.2.2.3 絕對比例約束34
• 4.2.3 算法詳述34-36
• 4.2.3.1 軟分組（soft-grouping）34-35
• 4.2.3.2 優(yōu)化35-36
• 4.2.3.3 閾值t的選擇36
• 4.3 Li shen的算法分解結(jié)果及存在不足36-40
• 4.4 改進(jìn)的基于全局紋理約束的本征圖分解算法40-46
• 4.5 實(shí)驗(yàn)結(jié)果46-50
• 4.5.1 本文的算法與改進(jìn)前的算法比較46-47
• 4.5.2 本文的算法與其他的本征圖分解算法比較47-50
• 4.6 本文的算法在虛擬場景建模的置信度評價(jià)方面的應(yīng)用50-52
• 第5章 總結(jié)與展望52-54
• 5.1 本文工作總結(jié)52
• 5.2 研究工作展望52-54
• 參考文獻(xiàn)54-56
• 作者簡介及在學(xué)期間所取得的科研成果56-57
• 致謝57

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 李瑞帥;余淑華;潘凱;王圓;;圖像特征金字塔快速計(jì)算方法[J];電子世界;2014年07期

2 曾喜良;王金娟;;指紋分割的塊圖像梯度因子聚類法[J];計(jì)算機(jī)與數(shù)字工程;2008年07期

3 劉陳;王欣欣;李鳳霞;趙相坤;;一種快速保邊的圖像對象分割方法[J];北京理工大學(xué)學(xué)報(bào);2010年02期

4 朱薇;劉利剛;;圖像適應(yīng)算法中非冗余顯著圖的計(jì)算[J];中國圖象圖形學(xué)報(bào);2011年08期

5 柳有權(quán);吳宗勝;韓紅雷;吳恩華;;線條增強(qiáng)的建筑物圖像抽象畫生成[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2013年09期

6 吳駿,唐紅梅,肖志濤,賈志成;一種基于相位信息的圖像對稱性檢測方法[J];信號(hào)處理;2004年01期

7 邵靜;高雋;趙瑩;張旭東;;一種基于圖像固有維度的感知物體檢測方法[J];儀器儀表學(xué)報(bào);2008年04期

8 潘如如;高衛(wèi)東;;高緊度機(jī)織物圖像傾斜的自動(dòng)糾正[J];紡織學(xué)報(bào);2009年10期

9 劉貴喜,趙曙光,楊萬海;基于梯度塔形分解的多傳感器圖像融合[J];光電子·激光;2001年03期

10 呂冀;高洪民;汪渤;周志強(qiáng);;圖像制導(dǎo)的目標(biāo)匹配算法與系統(tǒng)設(shè)計(jì)[J];彈箭與制導(dǎo)學(xué)報(bào);2009年05期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前5條

1 張一鳴;劉亞t，

本文編號(hào)：1082382