【摘要】：圖像陰影檢測(cè)與去除是計(jì)算機(jī)視覺(jué)和圖像處理領(lǐng)域中非常重要的基礎(chǔ)工作,可有效協(xié)助實(shí)現(xiàn)場(chǎng)景恢復(fù)、目標(biāo)識(shí)別以及特征提取等,在農(nóng)業(yè)、氣象、通信、智能交通、遙感、醫(yī)學(xué)等領(lǐng)域得到廣泛應(yīng)用。目前陰影檢測(cè)和去除方法的研究已經(jīng)取得一定的成果,但由于陰影產(chǎn)生的隨機(jī)性、多樣性以及復(fù)雜性,現(xiàn)有算法存在一定的局限性,難以滿足不同應(yīng)用場(chǎng)合的需求。因此,深入研究各類(lèi)陰影檢測(cè)與去除算法并進(jìn)行優(yōu)化,提高陰影檢測(cè)與去除算法的普適性,具有重要現(xiàn)實(shí)意義。本文針對(duì)單幅靜態(tài)圖像的陰影檢測(cè)和去除問(wèn)題展開(kāi)研究和討論,主要介紹了圖像陰影檢測(cè)和去除方法的目的和意義,描述了圖像陰影的分類(lèi)和性質(zhì),梳理了近些年來(lái)圖像處理領(lǐng)域提出的陰影檢測(cè)和去除算法。針對(duì)現(xiàn)有算法陰影漏檢、誤檢和去除效果不理想等不足進(jìn)行了研究,提出了三種陰影檢測(cè)和去除算法。主要工作內(nèi)容如下:(1)針對(duì)自動(dòng)陰影檢測(cè)算法不能準(zhǔn)確檢測(cè)復(fù)雜場(chǎng)景陰影,無(wú)法正確區(qū)分陰影區(qū)和暗區(qū)等問(wèn)題,提出了一種基于高斯混合模型的交互式陰影檢測(cè)方法。通過(guò)交互可人為提供場(chǎng)景的上下文語(yǔ)義信息,幫助算法理解場(chǎng)景內(nèi)容。首先,利用近鄰傳播算法對(duì)圖像進(jìn)行聚類(lèi),根據(jù)像素顏色和位置降采樣為小塊圖像,提高檢測(cè)效率;其次,構(gòu)建了一個(gè)包含光強(qiáng)、顏色和紋理特征等六維特征向量的高斯混合模型筆刷,通過(guò)少量人工交互幫助算法識(shí)別圖像陰影區(qū)和非陰影區(qū);最后,對(duì)圖像進(jìn)行多尺度雙邊濾波,使得圖像在保留陰影區(qū)域邊界信息的同時(shí),減少陰影區(qū)域內(nèi)噪聲,平滑陰影區(qū)域,提高檢測(cè)結(jié)果正確率。在存在多個(gè)陰影區(qū)域的復(fù)雜情況下,可以進(jìn)行多次交互和迭代操作,獲得較理想的檢測(cè)結(jié)果。實(shí)驗(yàn)結(jié)果證明我們提出的算法陰影檢測(cè)準(zhǔn)確率較高。(2)針對(duì)光照遷移陰影去除方法使用線性仿射模型時(shí)采用全局統(tǒng)一遷移算子的不足之處,提出了一種自適應(yīng)光照遷移陰影去除算法。該算法可實(shí)現(xiàn)紋理復(fù)雜和亮度不均圖像陰影區(qū)域的光照恢復(fù)。首先根據(jù)圖像陰影區(qū)域的分布及顏色和紋理特征,自適應(yīng)地將圖像分割為若干陰影子區(qū)域和非陰影子區(qū)域,并根據(jù)顏色和紋理等特征進(jìn)行計(jì)算,將相似度高的非陰影區(qū)域子區(qū)域與陰影子區(qū)域進(jìn)行匹配;然后在每對(duì)匹配子區(qū)域中,建立自適應(yīng)亮度恢復(fù)算子,將陰影子區(qū)域中的陰影去除,同時(shí)對(duì)相鄰陰影子區(qū)域邊界進(jìn)行亮度一致優(yōu)化;最后根據(jù)陰影邊界處的光強(qiáng)急劇變化的特性,對(duì)陰影邊界區(qū)域進(jìn)行了單獨(dú)的檢測(cè)和處理。算法簡(jiǎn)單有效,可對(duì)具有復(fù)雜紋理結(jié)構(gòu)和陰影區(qū)域亮度不均的圖像進(jìn)行陰影去除,恢復(fù)的光照基本與周?chē)h(huán)境保持視覺(jué)上的一致。(3)結(jié)合稀疏表示和字典學(xué)習(xí)理論在圖像恢復(fù)中的優(yōu)勢(shì),提出了一種基于圖像特征和字典學(xué)習(xí)的陰影去除算法。首先,根據(jù)陰影檢測(cè)時(shí)得到的像素陰影概率值,進(jìn)行初步光照恢復(fù),使陰影區(qū)域與非陰影區(qū)域具備一致的亮度級(jí)別,有效保證后續(xù)區(qū)域匹配準(zhǔn)確性;其次,根據(jù)圖像自適應(yīng)分解后的匹配關(guān)系,采用非局域稀疏表示模型,建立陰影子區(qū)域中圖像塊與非陰影子區(qū)域中匹配圖像塊間的聯(lián)系,選取若干匹配塊構(gòu)造組矩陣;然后,根據(jù)組稀疏對(duì)圖像進(jìn)行稀疏表示和字典學(xué)習(xí),將問(wèn)題轉(zhuǎn)化為稀疏表示求解問(wèn)題;最后,針對(duì)陰影暗區(qū)紋理細(xì)節(jié)丟失嚴(yán)重的問(wèn)題,用形態(tài)成分分析方法對(duì)圖像進(jìn)行分解,獲取圖像的平滑層和紋理層,對(duì)陰影區(qū)域的紋理信息進(jìn)行有效恢復(fù)。本算法自然地實(shí)現(xiàn)了陰影邊界的恢復(fù),與非陰影區(qū)域融合,基本滿足主觀視覺(jué)要求。
【圖文】：

像中的陰影區(qū)域檢測(cè)出來(lái)，根據(jù)單幅圖像中非陰影區(qū)域的亮度、紋理以及顏色，實(shí)現(xiàn)對(duì)陰影區(qū)逡逑域亮度、紋理以及顏色的恢復(fù)，在此基礎(chǔ)上通過(guò)光照補(bǔ)償以及圖像增強(qiáng)等協(xié)調(diào)陰影區(qū)域恢復(fù)后逡逑區(qū)域與非陰影區(qū)域的一致性，保證整個(gè)圖像在視覺(jué)上達(dá)到統(tǒng)一。如圖１．１所示，去除陰影后的逡逑圖像更加清晰直觀，容易分析陰影區(qū)域中被遮擋地物的內(nèi)容。逡逑桯逡逑（ａ）邐（ｂ）逡逑圖１．１復(fù)雜場(chǎng)景陰影去除效果。（ａ）輸入圖像，（ｂ）陰影去除結(jié)果。逡逑高分辨率遙感影像中存在廣泛陰影，，尤其是建筑物比較密集的城區(qū)，如圖１．２所示，造成逡逑了地表信息的缺損甚至丟失，影響遙感解譯的精度。實(shí)際情況下，地表場(chǎng)景和成像條件都比較逡逑復(fù)雜，很多圖像采集傳感器并不具有多通道和顏色信息，這就要求陰影從輸入的圖像中去除逡逑后，需保留陰影區(qū)域的紋理不變，且保持陰影區(qū)域表面的顏色信息。另外，無(wú)影圖陰影區(qū)域去逡逑除后邊界明顯，人眼可見(jiàn)的去除痕跡，計(jì)算機(jī)空間和時(shí)間的節(jié)省等問(wèn)題都待解決。通過(guò)對(duì)當(dāng)前逡逑現(xiàn)有的一些圖像陰影檢測(cè)與去除算法的研究

圖】．２遙感圖像陰影去除效果。（ａ）輸入圖像，（ｂ）陰影去除結(jié)果。逡逑對(duì)陰影檢測(cè)結(jié)果進(jìn)行數(shù)學(xué)分析和建模，其結(jié)論還可應(yīng)用于圖像編輯領(lǐng)域。在自然場(chǎng)景中提逡逑取出來(lái)的陰影可以引用到其他的場(chǎng)景中，如圖１．３所示，從原始輸入圖像中提取主體目標(biāo)及其逡逑陰影，合成到另外一個(gè)場(chǎng)景中。邐邋邐逡逑（ａ）邐（ｂ）邐（ｃ）j#，逡逑圖１．３圖像編輯。（ａ）原始圖像，（ｂ）目標(biāo)圖像，（ｃ）編輯合成后圖像。逡逑１．２國(guó)內(nèi)外研究現(xiàn)狀逡逑２０世紀(jì)８０年代人們開(kāi)始關(guān)注圖像的陰影去除問(wèn)題，國(guó)內(nèi)外許多專家和學(xué)者對(duì)這個(gè)問(wèn)題進(jìn)逡逑行了大量的研究，目前圖像陰影檢測(cè)和去除新方法越來(lái)越多，應(yīng)用領(lǐng)域也越來(lái)越廣泛，并且在逡逑計(jì)算機(jī)視覺(jué)和模式識(shí)別方面得到了越來(lái)越多的關(guān)注。但由于真實(shí)場(chǎng)景的復(fù)雜性，圖像陰影檢測(cè)逡逑與去除方法的有效性還需要進(jìn)一步的提升。逡逑１．２．１陰影檢測(cè)方法逡逑陰影去除算法包括兩個(gè)主要步驟．？陰影檢測(cè)和陰影去除。陰影檢測(cè)是陰影去除的前提，其逡逑結(jié)果的準(zhǔn)確性直接關(guān)系到陰影去除的最終成效。目前
【學(xué)位授予單位】：華中師范大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：TP391.41;TP181

【參考文獻(xiàn)】

相關(guān)博士學(xué)位論文 前3條

1 宿南;面向高精度目標(biāo)立體重建的信息恢復(fù)與補(bǔ)償技術(shù)[D];哈爾濱工業(yè)大學(xué);2017年

2 張雷;基于樣本和稀疏表示的圖像修復(fù)方法研究[D];西北大學(xué);2016年

3 韓守東;紋理建模與圖切分優(yōu)化方法研究[D];華中科技大學(xué);2010年

本文編號(hào)：2593431