The invention belongs to the field of small change detection of images, and relates to a novel technique for detecting small change based on a plurality of illumination conditions. The technology applies tiny change detection techniques to subtle changes in ancient objects to detect subtle changes in ancient architecture at regular intervals. Compared to traditional variations of the subject, tiny changes in detection under multiple illumination conditions can detect more subtle picture changes and make the results of smaller changes more accurate. After detecting the changes of solution out of the results, the optimization solution of multi-scale iterative, which can get better results and the results of optical flow, scene or camera motion also has better ability to adapt to the size.
【技术实现步骤摘要】
一种基于主动视觉的高值目标细微变化检测方法
本专利技术属于图像微小变化检测领域,涉及一种基于多种光照条件下的微小变化检测的新型技术。这项技术将微小变化检测的技术应用到古文物的细微变化中,以达到检测出古文物建筑每隔一段时间的细微变化的目标。
技术介绍
本专利技术中涉及到的
技术介绍
有:(1)光照一致化(LightConsistency):是很多计算机视觉应用的基础性预处理步骤,人类视觉自我调节能力便拥有一定的矫正光照一致性的能力,早期的颜色一致化的工作基于LandandMcCann的Retinex理论,在此之后,很多工作基于该理论提出的新的计算模型,通常情况下,光照颜色一致化的模型以对光照的估计为主要特征,相应的方法往往假设光源的颜色和强度在场景中是均匀一致的。因此,在对整体光照情况的估计的基础上,光照的矫正被应用到图像中来获取颜色一致性的图像。在变化检测问题中,快速的颜色一致化被应用于光照差异的矫正。Gijsenij等总结了现有的颜色一致化方法。因为要考虑实时性的需求,大多数变化检测方法只能承受简单的静态的颜色一致化方法,例如整体颜色强度的一致,却不能处理剧烈光照变化的情况。除此之外,图像本征分解技术也能用于场景相同情况下的光照矫正,相应的方法能够从单张或多张图像获取反射率信息(reflectance)、形状信息(shape)、法向量信息(normal)和光照信息(illumination)。(2)变化检测(ChangeDetection):是根据两种不同时间的观测数据发现目标发生的差异的过程,目标的差异可能来源于光照引起的变化,相机拍摄位姿不同引起图像的变 ...
【技术保护点】
一种基于主动视觉的高值目标细微变化检测方法,其特征在于:其操作步骤如下:⑴开始,将已经完成配准的两幅图像载入到该方法中,两幅图像分别为当前图像和上次图像;⑵光照一致化的初始化:给定当前图像观测数据y和上次图像观测数据x,首先对当前图像进行全局性的光照一致化,将当前观测数据的颜色通过线性变换的方式保持与上次观测数据颜色基本一致;⑶光照一致化:将图像进行光照一致化处理,在Lambertian反射模型的基础上,将两幅图像进行光照一致化;⑷低秩求解变化检测:通过使用低秩求解法,对两幅图像微小变化进行检测;⑸多尺度迭代优化:进行多尺度迭代的优化算法,采用了从粗到细的多尺度优化方法,首先得到粗粒度的光流估计,然后将其上采样到更细粒度的层上,作为细粒度的初始化,经过多层的优化求解,能得到更好的光流结果;完成检测。
【技术特征摘要】
1.一种基于主动视觉的高值目标细微变化检测方法,其特征在于:其操作步骤如下:⑴开始,将已经完成配准的两幅图像载入到该方法中,两幅图像分别为当前图像和上次图像;⑵光照一致化的初始化:给定当前图像观测数据y和上次图像观测数据x,首先对当前图像进行全局性的光照一致化,将当前观测数据的颜色通过线性变换的方式保持与上次观测数据颜色基本一致;⑶光照一致化:将图像进行光照一致化处理,在Lambertian反射模型的基础上,将两幅图像进行光照一致化;⑷低秩求解变化检测:通过使用低秩求解法,对两幅图像微小变化进行检测;⑸多尺度迭代优化:进行多尺度迭代的优化算法,采用了从粗到细的多尺度优化方法,首先得到粗粒度的光流估计,然后将其上采样到更细粒度的层上,作为细粒度的初始化,经过多层的优化求解,能得到更好的光流结果;完成检测。2.根据权利要求1所述的基于主动视觉的高值目标细微变化检测方法,其特征在于:所述步骤⑵中,全局性的光照一致化的具体操作流程如下:①对次图像数据xi和当前图像数据yi中的图像使用SIFT特征进行特征点的提取和匹配;②对于匹配的特征点对,借助于公式求解出变换矩阵和偏移向量公式为:公式中和分别表示图像xi和yi中对应匹配点的RGB颜色值,是在R3空间中的线性变换矩阵,在变换的基础上对结果增加一个偏移量;③在求解出变换矩阵和偏移向量的基础上,将和作用到xi所有的像素点上,得到全局光照一致化的结果。3.根据权利要求2所述的基于主动视觉的高值目标细微变化检测方法,其特征在于:所述公式通过最小化来实现将当前观测的数据与上次观测数据的光照一致化。4.根据权利要求1所述的基于主动视觉的高值目标细微变化检测方法,其特征在于:所述步骤⑶中的Lambertian反射模型的表达形式为:Ip=∫<np,ω>ρpL(ω)dω在公式中,Ip代表图像中像素p的颜色,np代表像...
【专利技术属性】
技术研发人员:冯伟,孙济洲,张乾,田飞鹏,肖冬瑞,
申请(专利权)人:天津大学,
类型:发明
国别省市:天津,12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。