一种双目图像的去反光方法技术

本发明专利技术公开了一种双目图像的去反光方法，通过区分背景点和反光点，再利用最优化方程对反光点进行计算从而去除反光，利用Sobel算子对双目图像进行边缘检测并得到边缘图像，计算边缘图像内每一个像素点的灰度得分以及运动得分，利用的灰度得分和运动得分计算像素点的综合得分，设定一个用于区分背景点和反光点的阀值并与综合得分进行比较，从而判断该像素点为背景点或反光点，利用最优化方程对反光点进行计算得到去反光后的背景点。本发明专利技术的有益效果是：本方案使用一张双目图像即可完成去反光的处理，减小了去反光处理需要使用多张图像的限制，提高了去反光算法的适用范围，为其他后续双目图像处理算法提供坚实的基础。

A anti light method for binocular image

The invention discloses a method to reflective binocular image, by distinguishing between background and reflection, then using the optimization equation of reflection points are calculated in order to remove the reflective, edge detection of binocular image and edge image is obtained by using the Sobel operator, the calculation of gray edge image score of each pixel and the motion score. Gray score and score using the motion to calculate the comprehensive score of pixels, a set is used to distinguish the background and reflex threshold and compared with the comprehensive score, to determine the pixel as background or anti reflective point of light, calculated to the background by reflecting the optimization equation. The invention has the advantages that the scheme using a binocular image can be completed to reflective processing, reduces the need to use multiple images to limit reflective processing, improving the scope of application to the reflective algorithm, provides a solid foundation for the subsequent binocular image processing algorithm.

【技术实现步骤摘要】
一种双目图像的去反光方法
本专利技术涉及图像处理领域，具体的说，是一种双目图像的去反光方法。
技术介绍
图像的去除反光是将原始的输入图像(Image)分解为背景图像(BackgroundImage)与反光图像(ReflectionImage)，反光图像一般被丢弃，所得到的背景图像即为去除反光后的图像。这项技术在计算机视觉和图像处理中属于前端处理技术，在图像采集后对图像处理，来减少反光对后续其他算法的影响，例如图像的分割，识别，分类。随着人们对视频和图像的质量要求越来越高，双目相机和立体显示设备在近年来变得十分热门。在学术界和产业界，双目图像和视频处理算法和技术逐渐成为热门研究方向。例如：双目图像的全景拼接(Panorama)、防抖(Stabilization)、3D重建(3DReconstruction)，去模糊(Deblur)等应用。然而到目前为止，并没有算法能够有效的去除双目图像中的反光。以往的去除反光算法中往往使用了多张图像，这一要求极大的限制了去除反光算法的应用场景。
技术实现思路
本专利技术的目的在于提供一种双目图像的去反光方法，为去反光算法扩宽了使用场景，减少了使用限制，同时为其他后续双目图像处理算法打下了坚实的基础。本专利技术通过下述技术方案实现：一种双目图像的去反光方法，通过区分背景点和反光点，再利用最优化方程对反光点进行计算从而去除反光，利用Sobel算子对双目图像进行边缘检测并得到边缘图像，计算边缘图像内每一个像素点的灰度得分以及运动得分，利用的灰度得分和运动得分计算像素点的综合得分，设定一个用于区分背景点和反光点的阀值并与综合得分进行比较，从而判断该像素点为背景点或反光点，利用最优化方程对反光点进行计算得到去反光后的背景点。包括以下几个步骤：步骤S1：初始化相关参数，所述的参数包括阀值τ；步骤S2：经过计算得到双目图像的灰度图像，利用Sobel算子检测灰度图像边缘，得到边缘图像并计算边缘图像中每个边缘像素点的像素值，用像素值作为灰度得分Sintensity(i)；步骤S3：使用SIFT-flow方法计算出边缘图像中每个边缘像素点的运动向量矩阵，根据运动向量矩阵计算出运动向量与基准向量之间的夹角矩阵，然后利用夹角矩阵计算边缘像素点的运动得分Smotion(i)；步骤S4：利用灰度得分Sintensity(i)和运动得分Smotion(i)计算综合得分Scombine(i)，使综合得分Scombine(i)与阀值τ进行比较，综合得分Scombine(i)大于或等于阀值τ则判断该像素点为背景点，综合得分Scombine(i)小于阀值τ则判断该像素点为反光点；步骤S5：利用最优化方程对反光点进行计算，求解得到去除反光后的图像。所述的步骤S2中，通过以下公式得到边缘图像：IL＝IR+IB(1)；其中：IL为原始图像；IR为分解后得到的反光图像；IB为分解后得到的背景图像；G为边缘图像；fsobel为Sobel算子模版；表示卷积。所述的步骤S1中，所述的参数还包括一致项λ，所述的步骤S3中，利用在不同的一致项λ条件下，利用SIFT-flow方法分别计算出边缘图像内每一个像素点的运动向量并构建每一个像素点的层级运动模型，定义第k层层级运动模型位于像素点i的运动向量为基准向量u＝(0,1)，通过以下公式计算运动向量为与基准向量u的夹角：对同一个像素点的求标准差得到运动得分Smotion(i)。使用SuperPixel算法将边缘图像分为若干个SuperPixel区域，求解该区域内所有像素点对应的平均值，以该平均值作为SuperPixel区域内所有像素点的运动得分Smotion(i)。所述的层级运动模型的层数有10层，一致项λ的数量为10且λ分别为10、5、1、0.5、0.2、0.1、0.01、0.001、0.0001、0。所述的步骤S1中，所述的参数还包括ε，通过以下公式计算综合得分Scombine(i)：Scombine(i)＝Sintensity(i)-εSmotion(i)(5)；其中：ε＝0.5；使计算得出的综合得分Scombine(i)与阀值τ进行比较：其中：τ＝80；E(i)＝1表示第i个像素点划分为背景点；E(i)＝0表示第i个像素点划分为反光点。所述的步骤S5中的最优化方程为：其中：fn表示n个差分滤波器，计算时需要遍历所有的差分滤波器；*表示卷积；EB表示被划分为背景的边缘像素集合；ER表示被划分为反光的边缘像素集合；x代表像素位置；J(IB)为去除反光后的图像。本专利技术与现有技术相比，具有以下优点及有益效果：本方案使用一张双目图像即可完成去反光的处理，减小了去反光处理需要使用多张图像的限制，提高了去反光算法的适用范围，为其他后续双目图像处理算法提供坚实的基础。附图说明图1为获取边缘图像的示意图；图2为SuperPixel算法对图像分区示意图；图3为区分背景点和反光点的示意图；图4为去反光效果示意图；图5中(a)为向量方向角度计算示意图；(b)为Superpixel方法示意图。具体实施方式下面结合实施例对本专利技术作进一步地详细说明，但本专利技术的实施方式不限于此。实施例1：如图1所示，本实施例中，一种双目图像的去反光方法，选取两张有视差且带反光的双目图像，其中任意一张图像被指定为原始图像，另一张被指定为目标图像。通过区分背景点和反光点，再利用最优化方程对反光点进行计算从而去除反光，利用Sobel算子对双目图像中的原始图像进行边缘检测，将原始图像分解得到反光图像和背景图像并利用Sobel算子得到边缘图像，计算边缘图像内每一个像素点的灰度得分以及运动得分，利用的灰度得分和运动得分计算像素点的综合得分，设定一个用于区分背景点和反光点的阀值并与综合得分进行比较，从而判断该像素点为背景点或反光点，利用最优化方程对反光点进行计算得到去反光后的背景点。将原始图像与目标图像交换，采用相同的方法即可获得目标图像去反光后的图像。因为在边缘图像中，如果一个像素点存在反光即该像素点为反光点，该像素点的值是由前景部分和背景部分混合而成的，前景部分指的是反光部分，利用最优化方程对反光点进行计算能够将前景部分和背景部分剥离从而达到对该像素点去反光的效果。该最优化方程为本领域的一个标准做法，来自于论文LevinandY.Weis，“Userassistedseparationofreflectionsfromasingleimageusingasparsityprior”，IEEETransactionsonPatternAnalysisandMachineintelligence，no.9，pages，1647-1654，2007。实施例2：在上述实施例的基础上，本实施例中，一种双目图像的去反光方法，包括以下几个步骤：步骤S1：初始化相关参数，所述的参数包括阀值τ。步骤S2：如图1所示，经过计算得到双目图像的灰度图像，利用Sobel算子检测灰度图像边缘，得到边缘图像并计算边缘图像中每个边缘像素点的像素值，用像素值作为灰度得分Sintensity(i)。计算得到灰度图像的算法为本领域技术人员的公知常识以及惯用手段，本领域技术人员根据本方案记载的内容能够实现上述效果，此处不对计算灰度图像的具体过程进行赘述。对于一张带有反光本文档来自技高网...

【技术保护点】
一种双目图像的去反光方法，通过区分背景点和反光点，再利用最优化方程对反光点进行计算从而去除反光，其特征在于：利用Sobel算子对双目图像进行边缘检测并得到边缘图像，计算边缘图像内每一个像素点的灰度得分以及运动得分，利用的灰度得分和运动得分计算像素点的综合得分，设定一个用于区分背景点和反光点的阀值并与综合得分进行比较，从而判断该像素点为背景点或反光点，利用最优化方程对反光点进行计算得到去反光后的背景点。

【技术特征摘要】
1.一种双目图像的去反光方法，通过区分背景点和反光点，再利用最优化方程对反光点进行计算从而去除反光，其特征在于：利用Sobel算子对双目图像进行边缘检测并得到边缘图像，计算边缘图像内每一个像素点的灰度得分以及运动得分，利用的灰度得分和运动得分计算像素点的综合得分，设定一个用于区分背景点和反光点的阀值并与综合得分进行比较，从而判断该像素点为背景点或反光点，利用最优化方程对反光点进行计算得到去反光后的背景点。2.根据权利要求1所述的一种双目图像的去反光方法，其特征在于：包括以下几个步骤：步骤S1：初始化相关参数，所述的参数包括阀值τ；步骤S2：经过计算得到双目图像的灰度图像，利用Sobel算子检测灰度图像边缘，得到边缘图像并计算边缘图像中每个边缘像素点的像素值，用像素值作为灰度得分Sintensity(i)；步骤S3：使用SIFT-flow方法计算出边缘图像中每个边缘像素点的运动向量矩阵，根据运动向量矩阵计算出运动向量与基准向量之间的夹角矩阵，然后利用夹角矩阵计算边缘像素点的运动得分Smotion(i)；步骤S4：利用灰度得分Sintensity(i)和运动得分Smotion(i)计算综合得分Scombine(i)，使综合得分Scombine(i)与阀值τ进行比较，综合得分Scombine(i)大于或等于阀值τ则判断该像素点为背景点，综合得分Scombine(i)小于阀值τ则判断该像素点为反光点；步骤S5：利用最优化方程对反光点进行计算，求解得到去除反光后的图像。3.根据权利要求2所述的一种双目图像的去反光方法，其特征在于：所述的步骤S2中，通过以下公式得到边缘图像：IL＝IR+IB(1)；其中：IL为原始图像；IR为分解后得到的反光图像；IB为分解后得到的背景图像；G为边缘图像；fsobel为Sobel算子模版；表示卷积。4.根据权利要求2或3所述的一种双目图像的去反光方法，其特征在于：所述的步骤S1中，所述的参数还包括一致项λ，所述的步骤S3中，利用在不同的一致项λ条件下，利用SIFT-flow方法分别计算出边缘图像内每一个像素点的运动向量并构建每一个像素点的层级运动模型，定义第k层层级运动模型位于像素点i的运动向量为基准向量u＝(0,1)，通过以下公式计算运动向量为与基准向量u的夹角：

【专利技术属性】
技术研发人员：刘帅成，孙超，杨涛涛，曾兵，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51