本征图像分解方法、装置、设备及可读存储介质制造方法及图纸

本发明专利技术公开了一种本征图像分解方法、装置、设备及可读存储介质，所述本征图像分解方法给出了基于光照本征图像的低秩稀疏性质确定的预设约束条件，相较于现有的仅基于稀疏性质所确定的约束条件，能够更好地刻画本征图像的性质，将耦合的反射与光照目标分量分离得更加完全；运用交替方向乘子法对极小化目标函数进行优化求解，相较于现有的基于机器学习的本征图像分解方法计算过程更加简单易行，无需大量的标注训练样本即可完成分解任务；且基于交替方向乘子法的求解过程为分布式计算过程，实现了实时计算的效果。

Eigenimage decomposition method, device, device and readable storage medium

【技术实现步骤摘要】
本征图像分解方法、装置、设备及可读存储介质
本专利技术涉及图像处理
，尤其涉及一种本征图像分解方法、装置、设备及可读存储介质。
技术介绍
本征图像，是指将一幅图像分解而成的照射图和反射图。其中，照射图是反应原图像光照情况的图像；而反射图是指在变化的光照条件下能够维持不变的图像部分，是原图像去掉高光后的图像。现有的本征图像分解方法主要分为两大类，一类为基于约束优化的本征图像分解方法，此类方法的假设具有局限性，仅在特定情况下有效，而无法得到在普遍情况下的分离性高的本征图像分解结果；另一类为基于机器学习的本征图像分解方法，此类方法又受数据集标注困难的限制，往往难以获取到大量的有密集标注的图像数据集，同样难以得出分离性高的本征图像分解结果。由于上述的种种问题，通过现有的两大类本征图像分解方法均无法得到分离完全的本征图像，从而导致了现有的本征图像分解方法对本征图像分解不完全的技术问题。上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
本专利技术的主要目的在于提供一种本征图像分解方本文档来自技高网...

【技术保护点】
1.一种本征图像分解方法，其特征在于，所述本征图像分解方法包括：/n获取预设约束条件与当前指定的原始图像所确定的极小化目标函数，其中，所述预设约束条件根据光照本征图像的低秩稀疏性质确定；/n基于交替方向乘子法与所述预设约束条件对所述极小化目标函数进行求解，以获取所述原始图像的本征图像分解结果。/n

【技术特征摘要】
1.一种本征图像分解方法，其特征在于，所述本征图像分解方法包括：
获取预设约束条件与当前指定的原始图像所确定的极小化目标函数，其中，所述预设约束条件根据光照本征图像的低秩稀疏性质确定；
基于交替方向乘子法与所述预设约束条件对所述极小化目标函数进行求解，以获取所述原始图像的本征图像分解结果。


2.如权利要求1所述的本征图像分解方法，其特征在于，所述基于交替方向乘子法与所述预设约束条件对所述极小化目标函数进行求解，以获取所述原始图像的本征图像分解结果的步骤包括：
基于预设替换规则将所述极小化目标函数转化为所述极小化目标函数的增广拉格朗日函数；
根据预设转化规则与所述增广拉格朗日函数生成所述增广拉格朗日函数中的目标变量基于交替方向乘子算法的目标迭代格式；
将所述目标迭代格式进行初始化，基于格式化后的目标迭代格式对所述目标变量进行迭代计算；
在检测到满足预设收敛条件时，将当前迭代轮数的目标变量值作为收敛目标变量值，以获取所述收敛目标变量值中的所述本征图像分解结果。


3.如权利要求2所述的本征图像分解方法，其特征在于，所述根据预设转化规则与所述增广拉格朗日函数生成所述增广拉格朗日函数中的目标变量基于交替方向乘子算法的目标迭代格式的步骤包括：
基于所述增广拉格朗日函数生成所述目标变量的初始迭代格式；
根据预设收缩算子规则与奇异值分解规则将所述初始迭代格式转化为所述目标迭代格式。


4.如权利要求2所述的本征图像分解方法，其特征在于，所述在检测到满足预设收敛条件时，将当前迭代轮数的目标变量值作为收敛目标变量值，以获取所述收敛目标变量值中的所述本征图像分解结果的步骤之前，还包括：
获取迭代过程中所述目标变量中的光照目标分量的变化速率，判断所述变化速率是否小于预设阈值；
若所述变化速率小于预设阈值，则判定满足预设收敛条件；
若所述变化速率不小于预设阈值，则判定不满足预设收敛条件。

【专利技术属性】
技术研发人员：饶军，龚文勇，
申请(专利权)人：佛山市熠瞳科技有限公司，深圳市三诚智创科技有限公司，
类型：发明
国别省市：广东;44