阴影区域处理方法及装置、计算机可读介质和电子设备制造方法及图纸

本公开提供一种阴影区域处理方法、阴影区域处理装置、计算机可读介质和电子设备，涉及图像处理技术领域。该方法包括：基于阴影检测模型对待检测图像进行阴影区域检测，得到待检测图像对应的阴影区域；其中，阴影检测模型通过对构建的阴影检测神经网络进行训练得到；阴影检测神经网络基于亮度限制损失函数进行网络参数调整；亮度限制损失函数基于样本图像的第一检测结果和对样本图像进行亮度调整得到调整图像的第二检测结果计算得到的交叉熵和相对熵确定。本公开可以使阴影检测模型能够克服亮度因素的影响，提高阴影区域检测的准确性。

【技术实现步骤摘要】
阴影区域处理方法及装置、计算机可读介质和电子设备
本公开涉及图像处理
，具体涉及一种阴影区域处理方法、阴影区域处理装置、计算机可读介质和电子设备。
技术介绍
近年来，计算机视觉系统已经在工业视觉检测、视频监控、医疗影像检测和智能驾驶等生产生活场景中得到了广泛运用。阴影作为自然界中普遍存在的一种物理现象，它给计算机视觉任务带来诸多不利影响，增加了问题处理的难度，降低了算法的鲁棒性。为了避免阴影对计算机视觉任务造成影响，往往需要提前对视频、图像等数据进行阴影去除处理。然而，阴影去除是一项和光照强度十分相关的技术，拍照时不同的光照强度或拍摄设备的曝光度不同，均会导致阴影部分的亮度及与非阴影区域的相对亮度不同。在这种情况下，基于神经网络对阴影区域进行检测时，很可能会因为亮度或相对亮度的改变无法正确区分阴影区域，从而得到不同的阴影区域的检测结果。
技术实现思路
本公开的目的在于提供一种阴影区域处理方法、阴影区域处理装置、计算机可读介质和电子设备，进而至少在一定程度上避免亮度因素对阴影区域识别的影响，提高阴影区域检测的准确本文档来自技高网...

【技术保护点】
1.一种阴影区域处理方法，其特征在于，包括：/n基于阴影检测模型对待检测图像进行阴影区域检测，得到待检测图像对应的阴影区域；/n其中，所述阴影检测模型通过对构建的阴影检测神经网络进行训练得到；所述阴影检测神经网络基于亮度限制损失函数进行网络参数调整；所述亮度限制损失函数基于样本图像的第一检测结果和对所述样本图像进行亮度调整得到调整图像的第二检测结果计算得到的交叉熵和相对熵确定。/n

【技术特征摘要】
1.一种阴影区域处理方法，其特征在于，包括：
基于阴影检测模型对待检测图像进行阴影区域检测，得到待检测图像对应的阴影区域；
其中，所述阴影检测模型通过对构建的阴影检测神经网络进行训练得到；所述阴影检测神经网络基于亮度限制损失函数进行网络参数调整；所述亮度限制损失函数基于样本图像的第一检测结果和对所述样本图像进行亮度调整得到调整图像的第二检测结果计算得到的交叉熵和相对熵确定。


2.根据权利要求1所述的方法，其特征在于，所述阴影检测神经网络包括网络结构相同的第一子网络和第二子网络，所述第一子网络和所述第二子网络共享网络参数。


3.根据权利要求2所述的方法，其特征在于，所述第一子网络和所述第二子网络均包括第一阶段网络和第二阶段网络；
所述第一阶段网络包括Encoder结构，所述第二阶段网络包括Decoder结构。


4.根据权利要求3所述的方法，其特征在于，所述Encoder结构包括ResNeXt101结构，所述Decoder结构包括U-net网络中的扩展路径结构。


5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
基于所述待检测图像中阴影区域和非阴影区域的亮度计算所述待检测图像对应的增强系数；
基于所述增强系数对所述待检测图像进行阴影消除得到目标图像。


6.根据权利要求5所述的方法，其特征在于，所述基于所述待检测图像中阴影区域和非阴影区域的亮度计算所述待检测图像对应的增强系数，包括：
分别计算所述待检测图像中，所述阴影区域的第一平均亮度和所述非阴影区域中的第二平均亮度；
基于所述第一平均亮度和所述第二平均亮度确定所述待检测图像对应的增强系数。


7.根据权利要求5所述的方法，其特征在于，所述基于所述增强系数对所述待检测图像进行阴影消除得到目标图像，包括：
基于所述增强系数对所述待检测图像进行增强得到增强图像；
将所述增强图像中的阴影区域与所述待检测图像中的非阴影区域组合，得到目标图像。


8.根据权利要求1所述的方法，其特征在于，在所述得到待检测图像对应的阴影区域之后，所述方法还包括：
基于条件随机场对所述阴影区域的边界进...

【专利技术属性】
技术研发人员：刘鹏，郭彦东，杨统，
申请(专利权)人：OPPO广东移动通信有限公司，
类型：发明
国别省市：广东;44