一种基于深度学习和反射率的阴影去除方法技术

本发明专利技术公开了一种基于深度学习和反射率的阴影去除方法，其步骤包括：1)将所选彩色的阴影图像分别转换成灰度图像和颜色图像并进行阴影标注；将监督图像设定为阴影图像的灰度图像和对应无阴影图像的灰度图像之间的比例图像；2)利用训练数据训练U型深度神经网络；3)对于一待处理图像A，计算图像A的阴影区域中各个像素的反射率；4)根据反射率计算图像A的阴影区域中各个像素在白光照射下呈现的颜色，将所得颜色作为对应像素在阴影去除后的颜色，生成图像A阴影去除后的颜色图像B；5)将图像A的颜色图像输入U型深度神经网络，生成一比例图像P

【技术实现步骤摘要】
一种基于深度学习和反射率的阴影去除方法


[0001]本专利技术属于图像处理
，涉及一种能够去除彩色数字图像中阴影区域的方法。特 别涉及基于深度学习和反射率的阴影去除方法。

技术介绍

[0002]随着计算机性能的提高和数字影像设备的普及，以及近年来信息技术的快速发展，针对 数字图像的计算机视觉和图形图像处理两大领域越来越受到社会各界的重视。阴影是场景中 的一部分光源由于物体之间互相遮挡或者物体自身各个部分之间互相遮挡，未能照射到某个 区域而产生的。作为自然界中一种常见的现象，阴影区域经常出现在数字图像中，阴影区域 的存在对于计算机视觉任务和图像处理任务有利也有弊，有利的地方在于图像中阴影区域的 特征能够为估算场景的几何特征、被遮挡光源相对于物体的位置、物体运动和摄像机校准提 供重要线索。不利之处在于阴影区域对一些常用的计算机视觉任务和图像处理任务有较大的 影响，由于阴影区域损害了图像中目标物体的清晰度和完整性，有可能导致目标物体无法被 完整的分割或者识别错误，降低包括图像分割和目标检测等任务的表现；而对于目标跟踪等 使用图像序列进行计算的计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习和反射率的阴影去除方法，其步骤包括：1)将所选彩色的阴影图像分别转换成灰度图像和颜色图像并分别进行阴影标注；将监督图像设定为阴影图像的灰度图像和该阴影图像对应的无阴影图像的灰度图像之间的比例图像；2)利用步骤1)所得训练数据训练U型深度神经网络，所述U型深度神经网络根据监督图像及对应的灰度图像和阴影区域标注图像生成比例图像；3)对于一待处理图像A，首先生成该待处理图像A的颜色图像并计算其阴影区域的光照条件，再根据所述光照条件计算该待处理图像A的阴影区域中各个像素的反射率；4)根据步骤3)所得反射率计算该待处理图像A的阴影区域中各个像素在标准白光照射下呈现的颜色，将所得颜色作为对应像素在阴影去除后的颜色，生成该待处理图像A阴影去除后的颜色图像B；5)将该待处理图像A的颜色图像输入步骤2)训练后的U型深度神经网络，生成一比例图像P
A
；然后根据该比例图像P
A
生成步骤4)所得颜色图像B的灰度图像，再结合该灰度图像与步骤4)所得颜色图像B生成该待处理图像A对应的阴影去除图像。2.根据权利要求1所述的方法，其特征在于，训练所述U型深度神经网络的方法为：将彩色阴影图像样本的灰度图像L及灰度图像L对应的阴影区域标注图像输入所述U型深度神经网络，生成比例图像P；然后根据该比例图像P和该彩色阴影图像样本对应的监督图像计算损失函数值，优化所述U型深度神经网络。3.根据权利要求2所述的方法，其特征在于，通过损失函数L
final
＝L
rec
+μL
penumbra
计算所述损失函数值；其中，L
rec
为重构损失函数，用于计算所述U型神经网络输出的比例图像I和对应监督...

【专利技术属性】
技术研发人员：王潇，王蕊，
申请(专利权)人：中国科学院信息工程研究所，
类型：发明
国别省市：