【技术实现步骤摘要】
本专利技术属于计算机视觉和图像处理领域，公开了一种基于扩散、分割和超分辨率模型的去阴影方法及系统。
技术介绍
1、在计算机视觉和图像处理领域，去阴影技术是一项关键的研究课题。阴影会影响图像的质量和视觉效果，从而影响后续的图像分析任务，如物体检测、图像分割和场景理解等。因此，去除图像中的阴影对于提高这些任务的精度和可靠性至关重要。阴影去除不仅在学术研究中备受关注，也在实际应用中有着广泛的需求，如自动驾驶、视频监控、医学影像处理和增强现实等领域。
2、现有的去阴影技术主要分为以下几类：基于物理模型的方法、基于颜色空间变换的方法和基于图像分割的方法。
3、基于物理模型的方法利用阴影的物理特性，通过建模光源、物体和阴影之间的关系来去除阴影。例如，阴影检测和去除可以通过求解光照模型中的方程组来实现。然而，这类方法依赖于精确的光照和几何信息，对复杂场景和动态变化的环境适应性差。此外，获取准确的光照和几何信息难度较大，尤其是在户外和动态场景中，导致模型的适用性和实用性受限。
4、基于颜色空间变换的方法是基于阴影区域和非阴影区域在颜色空间中的分布特性，通过颜色变换来实现阴影去除。例如，使用对比度提升、颜色修正和图像滤波技术来减弱或消除阴影的影响。这种方法依赖于预定义的颜色模型，难以处理颜色分布复杂和变化多样的场景，去除效果有限。颜色模型的通用性差，对于不同场景需要手动调整，缺乏自适应能力，去除阴影时容易损失图像的色彩和细节信息，导致图片质量变差。
5、基于图像分割的方法通过将图像分割成阴影区域和非
6、由此可见，现有的去阴影技术具有对环境适应性差、去除效果不佳和图片质量变差等问题，因此需要进一步的研究和创新，以解决现有技术存在的上述问题。
技术实现思路
1、专利技术目的，提供一种基于扩散、分割和超分辨率模型的去阴影方法及系统，以解决现有技术存在的上述问题。
2、技术方案，基于扩散、分割和超分辨率模型的去阴影方法，包括如下步骤：
3、s1、读取原始图像，对原始图像进行自适应分辨率调整和特征增强，得到降低分辨率后的图像；
4、s2、将降低分辨率后的图像输入预训练的多尺度级联扩散模型中，进行阴影去除，得到去阴影后的图像；
5、s3、基于预训练的超分辨率模型，将去阴影后的图像的分辨率还原为原始图像的分辨率，得到还原分辨率后的图像；
6、s4、将原始图像输入预训练的图像分割模型，得到阴影的分割掩码，基于分割掩码，在原始图像中分割出对应的图像切片集合；
7、s5、将图像切片集合和预定义的需保留对象的类别文本列表输入预训练的多模态语言视觉模型，得到需保留对象的切片子集；
8、s6、将还原分辨率后的图像和切片子集进行融合，得到最终的高分辨率无阴影图像。
9、基于扩散、分割和超分辨率模型的去阴影系统，包括：
10、至少一个处理器；以及，
11、与至少一个所述处理器通信连接的存储器；其中，
12、所述存储器存储有可被所述处理器执行的指令，所述指令用于被所述处理器执行以实现所述的基于扩散、分割和超分辨率模型的去阴影方法。
13、有益效果，本专利技术通过引入多模块联合的处理机制，实现了高效的阴影去除和图像细节增强，提升了图像阴影去除的效果和处理后图像的质量，满足了不同场景下的图像去阴影需求，特别是在保留图像细节和提高图片保真度方面具有显著优势。
本文档来自技高网...【技术保护点】
1.基于扩散、分割和超分辨率模型的去阴影方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于扩散、分割和超分辨率模型的去阴影方法，其特征在于，步骤S1进一步为：
3.根据权利要求2所述的基于扩散、分割和超分辨率模型的去阴影方法，其特征在于，步骤S2进一步为：
4.根据权利要求3所述的基于扩散、分割和超分辨率模型的去阴影方法，其特征在于，步骤S3进一步为：
5.根据权利要求4所述的基于扩散、分割和超分辨率模型的去阴影方法，其特征在于，步骤S4进一步为：
6.根据权利要求5所述的基于扩散、分割和超分辨率模型的去阴影方法，其特征在于，步骤S5进一步为：
7.根据权利要求6所述的基于扩散、分割和超分辨率模型的去阴影方法，其特征在于，步骤S6进一步为：
8.根据权利要求7所述的基于扩散、分割和超分辨率模型的去阴影方法，其特征在于，步骤S3还可以为：
9.根据权利要求7所述的基于扩散、分割和超分辨率模型的去阴影方法，其特征在于，步骤S11进一步为：
10.基于扩散、分割和超分
...【技术特征摘要】
1.基于扩散、分割和超分辨率模型的去阴影方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于扩散、分割和超分辨率模型的去阴影方法，其特征在于，步骤s1进一步为：
3.根据权利要求2所述的基于扩散、分割和超分辨率模型的去阴影方法，其特征在于，步骤s2进一步为：
4.根据权利要求3所述的基于扩散、分割和超分辨率模型的去阴影方法，其特征在于，步骤s3进一步为：
5.根据权利要求4所述的基于扩散、分割和超分辨率模型的去阴影方法，其特征在于，步骤s4进一步为：
【专利技术属性】
技术研发人员：杨波，李成华，
申请(专利权)人：中科南京人工智能创新研究院，
类型：发明
国别省市：
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。