基于梯度域保纹理图像阴影去除算法.docVIP

基于梯度域保纹理图像阴影去除算法 　　摘 要：针对当前自然图像阴影去除算法需要多次人工交互、阴影去除结果纹理信息丢失等问题，提出了基于梯度域的图像保纹理阴影去除算法。该方法只需确定出阴影的大概边界，然后在梯度域中，分别对阴影内部和阴影边界的梯度进行最优化修正，得到无阴影的梯度图像，最后利用泊松方程，恢复出无阴影图像。利用多幅图像的实验结果证明，该算法操作简单，不需要多次人机交互，且阴影区域内纹理细节得到了较好的恢复。 关键词：阴影去除；阴影检测；梯度域；泊松方程；纹理特征 中图分类号： TP391 文献标志码：A 0 引言 阴影是由于光线被物体完全或部分遮挡而在图像中形成的暗色区域。它使目标反映的信息量缺损或受到干扰，降低了图像的解译精度，严重影响了图像的各种定量分析与应用。为了消除这些不利影响，有必要进行阴影去除。 当前的阴影去除算法大多是基于阴影特性的去除算法，它主要分为两类：一类是基于泊松方程[1-3]的阴影去除，该类算法通过修改阴影边界的梯度，再求解泊松方程[4-5]恢复出无阴影图像；另一类是基于阴影因子[6-11]估计的阴影去除，该类方法分别估计半影和全影阴影区域的阴影因子，从而恢复出无阴影图像。 这些方法能够较好地恢复阴影的信息，但是各自还存在着不足之处。 第一类方法由于简单地将阴影边界梯度设置为零，导致恢复后图像中原阴影边界处的纹理丢失严重。 第二类方法将阴影分为全影和半影，并分别进行处理，去除结果比第一类方法具有较好的改进；然而，为了获得良好的阴影去除效果，该类方法首先需要人工画出阴影边界的范围[7-9]或选择边界特征点[10]，再利用各种算法对阴影边界进行精确的定位（通常是单点的线状边界）。 阴影边界定位的精确程度会直接影响阴影去除效果，这对于纹理丰富或场景复杂的图像本身就是一个难点。 另外，第二类算法在后续阴影去除过程中，需要人工设定[6-8]或者进行多次人机交互[11]以确定模型参数，这也大大增加了模型的复杂度。 针对这些问题，本文提出了一个直接基于梯度场的阴影去除算法。由于梯度是阴影恢复的一个重要信息源：第一类算法的核心就是构建一个无阴影的梯度场；第二类算法利用梯度来约束阴影因子估算模型中能量方程的平滑项。因此，本文算法只需确定阴影的大概边界区域，然后在梯度域中分别对阴影内部和阴影边界的梯度进行最优化修正，得到无阴影的梯度场，最后利用泊松方程恢复出阴影区域内的信息。与传统的阴影去除算法相比，本文算法不需要精确边界定位也能快速有效地恢复阴影信息，同时很好地保持了阴影的纹理细节。 5 结语 本文算法具有较好的阴影去除效果，阴影内部的纹理细节、亮度等方面得到了较好的恢复，并且阴影边界处的纹理细节方面也得到了很大改善，恢复后的无阴影图像在阴影和非阴影区域并没有明显的分界，阴影去除后，整幅图像场景具有较为一致的光照。同时，在算法实现方面，该方法不需要多次人机交互，并且不需要十分精确的阴影边界提取，这样，大大降低了算法实现复杂度。 参考文献： [1]FINLAYSON G D， DREW M S， LU C. Entropy minimization for shadow removal [J]. International Journal of Computer Vision， 2009，85（1）： 35-57. [2]FINLAYSON G D， DREW M S， LU C. Intrinsic images by entropy minimization [C]// Proceedings of the 2004 IEEE European Conference on Computer Vision. Piscataway： IEEE， 2004： 582-595. [3]FINLAYSON G， HORDLEY S D， LU C， et al. On the removal of shadows from images [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2006， 28（1）： 59-68. [4]SHEN J B， JIN X G， ZHOU C， et al. Gradient based image completion by solving the Poisson equation [J]. Computer and Graphics， 2007，31（1）： 119-126. [5]PéREZ P， GANGNET M， BLAKE A. Poisson ima