一种简单单幅灰度图像高光检测与恢复方法.docVIP

一种简单的单幅灰度图像高光检测与恢复方法 　　摘 要：高光的检测与去除一直是计算机视觉领域的一个热点问题，现有的大多数方法主要都是针对彩色图像，但是灰度图像的应用又很广泛，对于只包含亮度信息的灰度图像的高光检测和去除是一个难点问题，针对这一问题，提出了一种简单的单幅灰度图像高光检测方法。该方法对二维亮度饱和度直方图方法进行改进，并利用漫反射分量和镜面反射分量的分布获取高光亮度值范围，对可能存在的高光区域进行检测，最后，利用基于BSCB模型的图像修复方法去除高光。实验结果表明本文算法细节处理的较好，能够有效地检测出灰度图像中镜面反射区域，提高了图像高光区域的修复率。 　　关键词：高光检测； 反射模型； 二维亮度饱和度直方图； BSCB模型 　　DOI：10.15938/j.jhust.2018.02.015 　　中图分类号： TP391 　　文献标志码： A 　　文章编号： 1007-2683（2018）02-0086-05 　　Abstract：Specular detection and removal has been a hot topic in the field of computer vision. Most of the existing methods are for color images， but grayscale images are widely used， for a single grayscale image with only intensity information， specular detection and removal becomes a difficult issue. In this paper， a simple specular detection method of single grayscale image is proposed. Intensity-Saturation （MS）diagram method is improved and the distribution of diffuse component and specular component is used to obtain high brightness range. Possible specular area is detected with proportion. Finally， BSCB model-based the image restoration method removal highlights. Experimental results show that specular detection algorithm can better deal with the details of specular areas， find specular reflection area effectively in the single grayscale image and improve the repair rate specular areas of the image. 　　Keywords：highlights detection； reflection model； Intensity-Saturation diagram； BSCB model 　　0 引 言 　　物?w表面的高光反映的主要是光源的特征，在视觉效果上却可以看作是物体的表面特征，高光的存在往往会遮盖物体表面的纹理、损坏物体边缘的轮廓、改变物体表面的颜色，直接导致了物体表面局部区域的信息丢失。这对计算机视觉领域中的图像跟踪、景物分析、场景重建等会带来很大的干扰[1-2]。为了能够准确无误的提取出物体的特征信息，为了确保图片能够在图像跟踪、景物分析、场景重建等领域得到应用，高光的检测和去除技术是至关重要的。现有的大多数高光检测方法主要是针对彩色图片，但是现有的在计算机视觉领域当中灰度图像又是很常见的，对于拥有少量可用信息的灰度图像高光检测和去除是一个难点问题，针对此问题本文提出了一种简单的单幅灰度图像高光检测方法。该方法对二维亮度饱和度直方图方法进行改进，并利用漫反射分量和镜面反射分量的分布获取高光亮度值范围，对可能存在的高光区域进行检测，最后，利用基于BSCB模型的图像修复方法去除高光。 　　1 相关工作 　　现有的大多数高光检测方法主要针对的是彩色图片进行分析。文[3]根据高光通常随着光源的位置变化而变化，利用多闪光相机获得一系列不同的光源的带高光图片，然后利用泊松方程来解决高光检测问题。文[4]观测到物体上的高光的位置往往不固定，会随着光源的变化而改变，因此，提出利用光场