单幅数字图像的阴影分割及去除的中期报告.docxVIP

单幅数字图像的阴影分割及去除的中期报告 本次项目旨在实现单幅数字图像的阴影分割及去除，下面是中期进展报告： 1. 数据集收集与处理 本项目使用了Stanford Online Products数据集作为模型训练和测试的基础。该数据集包含12万张商品图片，其中10000张带有阴影。在首次探索数据集时，我们发现该数据集的质量不一，有些数据需要进行预处理，比如图像大小的统一。 2. 阴影分割算法探索 我们对目前常用的三种阴影分割算法进行了探索和实现。分别是颜色映射法，图像增强和现代机器学习方法。 其中，颜色映射法基于前景与背景的颜色显著性差异，需要提前进行颜色空间转换。图像增强方法则是通过图像亮度和对比度的调整来达到阴影分割的目的。现代机器学习方法则是使用深度学习模型，如UNet和Mask RCNN等。 经过实验比较，我们发现现代机器学习方法表现最好，达到了最高的准确率和召回率。 3. 阴影去除算法尝试 在分割出阴影后，我们需要对其进行去除处理。我们探索过几种去除算法，包括直接遮盖阴影像素，使用修补算法和使用全局图像修补方法。 当前，我们正在进一步完善这些算法，并将其集成到一个完整的阴影分割及去除流程中。 未来计划： - 完善阴影去除算法 - 进一步提升阴影分割效果 - 在其他数据集上进行测试和性能评估