基于深度学习的图像阴影去除算法结题报告.docVIP

基于深度学习的图像阴影去除算法结题报告

一、研究背景与问题提出

在计算机视觉领域，图像阴影是一种普遍存在的现象，它由物体遮挡光源而产生，虽然在真实场景中具有重要的物理意义，但在诸多实际应用中却成为了干扰因素。例如，在卫星遥感图像分析中，阴影会覆盖地面目标，导致地物识别、土地利用分类等任务的精度下降；在自动驾驶场景中，道路旁建筑物或树木的阴影可能会被误判为障碍物，影响车辆的决策系统；在安防监控领域，阴影可能会遮挡关键人物或物体，降低事件检测的准确性。

传统的图像阴影去除方法主要分为基于物理模型和基于图像处理的方法。基于物理模型的方法通过分析光照、物体表面材质和几何形状之间的关系，建立阴影形成的数学模型，进而实现阴影去除。这类方法的典型代表包括利用辐射传输理论和几何光学原理的算法，但它们往往需要精确的光照参数和物体模型，在复杂场景下难以适用。基于图像处理的方法则通过分析阴影区域与非阴影区域在颜色、纹理、亮度等特征上的差异，采用阈值分割、区域生长、直方图均衡化等技术进行阴影去除。然而，这类方法对阴影的鲁棒性较差，容易受到光照变化、物体纹理复杂等因素的影响，导致阴影去除不彻底或过度去除，破坏图像的原有信息。

随着深度学习技术的快速发展，其在图像特征提取和模式识别方面展现出了强大的能力。与传统方法相比，深度学习能够自动学习图像中的复杂特征，无需人工设计特征算子，因此在处理复杂场景下的图像阴影