实时单幅图片高光去除算法

单幅图片的高光去除是一个非常具有挑战性的课题。综述以往多数方法,一般需要进行图像分割等预处理,或者要求用户进行交互输入。采用的方法是从高光图片的颜色统计规律出发,发现了最大漫反射色度局部平滑这一特性;然后估计镜面反射像素最大漫反射色度,由基于线性模型对最大色度的值进行扩散传播,从图像中的漫反射像素传播到镜面反射像素;最后求出图像中每个像素的漫反射分量。与传统方法相比较,这种高光去除的方法效果较好,而且非常简单,适合并行,可以满足实时应用需要。     

基于快速双边滤波的图像高光去除研究

在各向异性的物体中,高光被视为是漫反射分量以及镜面反射分量的一种线性组合。单幅图像的高光去除是计算机视觉中一项非常有挑战性的课题。很多方法试图将漫反射分量、镜面反射分量进行分离,然而这些方法往往需要图像分割等预处理过程,方法鲁棒性较差且比较耗时。基于双边滤波器设计了一种高效的高光消除方法,该方法利用最大漫反射色度存在着局部平滑这一性质,使用双边滤波器对色度的最大取值进行传播与扩散,从而完成整幅图像高光去除。方法采用一种加速策略对双边滤波器进行速度优化,与目前流行的方法相比,有效提升了方法的执行效率。与传统方法相比,该方法高光去除效果更好,处理速度更快,非常适用于一些实时应用的场合。     

显著性检测指导的高光区域修复算法

目的：为解决传统的基于光照模型的高光修复算法无法很好的对高光区域存在饱和现象的单幅图像进行处理这一问题,提出一种显著性检测指导的高光区域修复算法。方法：算法首先在亮度空间应用显著性模型,实现高光区域的自动检测和标记,之后运用改进的Exemplar-Based算法,综合利用图像的邻域和边缘信息,对标记的高光区域进行自适应修复,去除图像中的高光。结果：分别对仿真及自然场景下的高光图像进行测试,实验结果表明,与原修复算法和传统高光去除算法相比,所提算法的修复效果更符合人眼视觉、修复后的图像质量更好。结论：本文算法与Exemplar-Based算法及Tan方法相比,对高光区域存在饱和现象的单幅图像有较好的修复效果,并且有效的克服了传统高光去除算法受光照模型限制的缺点。     

显著性检测指导的高光区域修复

目的为解决传统的基于光照模型的高光修复算法无法很好地对高光区域存在饱和现象的单幅图像进行处理这一问题,提出一种显著性检测指导的高光区域修复算法。方法首先在亮度空间应用显著性模型,实现高光区域的自动检测和标记,之后运用改进的Exemplar-Based算法,综合利用图像的邻域和边缘信息,对标记的高光区域进行自适应修复,去除图像中的高光。结果分别对仿真及自然场景下的高光图像进行测试,实验结果表明,与原修复算法和传统高光去除算法相比,所提算法的修复效果更符合人眼视觉、修复后的图像质量更好。结论本文算法与Exemplar-Based算法及Tan方法相比,对高光区域存在饱和现象的单幅图像有较好的修复效果,并且有效地克服了传统高光去除算法受光照模型限制的缺点。     

均场退火算法在单幅灰度图像高光检测与恢复中的应用

为了解决单幅灰度图像高光去除方法恢复结果存在的图像失真问题,提出一种基于均场退火算法的单幅灰度图像高光检测方法.首先利用反射模型分别对镜面反射分量和漫反射分量的分布进行建模;然后通过均场退火算法的迭代过程估计镜面反射分量和漫反射分量的比例,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修复高光区域.采用一种主观评价方法和客观评价方法相结合的性能的评价方法对文中方法进行验证,结果表明,该方法是有效的;与传统的高光检测与恢复的方法相比,该方法能够有效地检测出灰度图像中镜面反射区域,且恢复效果更符合人眼视觉、恢复后的图像质量更好,提高了图像高光区域的恢复率.     

单幅散焦图像的局部特征模糊分割算法

当前局部特征模糊分割算法没有对单幅散焦图像进行预处理,导致单幅散焦图像的清晰度较低,从而影响分割效果。原有的模糊分割算法在像素分割的过程中,像素标签量巨大,从而导致分割过程复杂。为此,提出利用免疫谱聚类算法实现对单幅散焦图像的局部特征模糊分割。首先,通过分块的方法对局部模糊图像进行再次模糊;然后,比较模糊前后散焦图像的奇异值变化,并以该变化为依据对散焦图像进行标识 ;最后,提取出单幅散焦图像的奇异值特征,进而实现单幅散焦图像的局部特征模糊分割的目标。利用谱聚类的方法对散焦图像中的像素点样本进行聚类,采用Nystrm逼近方法对像素点相似性矩阵的特征向量进行计算,降低了计算的复杂度;同时利用免疫算法提高聚类结果的准确性,保证了散焦图像的局部特征模糊分割结果。实验结果表明,所提算法能够有效地对单幅散焦图像进行分割,分割的效果较好,计算过程较为简单。     

结构光条纹图像分割方法

结构光视觉三维重建中,结构光条纹分割与提取是关键。提出一种结构光条纹分割方法,该方法首先采用多尺度Retinex算法对条纹图像暗部细节进行增强,然后使用K均值聚类算法对图像的高光区域进行检测,并在图像高光区域约束下提出基于最小偏态分布指标的图像分割技术,计算出高光区域和非高光区域两个分割阈值;最后对处理后的图像进行双阈值分割,获得最终的条纹图像分割结果。实验结果表明该方法能够有效处理结构光条纹图像的分割。     

基于交互式条件随机场的RGB-D图像语义分割

RGB-D图像语义分割是场景识别与分析的基础步骤,基于条件随机场(CRF)的图像分割方法不能有效应用于复杂多变的现实场景,因此提出一种交互式条件随机场的RGB-D图像语义分割方法。首先利用中值滤波和形态重构方法对Kinect相机拍摄的RGB-D图像进行预处理,降低图像噪声及数据缺失;其次,利用基于条件随机场的分割方法对经过预处理的图像进行自动分割,得到粗略的分割结果;最后,用户通过交互平台,将代表正确场景信息的标签反应到条件随机场模型中并进行模型更新,改善分割结果。通过多组实验验证了该算法不仅满足用户对于复杂场景分割与识别的需求,而且用户交互简单、方便、直观。相较于传统的基于条件随机场分割方法,该方法得到较高的分割精度和较好的识别效果。     

基于表面形态分布的单幅灰度图像高光检测

镜面高光是由明暗恢复形状算法的重大障碍,但是对于单幅灰度图像,由于只包含亮度信息,现有以色度分析和极化分析为基础的高光检测方法均不能适用.为此,提出了一种利用表面形态分布信息检测图像高光的方法.首先,利用成像过程信息,对表面法向量进行估计;其次,基于物理光照模型,通过模拟退火算法最小化亮度误差函数,计算漫反射成分和镜面反射成分;然后,定位高光区域;最后,给出了基于曲率连续性假设的约束补色方法.通过对仿真图像和真实图像的高光检测及表面恢复,验证了提出的算法具有良好的稳定性,提高了镜面高光图像的表面恢复精度.     

基于立体视觉的高光物体恢复深度图的方法

基于立体视觉的物体深度图提取,在工业检测等许多方面均有较高的应用价值,但对于工程领域里的高光物体带来的误差,研究不多。为了较好地恢复具有高光反射的物体表面的三维深度信息,论文提出一种与立体视觉结合的多光源法去除高光的技术,使得后续的立体匹配更加可靠,深度计算更加准确。实验首先采用多光源法获取高光反射物体的多组图像,再经过图像预处理、摄像机标定、高光去除、立体匹配等步骤,结果证明这种方法有效地恢复了具有相对大面积的高光区域表面的物体的三维深度信息。