基于学习与交互的本征图像求解方法研究

论文摘要

物体表面所呈现的颜色是由物体的形状、物体的材质、光源的位置、光源的颜色以及观察者的位置等属性决定的。反照率(Reflectance)和亮度(Shading)是决定物体表面颜色的两种最重要的本征属性:反照率描述物体本身对入射光的反射特性,反映了物体的真实颜色;亮度描述物体表面的形状对光照的影响,反映了物体的明暗和阴影。本征图像提取主要研究从图像中提取亮度(Shading)信息和反照率(Reflectance)信息构成亮度本征图和反照率本征图。本文首先提出一种基于学习的本征图像提取方法。把图像局部邻域块的DCT系数和色度信息作为特征构造分类器,将图像中所有像素点的导数值分成两类,一类由亮度变化引起,另一类由反照率变化引起,每一类导数都表示对图像的一种线性约束,用分类后的导数构造出一个过约束系统,求解这个过约束系统的伪逆解作为亮度本征图和反照率本征图。本文还提出一种基于能量优化的本征图像提取方法。我们假设在局部范围内,图像强度的缓慢变化是由亮度引起,而色度值的剧烈变化是由反照率变化引起,定义一个新的权值函数来表示反照率,把图像中每个像素点的反照率值表示为邻域像素点的反照率值的加权和,进而构造一个关于反照率本征值和亮度本征值的能量方程,借助这个能量方程将本征图提取问题转化为一个以用户的画笔交互作为约束条件的优化问题,最后用带有超松弛因子的高斯赛德尔迭代法求得优化问题的解作为本征图像的分解结果。实验结果表明本文提出的两种求解方法可以得到高质量的亮度本征图和反照率本征图,与已有方法的对比表明我们的基于能量优化的方法可以得到更清晰的亮度本征图和反照率本征图,并且更接近标准结果,解决了之前的交互式本征图像求解方法不能处理黑白图像区域的问题。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 本征图提取的概念
• 1.2 本征图提取的研究意义
• 1.3 相关研究及存在的问题
• 1.3.1 Retinex 理论
• 1.3.2 图像序列方法
• 1.3.3 基于本征图的重新着色方法
• 1.4 本文的工作
• 第2章 基于学习的本征图像提取算法
• 2.1 本征图像库
• 2.1.1 介绍
• 2.1.2 相关工作
• 2.1.3 拍摄图像方法
• 2.1.4 分离亮度和反照率
• 2.1.5 定位
• 2.1.6 相互反射
• 2.1.7 输入和输出
• 2.1.8 误差计算
• 2.2 基于分类的本征图恢复方法
• 2.2.1 介绍
• 2.2.2 相关工作
• 2.2.3 分解亮度和反照率
• 2.2.4 导数分类
• 2.2.5 彩色信息作为分类特征
• 2.2.6 灰度信息作为分类特征
• 2.2.7 学习Adaboost 分类器
• 2.2.8 提取DCT 系数作为灰度特征训练SVM 分类器
• 2.2.9 把颜色和灰度信息结合
• 2.2.10 实验结果
• 第3章 基于能量优化的本征图求解方法
• 3.1 相关工作
• 3.2 基于能量优化的本征图求解方法
• 3.2.1 介绍
• 3.2.2 基于局部性假设的优化模型
• 3.2.3 加入用户交互约束的算法模型
• 3.2.4 实验结果
• 第4章 结论
• 4.1 本文工作总结
• 4.2 研究工作展望
• 参考文献
• 攻读学位期间发表论文与研究成果清单
• 致谢