基于深度信息的单幅图像阴影检测与消除
论文名称：《基于深度信息的单幅图像阴影检测与消除》
指导教师：肖春霞
论文作者：吴文君
毕业院校：武汉大学
文章内容概要
-
介绍国内外图像阴影检测与消除研究，分别从传统方法和深度学习的两个面对现有工作进行介绍析了研究
- 介绍阴影检测算法的一些研究基础和先验知识，包括自 然阴影模型、深度图的获取、空间局部邻域估计置信算法亮然阴影模型、深度 图的获取空间局部邻域估计、置信算法等
- 介绍提出的复杂场景自动的阴影检测算法，充分利用线信息方向特征对相似度计进行改的阴影检测算法
- 利用多尺度滤波和插值优化的方法对阴影置信结果行得到一个更完善的阴影检测算法，将该同其他最新结果进行视觉比较
- 介绍阴影消除组成模型，接着介绍了复杂场景图像的阴影消除算法，充分利用了图像的深度信息和色，对色度信息进行约束
- 改进了法线相似度的计算方，在恢复阴影消除结果色信息以及明暗渐变信息的同时，保证 了结果的真实性
相关研究进展
- 传统阴影检测方法
- 传统的单幅图像自动阴影检测方法主要是基于光照和颜色物理模型，通过将彩色图像转化为光照不变的灰度，从而进一步检测出中将彩色图像转化为光照不变的灰度，该算法时间复杂度比较低可以快速检测
- 该类传统阴影检测方法更适用于硬的，即颜色较深且边界梯度变化较大的阴影，对于颜色浅且没有明显边界软及半区域则处理效果较差
- 基于深度学习的阴影检测方法
- 通过学习超像素和边界的特征训练卷积神经网络对图阴影进行标注，该方法主要训练了两个卷积神经网络，其中一用于标注阴影区域，另一个网络用于标注阴影边界信息
- 基于深度学习的方法对简单场景硬阴影检测效果非常好， 但是由深度学习过依赖于训练集，大多数中的图片都是简单场景并且阴影类型也比较，对于软阴影存在人工标注困难等问题
阴影检测算法
-
阴影模型
- 提出一种基于图像深度信息的自动阴影检测算法，通过基于阴影置信度估计算法，在其基础上进行改提出一个更完善检测 的阴影置信度估计算法，不同仅利用纹理滤波优化了初始阴影置信度的检测结果，还解决离边界较远的阴影像素点难以被检测的问题
-
基于深度信息的初始置信度估计算法
-
利用图像深度信息进行阴影置的估计，不同于传统阴影检测方法的二值结果，置信度图为灰像通过为每个像素点赋予0~1之间的值代表该像素点为阴影可能性，置信度之间的值代表该像素点为阴影可能性，置信度值越大越可能为阴影
-
图像深度是一个非常重要的信息，它可以为图像场景结构分析以及空间距离分析提供帮助，利用这些信息可更好的检测阴影
-
图像深度示意图
-
图像深度获取
- 点云的估计与法线算
- 对于没有真实深度信息图像，首先利学习算法估计其深度信息，再用实验预设的内参进行点云
- 空间非局部邻域范围估计
- 考虑图像中的空间结构信息，阴影置度算法引入了非局部邻域策略 ，从而在上比较判断该像素点是否为阴影
- 像素点间相似度的估计
- 计算出每个像素点的阴影置信度，需要利用图深度信息估算每个像素点 的法线信息和云位置
实验结果示意图
-
实验结果示意图
