[發(fā)明專利]一種基于多尺度L0稀疏約束的本征圖像分解方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201410841359.1
• 申請(qǐng)日: 2014-12-30
• 公開(kāi)（公告）號(hào): CN104484884A
• 公開(kāi)（公告）日: 2015-04-01
• 發(fā)明（設(shè)計(jì)）人: 馮偉;萬(wàn)亮;聶學(xué)成;戴海鵬
• 申請(qǐng)（專利權(quán)）人: 天津大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T5/00
• 代理公司: 天津市北洋有限責(zé)任專利代理事務(wù)所 12201
• 代理人: 溫國(guó)林

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理領(lǐng)域，尤其涉及一種基于多尺度L0稀疏約束的本征圖像分解方法。

背景技術(shù)

本征圖像分解的目標(biāo)是將圖像分解為依賴材質(zhì)的部分和依賴光照的部分，即反射率分量和光照分量。Barrow和Tenenbaum^[1]首先提出了這種圖片的分解方式，并且將反射率分量和光照分量稱之為圖像的本質(zhì)特征。因?yàn)榉纸獾玫降拿總€(gè)部分代表了一個(gè)不同的物理元素，所以本征圖像分解在計(jì)算機(jī)視覺(jué)和計(jì)算機(jī)圖形學(xué)的很多問(wèn)題中都有應(yīng)用，例如：重著色^[2]、圖像分割和物體識(shí)別^[3]等。

但是這個(gè)問(wèn)題仍然是一個(gè)具有挑戰(zhàn)性的問(wèn)題，因?yàn)槠渚哂袊?yán)重的病態(tài)特征，即給出一張圖像，未知量的個(gè)數(shù)是方程個(gè)數(shù)的兩倍。為了解決這個(gè)問(wèn)題，早期的研究者利用同一場(chǎng)景在不同光照下的多張圖片來(lái)做本征分解得到了很好的結(jié)果^[4,5]，這種嚴(yán)苛的條件限制了實(shí)際的應(yīng)用。近年來(lái)，利用單張圖片進(jìn)行本征分解得到了更多的關(guān)注。

解決這種病態(tài)問(wèn)題一般的方法是添加一些先驗(yàn)條件，Retinex模型^[6,7]是使用最多的先驗(yàn)條件，它的假設(shè)是光照分量引起的變化是小幅度的，大幅度的變化是由反射率分量引起的。這個(gè)簡(jiǎn)單的假設(shè)雖然直觀但是真實(shí)的場(chǎng)景圖像中很難保證。所以基于訓(xùn)練的方法^[8,9]被開(kāi)發(fā)出來(lái)得到反射率分量和光照分量引起的變化特征。但是訓(xùn)練的結(jié)果是與訓(xùn)練數(shù)據(jù)相關(guān)的，很難包含所有圖像的規(guī)則。Shen^[10]提出了一種方法，用像素鄰域的局部窗口的加權(quán)和作為一個(gè)像素的反射率分量，從而將本征分解問(wèn)題轉(zhuǎn)化為函數(shù)最小化問(wèn)題。

上面的這些方法都是使用局部的先驗(yàn)限制條件，最近的研究表明非局部的先驗(yàn)限制可以保證全局的一致性并且極大的改善分解結(jié)果。Shen和Yeo提出了一種全局的先驗(yàn)限制^[11]，反射率分量顏色的總數(shù)是很少的，并將其作為圖像中反射率分量不同取值的個(gè)數(shù)的代價(jià)。Zhao^[12]根據(jù)紋理分析提出了另一種非局部先驗(yàn)限制，如果兩個(gè)非近鄰的像素點(diǎn)有相似的紋理結(jié)構(gòu)，他們一般應(yīng)該有相似的反射率分量。這些方法都依賴于色度值，而色度值有時(shí)并不可靠。尤其是在自然圖像中。因此，亟需提出一種對(duì)色度值依賴較少的全局限制條件。

發(fā)明內(nèi)容

本發(fā)明提供了一種基于多尺度L0稀疏約束的本征圖像分解方法，本發(fā)明將非局部的零范式稀疏約束添加到原有的本征圖像分解方法中，并且提出了一種分層迭代的方法解決了效率問(wèn)題，同時(shí)減少了對(duì)色度值的依賴，詳見(jiàn)下文描述：

一種基于多尺度L0稀疏約束的本征圖像分解方法，所述方法包括以下步驟：

初始化反射率分量

利用非局部的零范式稀疏約束模型得到像素間反射率分量的相似度度量W^R；

計(jì)算像素間光照分量相似度的度量W^S；

通過(guò)求解最優(yōu)化問(wèn)題得到本層的反射率分量R和光照分量S。

所述利用非局部的零范式稀疏約束模型得到像素間反射率分量的相似度度量W^R的步驟具體為：

1)通過(guò)初始化反射率分量得到特征向量X_i；

2)獲取每個(gè)像素點(diǎn)對(duì)應(yīng)的字典D_i；

3)通過(guò)正交匹配追蹤算法解L0最小化問(wèn)題得到X_i在字典D_i下的稀疏表達(dá)系數(shù)α_i；

4)通過(guò)基于正則化剩余來(lái)衡量不同像素點(diǎn)反射率分量的相似度，獲取像素間反射率分量的相似度度量W^R。

所述通過(guò)求解最優(yōu)化問(wèn)題得到本層的反射率分量R和光照分量S的步驟具體為：

1)構(gòu)建優(yōu)化的目標(biāo)函數(shù)；

2)將目標(biāo)函數(shù)轉(zhuǎn)化為標(biāo)準(zhǔn)二次優(yōu)化，獲取閉合形式的解，判斷是否進(jìn)入下一次迭代還是作為最終的解。

所述優(yōu)化的目標(biāo)函數(shù)具體為：