[發明專利]基于數據的軟性陰影去除方法

在審

• 申請號: 201510917211.6
• 申請日: 2015-12-10
• 公開（公告）號: CN105574821A
• 公開（公告）日: 2016-05-11
• 發明（設計）人: 陸瓊;張根源
• 申請（專利權）人: 浙江傳媒學院
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 杭州天勤知識產權代理有限公司 33224
• 代理人: 解明鎧

1.一種基于數據的軟性陰影去除方法，其特征在于，包括：

步驟(1)、采用多個陰影圖片構成訓練集，對訓練集中每一個 陰影圖片提取列特征向量，利用所述的列特征向量訓練得到回歸因 子；

步驟(2)、將待處理的陰影圖片分割成行列排布的若干網格， 對每一個網格計算出其描述性的特征向量；

步驟(3)、使用所述的回歸因子將每一個網格的特征向量映射 到該網格的陰影遮罩分布，所有網格的陰影遮罩分布構成了陰影網 格；

步驟(4)、對所述陰影網格采用馬爾可夫隨機域正則化以生成 紅色通道、綠色通道、藍色通道的最大后驗陰影圖片，即獲得無陰 影圖像；

步驟(5)、在所述無陰影圖像的每一個位置使用TRW-S消息傳 體算法來正則化整個無陰影圖像以選擇出最佳的面片，該最佳的面 片作為待處理的陰影圖片的軟性陰影去除結果。

2.如權利要求1所述的基于數據的軟性陰影去除方法，其特征 在于，步驟(1)中，對訓練集中每一個陰影圖片提取列特征向量 時，首先對訓練集的每幅陰影圖片子樣本化，以提取多個訓練對， 然后對整個訓練集進行偏壓采樣，針對偏壓采樣得到的陰影圖片提 取列特征向量。

3.如權利要求1所述的基于數據的軟性陰影去除方法，其特征 在于，步驟(1)中，所述列特征向量包括：

用戶選擇區域中距邊緣的正則化距離，其值位于[0.0, 1.0]內；

陰影圖片基于初始猜想的預測遮罩；

陰影圖片的垂直和水平梯度；

陰影圖片的像素亮度值，其值在[0.0，1.0]的范圍內。

4.如權利要求1所述的基于數據的軟性陰影去除方法，其特征 在于，步驟(1)中，訓練所述的列特征向量時，采用改進的隨機森 林。

5.如權利要求4所述的基于數據的軟性陰影去除方法，其特征 在于，步驟(1)中，采用改進的隨機森林進行訓練時，包括：

步驟(1-1)、定義一個衡量標簽向量的熵值；

步驟(1-2)、通過將分支熵值最小化生成一個二叉樹；

步驟(1-3)、按照特征維度測試二叉樹隨機數量的分支；

步驟(1-4)、從其中選擇一個信息獲取量最大的分支；

步驟(1-5)、隨后創建兩個分支節點并將分支數據壓入；

步驟(1-6)、重復步驟(1-3)至步驟(1-5)直到達到預 定的樹的深度。

6.如權利要求1所述的基于數據的軟性陰影去除方法，其特征 在于，步驟(1-2)中，所述分支熵值為：

H_n＝log(det(ΣS_n))πr²；

其中Sn為所有樣本。

7.如權利要求1所述的基于數據的軟性陰影去除方法，其特征 在于，步驟(1-4)中，所述信息獲取量為：

G_n＝H_n-Σ_c∈{l，r}(|S_c|/|S_n)H_c；

其中S_c為當前節點的樣本分布；

H_c為當前節點的熵值；

l，r為當前節點的最小、最大值。

8.如權利要求1所述的基于數據的軟性陰影去除方法，其特征 在于，步驟(5)中，TRW-S消息傳體算法采用的能量方程為：

E=Σi∈Lω(mi)+λΣi,j∈Nψ(mi,mj)]]>

L為正則化圖像中的點集；

N為在4-聯通近鄰中的相鄰點集；

m_i為網格面片；

m_j為與m_i相鄰的網格面片；

ψ為兩個網格面片之間的二元距離代價；

ω為從網格面片到對應猜測區域的一元距離代價；

λ為二元代價的加權系數。