[發(fā)明專利]基于稀疏與低秩矩陣分解的多幅圖片反射光抑制方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810658877.8
• 申請(qǐng)日: 2018-06-25
• 公開（公告）號(hào): CN108986060B
• 公開（公告）日: 2021-09-28
• 發(fā)明（設(shè)計(jì)）人: 過(guò)潔;李春游
• 申請(qǐng)（專利權(quán)）人: 南京大學(xué)
• 主分類號(hào): G06T5/50
• 分類號(hào): G06T5/50
• 代理公司: 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 馮艷芬

1.一種基于稀疏與低秩矩陣分解的多幅圖片反射光抑制方法，其特征在于該方法包括；

(1)獲取在不同角度對(duì)于同一場(chǎng)景拍攝得到的多個(gè)圖像；

(2)利用siftflow算法將多個(gè)圖像對(duì)齊；

(3)從對(duì)齊后的圖像中選取其中一個(gè)圖像作為參考圖像P₀，并將參考圖像P₀劃分為多個(gè)相同大小的patch；

(4)對(duì)于每個(gè)patch，執(zhí)行如下步驟：

A、獲取當(dāng)前patch以及其他圖像中與其相似的patch的RGB值形成的列向量，將所述列向量組成RGB矩陣；

B、獲取當(dāng)前patch以及其他圖像中與其相似的patch中每個(gè)像素的最小梯度值所形成的列向量，將所述列向量作為每列的列向量組成最小梯度矩陣；

C、根據(jù)最小梯度矩陣和RGB矩陣進(jìn)行稀疏矩陣與低秩矩陣分解；具體包括：

C-1、建立目標(biāo)優(yōu)化函數(shù)為：

s.t.I＝T+R,R＝H

式中，I表示RGB矩陣，T表示低秩矩陣，即圖像中折射成分；R為稀疏矩陣，即圖像中反射成分；G_min表示最小梯度矩陣；λ和τ是用戶定義參數(shù)，用于調(diào)節(jié)優(yōu)化目標(biāo)函數(shù)中每一項(xiàng)的權(quán)重；H為輔助變量，為H的梯度；

C-2、采用迭代增廣拉格朗日函數(shù)方法求解所述目標(biāo)優(yōu)化函數(shù)，得到低秩矩陣T；

(5)將所有patch對(duì)應(yīng)的低秩矩陣重組，得到抑制反射光后的圖像。

2.根據(jù)權(quán)利要求1所述的基于稀疏與低秩矩陣分解的多幅圖片反射光抑制方法，其特征在于：步驟(4)中A具體包括：

A-1、將當(dāng)前patch標(biāo)記為ph₀，并從其他每個(gè)對(duì)齊后的圖像中匹配出一個(gè)與ph₀最相似的patch，得到相似patch集合PH₁＝{ph_j|j＝1,…,K-1}，其中，ph_j表示在圖像P_j中與ph₀最相似的patch，K為所有圖像的數(shù)目；

A-2、將ph₀添加到集合PH₁中，形成新的集合PH₂＝{ph_j|j＝0,…,K-1}；

A-3、將集合PH₂中每個(gè)patch的像素RGB值作為一個(gè)列向量，所有列向量組成RGB矩陣I＝[pr₀,...,pr_K-1]，其中，pr_k表示PH₂中第k個(gè)patch的所有像素的RGB值所形成的列向量。

3.根據(jù)權(quán)利要求1所述的基于稀疏與低秩矩陣分解的多幅圖片反射光抑制方法，其特征在于：步驟(4)中B具體包括：

B-1、將當(dāng)前patch標(biāo)記為ph₀，并從其他每個(gè)對(duì)齊后的圖像中匹配出一個(gè)與ph₀最相似的patch，得到相似patch集合PH₁＝{ph_j|j＝1,…,K-1}，其中，ph_j表示在圖像P_j中與ph₀最相似的patch，K為所有圖像的數(shù)目；

B-2、將ph₀添加到集合PH₁中，形成新的集合PH₂＝{ph_j|j＝0,…,K-1}；

B-3、計(jì)算集合PH₂中每一patch的每一像素的梯度值，得到集合表示patch ph_j在像素位置p處的梯度值，area表示patch的像素位置區(qū)域；

B-4、對(duì)于任意位置q，從所有patch的像素位置q的梯度值中選取一個(gè)最小值即作為像素位置q的最小梯度值，并重復(fù)該步驟，得到所有像素位置的最小梯度值，并將所有像素位置的最小梯度值形成一個(gè)列向量t；

B-5、將所述列向量組成最小梯度矩陣G_min＝[t,...,t]；G_min的列數(shù)與所述RGB矩陣列數(shù)相等。

4.根據(jù)權(quán)利要求1所述的基于稀疏與低秩矩陣分解的多幅圖片反射光抑制方法，其特征在于：步驟C-2具體包括：

C-2-1：將I,G_min作為輸入；

C-2-2：初始化:T＝I,H＝T

C-2-3：按照下式更新：

T_k+1＝D_1/(2u)[(I-R_k+H_k+(Y_1k-Y_2k)/u)/2]

R_k+1＝S_λ/u[I-T_k+Y_1k/u]

Y_1(k+1)＝Y(jié)_1k+u(I-T_k-R_k)

Y_2(k+1)＝Y(jié)_2k+u(T_k-H_k)

式中，下標(biāo)k表示第k次迭代，D_1/(2u)(X)＝US_1/(2u)(∑)V^*，S_1/(2u)(∑)＝sng(∑)max(|∑|-1/(2u),0)，∑為矩陣X的特征值組成的對(duì)角矩陣，U、V^*為矩陣X進(jìn)行SVD分解對(duì)應(yīng)的矩陣，即X＝U∑V^*，u是懲罰項(xiàng)的權(quán)重因子，Y₁和Y₂是拉格朗日乘子；

C-2-4：若迭代次數(shù)＞20,或者||I-T_k+1-R_k+1||_F與||T_k+1-H_k+1||_F小于預(yù)定義閾值，則停止迭代，將此時(shí)的T_k+1輸出。