| 标题 | 纹理损失最小约束下的跟踪图像阴影去除算法的改进 |
| 范文 | 闫凤 张津 吴珊丹 摘 要： 图像采集过程中由于光照角度的影响产生阴影，对图像阴影的有效去除能提高图像的暗原色修复能力，改善成像质量。传统的阴影去除方法采用盒子滤波算法，在图像出现光照色差的情况下，阴影去除的效果差。提出一种基于纹理损失最小约束的跟踪的图像阴影去除算法。对图像纹理分块结构进行重构，获取图像阴影的暗原色特征，对图像进行降噪处理，构建纹理损失最小约束函数，以此为约束参量图像阴影跟踪自适应均衡补偿，实现阴影有效去除。仿真结果表明，该算法进行图像阴影去除的效果较好，峰值信噪比较传统方法有所提高，展示了较好的图像处理性能。 关键词： 纹理损失； 最小约束； 图像阴影去除； 峰值信噪比 中图分类号： TN911.73?34； TP391.41 文献标识码： A 文章编号： 1004?373X（2016）24?0104?05 Improvement of image shadow tracking and elimination algorithm based on texture loss least constraint YAN Feng， ZHANG Jin， WU Shandan （Vocational and Technical College of Inner Mongolia Agricultural University， Baotou 014109， China） Abstract： As the box filtering algorithm adopted in the traditional shadow elimination method has poor shadow elimination effect when the illumination color aberration appears in the image， an image shadow tracking and elimination algorithm based on texture loss least constraint is proposed， with which the texture block structure of the image is reconstructed to obtain the dark primary color characteristics of the image shadow， and then the image is processed with noise reduction. The texture loss least constraint function is constructed， which is taken as a constraint parameter to perform the image shadow tracking adaptive equalization compensation and eliminate the shadow effectively. The simulation results show that the algorithm has good effect of image shadow elimination， the peak signal?to?noise ratio （SNR） is better than that of the traditional method， and has the superior image processing performance. Keywords： texture loss； least constraint； image shadow elimination； peak signal?to?noise ratio 0 引 言 随着现代信息处理和光学处理技术的发展，数字图像处理技术得到长足的进步，数字图像处理而今广泛应用在人们的日常生活摄影、军事目标识别、地质环境监测等各个领域，并展示了较好的应用前景。图像在多重光融合背景下进行采集过程中，由于受到光照的方向和强度的干扰和影响，导致白平衡失真和偏差，从而产生图像阴影，图像阴影中暗原色的存在影响图像的纹理识别性能，在图像目标识别和精密图像纹理分析中影响应用性能，因此，需要进行图像阴影去除方法的研究，提高图像分析和处理的能力，相关的算法研究受到人们的重视[1]。多重光融合图像在图像成像和采集过程中受到扰动较大，造成图像阴影，阴影部位的图像会导致部分信息丢失，传统方法中，对图像阴影的去除方法主要有基于颜色空间特征分解的阴影去除方法和基于边缘分割的阴影去除方法等，采用图像平滑处理方法，对阴影部位的纹理信息进行颜色空间特征分析，实现图像的白平衡补偿和阴影修复[2?4]，以此为算法原理，一些学者进行了算法的研究，取得了一定的研究成果，其中，文献[5]提出一种基于LWT小波分割的夜间大景深多重色光背景图像的阴影去除算法，采用白平衡均衡方法实现阴影滤波，提高阴影补偿修复能力，但是该方法计算开销较大，实时性不好。文献[6]通过小波尺度分割方法，提取色光背景图像的颜色和纹理特征，采用最小二乘拟合进行像素点跟踪，实现阴影均衡补偿，提高图像的成像质量，但是该算法在受到强度较高的噪声污染下，图像阴影的跟踪补偿性能不好，峰值信噪比较低。文献[7]提出的阴影去除方法，采用盒子滤波算法，在图像出现光照色差的情况下，阴影去除的效果不好。 针对上述问题，本文提出一种基于纹理损失最小约束跟踪的图像阴影去除算法。首先对图像进行纹理分块结构重构，求解图像阴影的暗原色特征，对图像进行降噪预处理，在此基础上，构建纹理损失最小约束函数，以此为约束参量进行图像阴影跟踪自适应均衡补偿，实现阴影有效去除，仿真实验进行了性能分析和测试，以峰值信噪比（Peak Signal to Noise Ratio，PSNR）为测试指标进行图像阴影去除后的图像成像质量的改善性能进行分析，得出有效性结论，展示了较好的应用价值。 1 图像的分块结构分析和降噪预处理 1.1 图像的分块结构分析 为了实现对图像的阴影去除处理，需要首先对图像进行纹理分块结构重构，求解图像阴影的暗原色特征，在采用数码成像设备进行图像采集，图像在太阳光或者灯光的作用下，会产生背景色差和应用，多重光照下的色差图像为[g′]，在阴影生成过程中的图像的分块散射过程可以描述为一个暗原色先验分解过程，得到图像以x为中心的阴影区域状态方程描述为： 式中：[I（x）]为采集的原始图像的颜色矢量；[J（x）]为像素的数目；[A]为环境光效作用成分；[t（x）]为色彩矩阵的平均值；[J（x）t（x）]为图像阴影产生过程光照衰减因子；[A（1-t（x））]为某个矩形内像素大作用系数，图像阴影去除处理的目标就是从[I（x）]中恢复[J（x）]，选取了软抠图来细化[A]和[t（x）]的关联度。 采用梯度幅度信息分块处理方法对图像进行纹理特征提取，多重光照下的阴影图像的初始分块的大小选取为固定值15×15，通过清晰图像与阴影图像进行交叉映射处理，在尺寸大小为m×n的软抠图模板中进行多重色差核处理[8?10]，本文在Multigen Terrain阴影跟踪环境中进行图像的Grid DEM数据格式转化，形成3[×]3纹理网格单元，在多边单尺度特征点中分析图像阴影移动最大偏移量，得到图像的色差均衡能量函数为： 式中：[Vt]为图像阴影跟踪目标区域和候选区域的稀疏先验系数；[Wt]为非高斯统计值；[αt]为噪点信息；利用分辨率最高的Mesh网格进行像素点的特征采样，得到阴影图像的4×4子区域分块结构模型如图1所示。 在图1中，采用阴影子区域最大偏移量跟踪方法进行模块结构冲过，得到阴影图像的归一化网络结构，通过对阴影图像的边界约束进行Delaunay三角剖分，对阴影子区域的剖面层位和断层进行不连续性拾取，种子点拾取的插值点确定为[?x=[1，-1]]，[?y=[1，-1]T]，在二维投影面上生成图像的高频部分[y=[?xg′，?yg′]]。图像在空间层面边界信息能量函数为： 当4×4子区域的分块像素值满足约束条件：[k>0，iki=1]，那么图像的剖面上层位有多重色差核（[ki]是相互独立的元素）。通过上述对阴影图像进行分块结构分析，以此为基础进行图像的阴影区域的暗原色特征提取和重构，为图像的阴影去除奠定基础。 1.2 图像降噪预处理 在上述进行图像分块处理的基础上，进行图像降噪预处理，提高图像的纯度，图像在采集过程中，受到抖动和光学误差等干扰，导致图像产生噪点，图像的噪点干扰表现为一种高斯的色噪声，通过降噪处理，为实现图像的阴影跟踪提供原始图像输入，本文采用小波降噪方法进行图像降噪，首先通过人工设置网格节点的大小，在图像的阴影区域进行网格点补偿插值，实现对含噪图像4个方向的小波分解，设[g={g（i），i∈Ω}]为一幅含噪声的夜间色光背景图像，其中[i]表示像素值[g（i）]的图像块相似性，[Ω]表示图像的坐标域，得到图像小波降噪的状态方程： 通过上述迭代方程，在图像阴影区域的各断层求解阴影部位的细尺度正则项为[?x（f?k）α+][?y（f?k）α]，通过离散点数据补偿，设置工区网格大小，输入的图像函数[f（t）]作为母小波函数[ψ（t）]，图像受到零均值的加性高斯色噪声的干扰，采用小波尺度分解对图像的采集过程中的干扰分量进行局部均衡滤波，设计的图像降噪的滤波传递函数为： 式中，以像素点[i]为中心进行连续小波变换，通过连续小波时间尺度分解，图像阴影区域的差异性边缘轮廓特征以像素点[j]为中心进行线性收敛，自适应滤波的权重[w（i，j）]，图像在复杂光照背景下的阴影区域的权重系数满足[0≤w（i，j）≤1]及[j∈Ωw（i，j）=1]。假定图像的边缘轮廓特征参量服从高斯分布，即[n∈N（0，σ2n）]，其中[σ2n]为噪声的方差，考虑到图像白平衡最优解集的有界性，对图像的阴影背景进行自适应跟踪，对图像进行自适用像素分块，定义权重如下： 2 图像纹理损失最小约束和图像阴影去除算法 改进实现 2.1 问题描述及图像纹理损失最小约束模型 在上述进行了图像降噪预处理的基础上，进行图像阴影去除算法改进设计，图像采集过程中由于光照角度的影响产生阴影，对图像阴影的有效去除能提高图像的暗原色修复能力，改善成像质量。当前方法采用盒子滤波方法进行图像阴影去除，在光照色差的干扰下，阴影去除的效果不好。为了克服传统方法的弊端，本文提出一种基于纹理损失最小约束跟踪的图像阴影去除算法。算法设计的总体流程结构如图2所示。 根据图像阴影区域的边缘轮廓信息进行暗原色特征提取，对图像的局部纹理特征进行小波尺度分解，采用图像盲去卷积算法进行图像平滑，更新图像的纹理核的基团，如下： 式中：[c1]为图像的低频权重；[c2]为图像的高频权重。采用对数似然比检测成像区域的纹理信息，随着阴影面积的增大，在多重光照下的图像存在着拖影，影响图像的阴影去除性能，在图像的成像区域的物体动态运动区域内，根据图像的阴影尺度、主方向等信息进行纹理损失最小约束，图像灰度像素[c]在纹理损失最小约束下的代价函数为： 式中：[mj]为图像的纹理分辨率；[cj]为像素加权平均值。对多重光照下的阴影图像进行纹理损失最小约束模型构建，利用颜色与纹理信息进行特征匹配和图像边缘分割，以此为基础，进行图像的阴影跟踪和滤除。 2.2 图像阴影去除算法改进实现 对图像进行网格初始化，在网格区域内对图像的阴影区域进行纹理约束套索跟踪，得到图像阴影层面的网格点为： 式中：[uik]为图像的纹理损失的小波阈值；[β]为阴影分离系数；[xk]为模糊均值。沿梯度方向求得图像边缘信息，通过特征聚类方法对图像进行层位网格补偿插值处理。假设[Rt]为[t]时刻的图像网格补偿像素，[R0]为图像阴影区域的白平衡偏差，通过矢量裁剪方法求出图像阴影区域层位面网格的交点，其集合如下： 基于曲面约束方法，对图像进行纹理分解和最小程控约束跟踪，对图像阴影矢量边界求出交点，连点成面，更新多重色差核[k]，利用这些交点序列实现图像的阴影去除，得到图像阴影跟踪去除的目标特征点i的邻域用[Ni]定义为： 式中：层位面被断层面检索的图像阴影光照色差区间[i]和[i′]间的Euclidean距离用[dist（i，i′）]来描述；r为网格节点上的待插值点。利用周围网格中嵌套的构造解释离散点进行阴影滤波，得到滤波函数公式表示为： 式中：[gj]表示两个重叠的像素点的色差；[i-j]为补偿插值点的欧式距离；[gi-gj]为图像的阴影层位和断层的交点距离，通过上述处理，在图像的阴影去除过程中避免了大量的像素色差的干扰，特别是在视觉切换和光线强度衰减下，能实现图像的轮廓块间的投影分离，提高了阴影去除的效能。 3 仿真实验与结果分析 为了测试本文算法在实现图像阴影跟踪和去除中的性能，进行仿真实验。本实验所用的主机配置为Pen[tium?]D CPU 2.80 GHz、2.79 GHz，2.00 GB内存，基于Matlab 2010编程平台，进行数学编程，进行图像的降噪和阴影去除处理的代码设计。 图像信息处理数据的数据包建立在DLL库中，包括：MFC42D.DLL，MFCD42D.DLL。首先进行图像的原始信息采集，原始图像采集的曝光时间设置为t=10 s，光圈设定为F=10 mm，ISO为100，依据空间位置以小块对图像进行分割，所有小块均包含8×8的像素，将梯度方向0～180°划分成9个方向块，其中各方向块的范围是200。根据上述仿真环境和参数设定，为检验本文进行图像处理的性能，构建图像阴影去除的评价体系，对图像处理的性能进行系统量化比较，评价算法的性能优越性，定义峰值信噪比作为图像阴影去除改善指标评价体系，表示如下： 式中，[xi]为图像的像素值，通过上述定义的峰值信噪比PSNR，进行图像阴影去除改善性能的定量评价指标，PSNR越高表示图像的成像效果优越，降噪效果较好。根据上述设计，在视频监控的第1 002帧和2 000帧处分别截取两个图像作为待分析的原始图像，图像采集结果如图3所示。图3中，原始图像的后景点受到光照的影响，产生阴影，采用本文方法进行阴影去除，在纹理损失最小约束控制下，进行图像的暗原色特征提取，得到提取结果如图4所示。 通过上述设计方法求解图像阴影的暗原色特征，对图像进行降噪预处理，以纹理损失最小约束参量进行图像阴影跟踪自适应均衡补偿，实现阴影有效去除，得到输出的图像如图5所示。 由图5可见，采用本文方法进行图像阴影去除处理，具有较好的图像质量改善性能，为了对比性能，以峰值信噪比为测试指标，得到对比结果如图6所示。 由图6可见，采用本文算法进行图像阴影跟踪去除，输出图像的峰值信噪比较传统方法高，说明本文方法进行图像处理的成像效果优越，阴影去除和图像降噪效果较好。 4 结 语 图像在多重光融合背景下进行采集过程中，由于受到光照的方向和强度的干扰和影响，导致白平衡失真和偏差，从而产生图像阴影，图像阴影中暗原色的存在影响图像的纹理识别性能。本文提出一种基于纹理损失最小约束跟踪的图像阴影去除算法。首先对图像进行纹理分块结构重构，求解图像阴影的暗原色特征，对图像进行降噪预处理，在此基础上，构建纹理损失最小约束函数，以此为约束参量进行图像阴影跟踪自适应均衡补偿，实现阴影有效去除。研究结果表明，利用该方法进行图像阴影去除的成像效果较好，性能指标得到有效提高。 参考文献 [1] 蒋建国，金玉龙，齐美彬，等.基于稀疏表达残差的自然场景运动目标检测[J].电子学报，2015，43（9）：1738?1744. [2] 刘金龙，熊承义，高志荣，等.结合全变差与自适应低秩正则化的图像压缩感知重构[J].计算机应用，2016，36（1）：233?237. [3] 许妙忠，丛铭，万丽娟，等.视觉感受与Markov随机场相结合的高分辨率遥感影像分割法[J].测绘学报，2015，44（2）：198?205. [4] 丁军，刘宏伟，陈渤，等.相似性约束的深度置信网络在SAR图像目标识别的应用[J].电子与信息学报，2016，38（1）：97?103. [5] DUAN F， WANG Y， YANG L， et al. Spatio?temporal consistency in stereoscopic video depth map sequence estimation [J]. Journal of information and computational science， 2014， 11（18）： 6497?6508. [6] SRINIVAS U， MONGA V， RAJ R G. SAR automatic target recognition using discriminative graphical models [J]. IEEE transactions on aerospace and electronic systems， 2014， 50（1）： 591?606. [7] 苗启广，王宝树.基于局部对比度的自适应PCNN图像融合[J].计算机学报，2008，31（5）：875?880. [8] 段峰峰，王永滨，杨丽芳，等.基于主成分分析方向深度梯度直方图的立体视觉深度图特征提取[J].计算机应用，2016，36（1）：222?226. [9] 杨靖宇，张永生，邹晓亮，等.利用暗原色先验知识实现航空影像快速去雾[J].武汉大学学报（信息科学版），2010，35（11）：1292?1295. [10] 赵雪梅，李玉，赵泉华.基于隐马尔可夫高斯随机场模型的模糊聚类高分辨率遥感影像分割算法[J].电子学报，2016，44（3）：679?686. |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。