一种改进的基于Retinex理论和非局部纹理约束的本征图像分解算法研究

发布时间：2017-10-23 08:25

  本文关键词：一种改进的基于Retinex理论和非局部纹理约束的本征图像分解算法研究

  更多相关文章： 本征图像分解算法 Retinex 非局部纹理约束 自适应Kmeans算法

【摘要】：本征图像分解问题是计算机视觉领域存在已久的一个不适定问题。物体表面的颜色信息是由多种属性决定的,例如场景中的光照属性、物体表面的形状、物体表面的反照率属性等等。Barrow和Tenenbaum[1]提出了用本征图像(intrinsic images)来表示这些属性,其中反照率(Reflectance)本征图描述了物体表面对入射光的反射特性,而亮度(shading)本征图则反映了物体表面的明暗信息,也就是物体表面的形状对光照的影响。在大量的视觉研究与应用中,如果能够将图像的反照率信息和亮度信息分离开来,然后进行相应的视觉计算,那么将会获得更好的结果。本征图像分解可以广泛应用与图像分割、图像识别、纹理替换以及虚拟场景和真实场景之间的相似度评价等研究中。本征图像分解问题就是研究将原始图像分解为反照率本征图和亮度本征图。本文在Li Shen等人提出的基于非局部纹理约束的Retinex本征图像分解算法的基础上,对该算法中的非局部纹理约束这一条件进行改进,结合自适应Kmeans算法,根据马尔科夫随机场理论,将整幅图像中具有相同反照率属性的像素聚为一簇,解决了原始算法中像素匹配错误以及聚簇中心点寻找错误的问题,从而获取到更为精确的反照率本征图和亮度本征图。同时,对原算法中的作为第三个约束条件的像素的绝对值获取这一算法进行改进,从而达到最终的本征图像更加接近真实的反照率本征图和亮度本征图。实验结果表明本文提出的改进的结合非局部纹理约束的Retinex本征图像分解算法可以得到更为精确的反照率本征图像和亮度本征图像,同时与目前其他的本征图像算法横向对比表明我们的算法可以得到更高质量的反照率本征图和亮度本征图,并且我们的结果更为接近MIT提供的标准结果。
【关键词】：本征图像分解算法 Retinex 非局部纹理约束 自适应Kmeans算法
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-13
• 1.1 本征图像分解的概念9-10
• 1.2 本征图像分解问题的研究意义10-11
• 1.3 本文的研究内容以及文章结构11-13
• 第2章 国内外研究现状13-24
• 2.1 Retinex理论13
• 2.2 相关研究以及存在的问题13-24
• 2.2.1 通过聚簇（Clustering）实现本征图像分解14-20
• 2.2.2 基于用户交互的本征图像分解算法20-21
• 2.2.3 通过分类器学习的本征图像分解算法21-24
• 第3章 用于算法评价的本征图像库24-29
• 3.1 本征图像库相关介绍24
• 3.2 Ground Truth dataset的获取24-27
• 3.2.1 反照率和亮度的分离25-26
• 3.2.2 物体位置的精确校准26-27
• 3.3 算法的评价基准27-28
• 3.4 本章总结28-29
• 第4章 基于全局纹理约束的本征图像分解算法的改进算法29-52
• 4.1 相关研究介绍29-30
• 4.2 基于非局部纹理约束的本征图像分解30-36
• 4.2.1 分解问题描述30-31
• 4.2.2 约束条件31-34
• 4.2.2.1 Retinex约束31-32
• 4.2.2.2 非局部纹理约束32-34
• 4.2.2.3 绝对比例约束34
• 4.2.3 算法详述34-36
• 4.2.3.1 软分组（soft-grouping）34-35
• 4.2.3.2 优化35-36
• 4.2.3.3 阈值t的选择36
• 4.3 Li shen的算法分解结果及存在不足36-40
• 4.4 改进的基于全局纹理约束的本征图分解算法40-46
• 4.5 实验结果46-50
• 4.5.1 本文的算法与改进前的算法比较46-47
• 4.5.2 本文的算法与其他的本征图分解算法比较47-50
• 4.6 本文的算法在虚拟场景建模的置信度评价方面的应用50-52
• 第5章 总结与展望52-54
• 5.1 本文工作总结52
• 5.2 研究工作展望52-54
• 参考文献54-56
• 作者简介及在学期间所取得的科研成果56-57
• 致谢57

【相似文献】

中国期刊全文数据库 前10条

1 李瑞帅;余淑华;潘凯;王圆;;图像特征金字塔快速计算方法[J];电子世界;2014年07期

2 曾喜良;王金娟;;指纹分割的块图像梯度因子聚类法[J];计算机与数字工程;2008年07期

3 刘陈;王欣欣;李凤霞;赵相坤;;一种快速保边的图像对象分割方法[J];北京理工大学学报;2010年02期

4 朱薇;刘利刚;;图像适应算法中非冗余显著图的计算[J];中国图象图形学报;2011年08期

5 柳有权;吴宗胜;韩红雷;吴恩华;;线条增强的建筑物图像抽象画生成[J];计算机辅助设计与图形学学报;2013年09期

6 吴骏,唐红梅,肖志涛,贾志成;一种基于相位信息的图像对称性检测方法[J];信号处理;2004年01期

7 邵静;高隽;赵莹;张旭东;;一种基于图像固有维度的感知物体检测方法[J];仪器仪表学报;2008年04期

8 潘如如;高卫东;;高紧度机织物图像倾斜的自动纠正[J];纺织学报;2009年10期

9 刘贵喜,赵曙光,杨万海;基于梯度塔形分解的多传感器图像融合[J];光电子·激光;2001年03期

10 吕冀;高洪民;汪渤;周志强;;图像制导的目标匹配算法与系统设计[J];弹箭与制导学报;2009年05期

中国重要会议论文全文数据库 前5条

1 张一鸣;刘亚t，

本文编号：1082382