双边滤波的改进高光去除

目的 由于非均匀光照条件下,物体表面通常出现块状的强反射区域,传统的去高光方法在还原图像时容易造成颜色失真或者边缘的丢失。针对这些缺点,提出一种改进的基于双边滤波的去高光方法。方法 首先通过双色反射模型变换得到镜面反射分量与最大漫反射色度之间的转换关系,然后利用阈值将图像的像素点分为两类,将仅含漫反射分量的像素点与含有镜面反射分量的像素点分离开来,对两类像素点的最大漫反射色度分别做估计,接着以估计的最大漫反射色度的相似度作为双边滤波器的值域,同时以图像的最大色度图作为双边滤波的引导图保边去噪,进而达到去除镜面反射分量的目的。结果 以经典的高光图像作为处理对象,对含有镜面反射和仅含漫反射的像素点分别做最大漫反射色度估计,再以该估计图作为双边滤波的引导图,不仅能去除镜面反射分量还能有效的保留图像的边缘信息,最大程度的还原图像细节颜色,并且解决了原始算法处理结果中R、G、B三通道相似的像素点所出现的颜色退化问题。用改进的双边滤波去高光算法对50幅含高光的图像做处理,并将该算法与Yang方法和Shen方法分别作对比,结果图的峰值信噪比（PSNR）也分别平均提高4.17%和8.40%,所提算法的处理效果更符合人眼视觉,图像质量更好。结论 实验结果表明针对含镜面反射的图像,本文方法能够更有效去除图像的多区域局部高光,完成对图像的复原,可为室内外光照不匀情况下所采集图像的复原提供有效理论基础。     

实时单幅图片高光去除算法

单幅图片的高光去除是一个非常具有挑战性的课题。综述以往多数方法,一般需要进行图像分割等预处理,或者要求用户进行交互输入。采用的方法是从高光图片的颜色统计规律出发,发现了最大漫反射色度局部平滑这一特性;然后估计镜面反射像素最大漫反射色度,由基于线性模型对最大色度的值进行扩散传播,从图像中的漫反射像素传播到镜面反射像素;最后求出图像中每个像素的漫反射分量。与传统方法相比较,这种高光去除的方法效果较好,而且非常简单,适合并行,可以满足实时应用需要。     

高光去除的聚类算法改进

高光去除是计算机视觉领域研究的一个热点问题.现有的基于双色反色模型分离漫反射分量和镜面反射分量去除单幅图像中的高光的方法,容易引起图像颜色失真和纹理的丢失.针对此问题,在使用像素强度比去高光的基础上改进了像素聚类算法,能够更准确的进行像素分类,改善图像颜色失真的现象.首先计算原图像与最小强度值单通道图像的差值得到无高光图像.然后根据无高光图像计算与高光区域相关的每个像素点的最大漫反射色度值和最小漫反射色度值.最后将高光区域内的像素点转换到最小最大色度空间,对高光区域内的像素点进行xmeans聚类,利用分类后漫反射像素点的强度比估计值很容易分离高光区域像素点的镜面反射分量,从而得到去高光图像.实验结果表明,与现有的方法对比,峰值信噪比值平均提升了2%至4%,图像颜色失真和纹理丢失状况得到改善,视觉效果更好.     

均场退火算法在单幅灰度图像高光检测与恢复中的应用

为了解决单幅灰度图像高光去除方法恢复结果存在的图像失真问题,提出一种基于均场退火算法的单幅灰度图像高光检测方法.首先利用反射模型分别对镜面反射分量和漫反射分量的分布进行建模;然后通过均场退火算法的迭代过程估计镜面反射分量和漫反射分量的比例,对可能存在的高光区域进行检测;最后利用基于BSCB模型的图像修复方法修复高光区域.采用一种主观评价方法和客观评价方法相结合的性能的评价方法对文中方法进行验证,结果表明,该方法是有效的;与传统的高光检测与恢复的方法相比,该方法能够有效地检测出灰度图像中镜面反射区域,且恢复效果更符合人眼视觉、恢复后的图像质量更好,提高了图像高光区域的恢复率.     

导向滤波的高光去除改进算法

为了解决传统的高光去除方法在去除图像高光时黑色像素点褪色、边缘和纹理缺失、产生伪影效应的问题,提出了一种导向滤波的高光去除改进算法。该算法通过设置第一阈值分离出图像中的黑色像素和其他像素,并采用不同方法分别估算黑色像素和其他像素的最大漫反射色度,避免黑色像素点发生褪色;利用导向滤波器对最大色度图进行了平滑处理,避免了伪影效应;在分离漫反射分量过程中,根据分母与第二阈值的关系,将滤波后图像中的像素点划分为两类,并对不同类别的像素点采用不同方法实现漫反射分量的分离,避免了分母为0导致错误分离。根据实验结果,该算法相比于传统算法,在防止黑色像素褪色、保留图像边缘和纹理信息、避免伪影方面均表现出优势。     

基于保边滤波器的单幅图像高光去除

研究图像分割优化问题,由于图像中存在高光中,造成干扰,提出一种简单但有效的单幅图片高光去除方法。传统单幅图像高光去除方法,一般需要进行图像分割预处理,或者进行交互输入。提出的新方法无需图像分割预处理,也不要交互输入,而是使用漫反射色度估计值作为引导值,对最大色度图应用边界保留滤波器,并最终得到去高光后的图片。实验结果比较表明,与传统方法比较,该方法不但能够去除单色物体表面高光,对于复杂纹理表面高光非常有效,且输出图像在非高光区更接近输入图像,提高了图像分割效果。     

基于色调约束的镜面反射分离

基于彩色图像中的色调信息不易受到镜面反射干扰这一事实,文中提出基于色调约束的镜面反射分离算法.首先,利用图像的色调信息对图像进行聚类.再计算像素色度与照明色度的距离,求得漫反射和镜面反射的融合系数.同时,为了让像素聚类免受噪声干扰,对融合系数执行双边滤波操作.最后,根据已求得的融合系数,得到消除镜面反射后的漫反射图像.实验表明,文中算法能在有效去除镜面反射的同时保留图像的细节与边缘信息,在对自然高光图像的处理中也取得较佳的视觉效果.     

用于去除单张图像高光的光照约束补色

在计算机视觉研究领域,如何检测和消除图像中的高光(specular)一直是个热点问题,有关的研究结果对于提高计算机视觉算法性能有着重要的影响.针对这一问题,提出了一种检测和消除高光的方法.首先,通过比较高光和漫反射光(diffuse)的色度特性的不同,给出了一种交互检测单色物体表面高光区域的方法;然后,引入补色(inpainting)方法并结合光照约束条件,设计了一种去除单张图像中高光并还原出漫反射分量的新的补色算法.与一般补色方法不同,该算法充分利用了高光区域含有的信息来指导补色过程.通过综合利用观测到的像素值、光源的色度分析(illumination chromaticity analysis)、光源颜色的平滑性等来约束补色过程,保证了算法能够克服一般的补色方法无法保持物体表面细微明暗变化的缺点.实验结果表明,与以往的去除单张图像高光的方法相比,该算法能够提供更好的光源色度估计,从而得到更准确的结果.     

基于最佳分析窗口的高光检测

物体上的高光直接影响计算机视觉领域的很多操作,比如图像分割、边缘检测、视频中物体的跟踪等.该方法基于双色反射模型,提出了最佳分析窗口的概念.在最佳分析窗口的基础上,分析窗口中像素的亮度、色彩、以及位置信息,组成五维特征向量,利用K-means算法在向量空间的聚类结果得到漫反射像素族,从而估计出全局漫反射色度,并以此检测图像中的高光像素.最后,利用Tan等提出的STD机制从原图像中分离出漫反射分量和镜面反射分量.该方法无需交互操作,不受相机噪声为线性的限制,比同类算法更容易实现且效果更佳.     

一种实拍图像的高光去除方法

根据双色反射模型,通过分离出漫反射分量的方法,获得了对图像中的高光去除的结果。同时,针对双色反射模型要求的相机响应函数必须满足线性关系,但实际拍摄图像为非线性关系的问题,提出了基于参数自适应确定的伽马变换漫反射分离方法。实验结果表明,该方法可对实际拍摄的图像完成有效的高光去除。     

Separating reflection components based on chromaticity and noise analysis

Many algorithms in computer vision assume diffuse only reflections and deem specular reflections to be outliers. However, in the real world, the presence of specular reflections is inevitable since there are many dielectric inhomogeneous objects which have both diffuse and specular reflections. To resolve this problem, we present a method to separate the two reflection components. The method is principally based on the distribution of specular and diffuse points in a two-dimensional maximum chromaticity-intensity space. We found that, by utilizing the space and known illumination color, the problem of reflection component separation can be simplified into the problem of identifying diffuse maximum chromaticity. To be able to identity the diffuse maximum chromaticity correctly, an analysis of the noise is required since most real images suffer from it. Unlike existing methods, the proposed method can separate the reflection components robustly for any kind of surface roughness and light direction.     

Separating reflection components of textured surfaces using a single image

In inhomogeneous objects, highlights are linear combinations of diffuse and specular reflection components. To our knowledge, all methods that use a single input image require explicit color segmentation to deal with multicolored surfaces. Unfortunately, for complex textured images, current color segmentation algorithms are still problematic to segment correctly. Consequently, a method without explicit color segmentation becomes indispensable and This work presents such a method. The method is based solely on colors, particularly chromaticity, without requiring any geometrical information. One of the basic ideas is to iteratively compare the intensity logarithmic differentiation of an input image and its specular-free image. A specular-free image is an image that has exactly the same geometrical profile as the diffuse component of the input image and that can be generated by shifting each pixel's intensity and maximum chromaticity nonlinearly. Unlike existing methods using a single image, all processes in the proposed method are done locally, involving a maximum of only two neighboring pixels. This local operation is useful for handling textured objects with complex multicolored scenes. Evaluations by comparison with the results of polarizing filters demonstrate the effectiveness of the proposed method.     

Chromaticity-based separation of reflection components in a single image

The separation of diffuse and specular reflection components, or equivalently specularity removal, is required in the fields of computer vision, object recognition and image synthesis. This paper proposes a simple and effective method to separate reflections in a color image based on the error analysis of chromaticity and appropriate selection of body color for each pixel. By solving the least-squares problem of the dichromatic reflection model, reflection separation is implemented on a single pixel level, without requiring image segmentation and even local interactions between neighboring pixels. Experimental evaluation indicates that the proposed method is effective and can deal with a wide variety of images.     

Specular Highlight Removal for Real‐world Images

Removing specular highlight in an image is a fundamental research problem in computer vision and computer graphics. While various methods have been proposed, they typically do not work well for real‐world images due to the presence of rich textures, complex materials, hard shadows, occlusions and color illumination, etc. In this paper, we present a novel specular highlight removal method for real‐world images. Our approach is based on two observations of the real‐world images: (i) the specular highlight is often small in size and sparse in distribution; (ii) the remaining diffuse image can be represented by linear combination of a small number of basis colors with the sparse encoding coefficients. Based on the two observations, we design an optimization framework for simultaneously estimating the diffuse and specular highlight images from a single image. Specifically, we recover the diffuse components of those regions with specular highlight by encouraging the encoding coefficients sparseness using L₀ norm. Moreover, the encoding coefficients and specular highlight are also subject to the non‐negativity according to the additive color mixing theory and the illumination definition, respectively. Extensive experiments have been performed on a variety of images to validate the effectiveness of the proposed method and its superiority over the previous methods.     

存在镜面反射时的立体匹配研究

传统的立体匹配方法建立在Lambertian的漫反射模型之上,漫反射模型的立体匹配在一个图像中大部分是有效的,但是在处理图像中包含镜面反射部分时结果会产生严重的匹配错误.为了解决个问题,根据二色反射模型引入一种漫反射和镜面反射的分离方法,匹配图像中存在镜面反射部分时先滤除掉镜面反射再进行匹配,在镜面反射部分也能匹配得到正确的视差.实验结果证明该方法很有效.