CN107507146B - 一种自然图像软阴影消除方法 - Google Patents
一种自然图像软阴影消除方法 Download PDFInfo
- Publication number
- CN107507146B CN107507146B CN201710752140.8A CN201710752140A CN107507146B CN 107507146 B CN107507146 B CN 107507146B CN 201710752140 A CN201710752140 A CN 201710752140A CN 107507146 B CN107507146 B CN 107507146B
- Authority
- CN
- China
- Prior art keywords
- shadow
- point
- image
- block
- boundary
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000008030 elimination Effects 0.000 title claims abstract description 23
- 238000003379 elimination reaction Methods 0.000 title claims abstract description 23
- 238000009499 grossing Methods 0.000 claims abstract description 22
- 230000005012 migration Effects 0.000 claims abstract description 14
- 238000013508 migration Methods 0.000 claims abstract description 14
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000011084 recovery Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 5
- 230000008439 repair process Effects 0.000 claims description 4
- 230000007797 corrosion Effects 0.000 claims description 3
- 238000005260 corrosion Methods 0.000 claims description 3
- 238000005429 filling process Methods 0.000 claims description 2
- 230000004927 fusion Effects 0.000 claims description 2
- 238000010422 painting Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 6
- 230000015572 biosynthetic process Effects 0.000 abstract description 2
- 238000003786 synthesis reaction Methods 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 8
- 238000005286 illumination Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/94—Dynamic range modification of images or parts thereof based on local image properties, e.g. for local contrast enhancement
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种自然图像软阴影消除方法。本发明通过指定的阴影边界线,将图像分为阴影区域和非阴影区域,利用基于图像中点的相关点信息的平滑方法对图像中的阴影区域和非阴影区域分别进行多尺度分解。分解完成后,利用局部亮度迁移的方法对基本层的阴影区域进行亮度修复,再将图像分解时过滤掉的细节信息融合到消除阴影的基本层中,得到输入图像的阴影消除结果。最后,利用基于纹理合成的图像修复方法对阴影边界处存在失真区域进行修复,以得到一个自然真实的阴影消除结果。本发明提出的阴影消除方法不但效果好,而且其中的平滑方法可用于多种应用。
Description
技术领域
本发明属图像处理技术领域,尤其涉及一种自然图像阴影消除方法。
背景技术
阴影是由于光线在沿直线传播的过程中,遇到障碍物的阻挡而形成的。图像在获取时,难以避免地会存在一些阴影。通常阴影区域亮度较低,这种低亮度的特点会引起图像质量的下降,导致一些图像信息丢失,影响图像效果,并对一些诸如物体识别、图像检索、目标追踪等现代图像处理任务产生影响,使得任务准确率及效率降低。因此,对图像阴影消除的研究是必要的。现实场景中光源是有一定大小的,所产生的阴影大部分是软阴影。目前对图像阴影消除的研究有很多,但这些方法大部分处理的是硬阴影或接近于硬阴影的阴影,并不能很好地处理软阴影,这些方法处理软阴影时效果一般。
图像软阴影消除指在保证图像阴影区域原有色调及纹理结构的基础上,恢复其在正常光照下的场景。造成图像软阴影消除比较困难的原因主要有两个方面,首先软阴影边界附近的亮度是由亮到暗逐渐变化的,计算机难以确定一个明显的边界;其次软阴影区域内的亮度变化是不一致的,特别是靠近边界处,这要求阴影消除算法对亮度不敏感。因此,软阴影消除的最大挑战是如何恢复亮度不一致阴影区域的光照信息,使得恢复后的阴影区域与周围的非阴影区域的亮度、颜色、纹理等是自然的融合在一起。目前,有提出一种基于机器学习的软阴影消除方法,这种方法前期需要对一个样本进行训练学习,如果训练的样本集比较大,且阴影类型比较完全,该方法对图像软阴影消除的效果会比较好。但是这个学习的时间比较长,并且要获得一个大的软阴影及对应的无阴影图像的样本集也是一件非常困难的任务。针对这样的问题,本算法提出了一个基于多尺度分解的软阴影去除算法,该算法不需要准确检测出阴影区域,只需要给定一个大概的阴影边界线。
发明内容
本发明针对现有技术的不足,提供一种基于多尺度分解的图像软阴影消除方法。
本发明的技术方案为一种图像软阴影消除方法,,包含以下步骤:
一种自然图像软阴影消除方法,其特征在于,包括下述步骤:
步骤1,确定输入图像I的阴影边界,具体是:用户采用画刷自行指定一个阴影边界,以区分阴影区域和非阴影区域;
步骤2,逐点对输入图像I上的点进行平滑处理,具体包括:
步骤2.1,对于图像I中的点i,查找其邻域窗口内的相关点j;
通过计算颜色、亮度和色调上的相关度来判断点i与其领域内的点j是否为相关点;
计算两点的总体相关度D=DcDlDh,当D>0.8时,认为点i与点j为相关点;其中σc、σl和σh的值由用户指定;
步骤2.2,如果点i邻域内没有相关点,则认为点i是孤立点;
步骤2.3,如果是孤立点,则该点亮度值保持不变,如果不是孤立点,则用该点的所有亮度相关点的平均值作为其亮度值;
步骤3,利用步骤2的平滑方法对图像进行多尺度分解,将图像分解为一个分片光滑的基本层和多个细节层,具体是:
对输入图像I进行(N+1)级分解,分解后包含一个基本层b和N个细节层,即:其中,Li表示第i次平滑后过滤掉的细节信息;用Si表示第i次平滑的结果,Si的计算方法为:以第i-1次的平滑结果即Si-1作为输入,利用步骤2的方法对Si-1进行平滑,得到的结果即为Si,其中i=1,2,…,N且S0=I;第N次平滑的图像SN即为抹掉细节的基本层b,细节层Li定义为前后两次平滑层之差,即:Li=Si-Si-1;
步骤4,对分解后的基本层进行阴影消除;对步骤3中已抹掉细节的基本层b应用亮度迁移的方法进行阴影消除,具体包括:
步骤4.1,选取一个大小为w×w的块,在图像上滑动这个局部块,当块的中心点位于阴影边界处时,统计局部块中阴影点和非阴影点对应的平均亮度信息以及标准方差值,利用亮度迁移公式对块中阴影点进行亮度恢复;
定义当前局部块中所有阴影点对应的平均值和标准方差分别为μ(S)、σ(S),所有非阴影点对应的平均值和标准方差分别为μ(L)、σ(L),当前通道该点的颜色值为Ik,则该点在此通道上去除阴影后的值为:
步骤4.2,由于块是按像素进行移动处理的,有的阴影点会被计算多次;对边界进行一次块的遍历后,阴影边界上的一点会在多个块被计算,为边界上的点统计在多少个块中做了亮度迁移的计算,并记录每次亮度迁移后的结果;对所有计算的结果进行加权平均操作,用这一点与局部块中心点的高斯核作为加权操作的权值;加权平均后的结果值作为该点阴影消除后的结果值;
步骤4.3,通过块的遍历,将阴影边界上的阴影点都处理完成后,对阴影边界做二值图像的腐蚀操作,将阴影边界与非阴影区域相邻的最外层标记为非阴影区域,形成新的阴影边界,继续步骤4.1至步骤4.3的操作,直到基本图像层中阴影区域中所有点的亮度都被恢复;此时,基本层图像是一张无阴影的结果图;
步骤5,细节融合;对去除阴影的基本层进行细节恢复,具体是:
在上述的一种自然图像软阴影消除方法,其特征在于,还包括
步骤6,边界处理;恢复细节后的结果图,在边界处存在一些失真的情况,此时可利用图像修复的方法对失真区域进行修补,具体包括:
步骤6.1,用户在待修复图像中用画刷标定待修复区域和样本区域;
步骤6.2,在待修复区域的边界处选取一点,构造一个大小为N×N的块,且建议N取值为13,另外再选取一个N×N块,利用块的遍历,通过待修复块中已存在的纹理信息,在样本区域中寻找一个与其纹理最相似的块做为其匹配块,通过最小化下面这个能量公式来判断两个块是否为纹理最相似:
其中T为边界处上选取的块,即待修复的块,M为在样本区域中选取的块;Tx为块T中像素点x的颜色值,Mx为块M中与点x在块T中相对位置相同点的颜色值;
步骤6.3,通过待修复区域周围已存在的纹理信息,在样本区域寻找匹配信息来填充待修复区域;每一次匹配填充都将缩小待修复区域,当待修复区域中所有的点都被填充后,边界修复完成,得到的无阴影图像更自然和真实;
步骤6.4,得到最终软阴影消除结果,结束任务。
用户在待修复图像中用画刷标定待修复区域和样本区域,在待修复区域的边界处选取一点,构造一个大小为N×N的块,且建议N取值为13,另外再选取一个N×N块,利用块的遍历,通过待修复块中已存在的纹理信息,在样本区域中寻找一个与其纹理最相似的块做为其匹配块,利用匹配块的信息来填充待修复区域。每一次匹配填充都将缩小待修复区域,当待修复区域中所有的点都被填充后,边界修复完成,得到的无阴影图像更自然和真实。
本发明的技术效果是:本发明公开了一种图像软阴影消除方法;本发明通过对阴影区域中的点查找其邻域窗口内的相关点,利用基于相关点信息的平滑方法对图像进行多尺度分解,分解完成后对基本层图像利用局部亮度迁移的方法进行软阴影消除,再将多尺度分解时提取出的细节信息融合到消除阴影后的基本层,得到输入图像的阴影消除结果。最后,对存在边界失真问题的结果图利用基于纹理合成的图像修复方法对失真区域处进行修复,以得到一个自然真实的阴影消除结果。本发明提出的软阴影消除方法不但效果好,而且其中的基于相关点的平滑操作可用于多种应用。
附图说明
图1是本发明的软阴影消除流程图。
图2是本发明图像平滑处理的流程图。
具体实施方式
下面结合实施例子及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
参照图1,本发明的流程图,一种自然图像软阴影消除方法,包括下述步骤:
体是:用户采用画刷自行指定一个阴影边界,以区分阴影区域和非阴影区域。
步骤2,逐点对输入图像I上的点进行平滑处理,具体包括:
步骤2.1,对于图像I中的点i,查找其邻域窗口内的相关点j。
通过计算颜色、亮度和色调上的相关度来判断点i与其领域内的点j是否为相关点。
计算两点的总体相关度D=DcDlDh,当D>0.8时,认为点i与点j为相关点。其中σc、σl和σh的值由用户指定。在本发明中,指定σc、σl和σh的取值为10。
步骤2.2,如果点i邻域内没有相关点,则认为点i是孤立点。
步骤2.3,如果是孤立点,则该点亮度值保持不变,如果不是孤立点,则用该点的所有相关点的平均值作为其亮度值。
步骤3,利用步骤2的平滑方法对图像进行多尺度分解,将图像分解为一个分片光滑的基本层和多个细节层,具体是:
对输入图像I进行(N+1)级分解,分解后包含一个基本层b和N个细节层,即:其中,Li表示第i次平滑后过滤掉的细节信息。用Si表示第i次平滑的结果,Si的计算方法为:以第i-1次的平滑结果即Si-1作为输入,利用步骤2的方法对Si-1进行平滑,得到的结果即为Si,其中i=1,2,…,N且S0=I。第N次平滑的图像SN即为抹掉细节的基本层b,细节层Li定义为前后两次平滑层之差,即:Li=Si-Si-1。
步骤4,对分解后的基本层进行阴影消除。对步骤3中已抹掉细节的基本层b应用亮度迁移的方法进行阴影消除,具体包括:
步骤4.1,选取一个大小为w×w的块,在图像上滑动这个局部块,当块的中心点位于阴影边界处时,统计局部块中阴影点和非阴影点对应的平均亮度信息以及标准方差值,利用亮度迁移公式对块中阴影点进行亮度恢复。
定义当前局部块中所有阴影点对应的平均值和标准方差分别为μ(S)、σ(S),所有非阴影点对应的平均值和标准方差分别为μ(L)、σ(L),当前通道该点的颜色值为Ik,则该点在此通道上去除阴影后的值为:
步骤4.2,由于块是按像素进行移动处理的,有的阴影点会被计算多次。对边界进行一次块的遍历后,阴影边界上的一点会在多个块被计算,为边界上的点统计在多少个块中做了亮度迁移的计算,并记录每次亮度迁移后的结果。对所有计算的结果进行加权平均操作,用这一点与局部块中心点的高斯核作为加权操作的权值。加权平均后的结果值作为该点阴影消除后的结果值。
步骤4.3,通过块的遍历,将阴影边界上的阴影点都处理完成后,对阴影边界做二值图像的腐蚀操作,将阴影边界与非阴影区域相邻的最外层标记为非阴影区域,形成新的阴影边界,继续步骤4.1至步骤4.3的操作,直到基本图像层中阴影区域中所有点的亮度都被恢复。此时,基本层图像是一张无阴影的结果图。
步骤5,细节融合。对去除阴影的基本层进行细节恢复,具体是:
步骤6,边界处理。恢复细节后的结果图,在边界处存在一些失真的情况,此时可利用图像修复的方法对失真区域进行修补,具体包括:
步骤6.1,用户在待修复图像中用画刷标定待修复区域和样本区域。
步骤6.2,在待修复区域的边界处选取一点,构造一个大小为N×N的块,且建议N取值为13,另外再选取一个N×N块,利用块的遍历,通过待修复块中已存在的纹理信息,在样本区域中寻找一个与其纹理最相似的块做为其匹配块,通过最小化下面这个能量公式来判断两个块是否为纹理最相似:
其中T为边界处上选取的块,即待修复的块,M为在样本区域中选取的块。Tx为块T中像素点x的颜色值,Mx为块M中与点x在块T中相对位置相同点的颜色值。
步骤6.3,通过待修复区域周围已存在的纹理信息,在样本区域寻找匹配信息来填充待修复区域。每一次匹配填充都将缩小待修复区域,当待修复区域中所有的点都被填充后,边界修复完成,得到的无阴影图像更自然和真实。
步骤6.4,得到最终软阴影消除结果,结束任务。
以上所述的具体实施例对本发明的目的、技术方案以及有益效果进行了详细的说明。所应理解的是,上述内容仅为本发明的具体实施例而已,并不用于限制本发明。凡在本发明的精神与原则之内,所做的任何修改、等同替换以及改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种自然图像软阴影消除方法,其特征在于,包括下述步骤:
步骤1,确定输入图像I的阴影边界,具体是:用户采用画刷自行指定一个阴影边界,以区分阴影区域和非阴影区域;
步骤2,逐点对输入图像I上的点进行平滑处理,具体包括:
步骤2.1,对于图像I中的点i,查找其邻域窗口内的相关点j;
通过计算颜色、亮度和色调上的相关度来判断点i与其领域内的点j是否为相关点;
计算两点的总体相关度D=DcDlDh,当D>0.8时,认为点i与点j为相关点;其中σc、σl和σh的值由用户指定;
步骤2.2,如果点i邻域内没有相关点,则认为点i是孤立点;
步骤2.3,如果是孤立点,则该点亮度值保持不变,如果不是孤立点,则用该点的所有亮度相关点的平均值作为其亮度值;
步骤3,利用步骤2的平滑方法对图像进行多尺度分解,将图像分解为一个分片光滑的基本层和多个细节层,具体是:
对输入图像I进行N+1级分解,分解后包含一个基本层b和N个细节层,即:其中,Li表示第i次平滑后过滤掉的细节信息;用Si表示第i次平滑的结果,Si的计算方法为:以第i-1次的平滑结果即Si-1作为输入,利用步骤2的方法对Si-1进行平滑,得到的结果即为Si,其中i=1,2,…,N,且S0=I;第N次平滑的图像SN即为抹掉细节的基本层b,细节层Li定义为前后两次平滑层之差,即:Li=Si-Si-1;
步骤4,对分解后的基本层进行阴影消除;对步骤3中已抹掉细节的基本层b应用亮度迁移的方法进行阴影消除,具体包括:
步骤4.1,选取一个大小为w×w的块,在基本层b上滑动这个局部块,当块的中心点位于阴影边界处时,统计局部块中阴影点和非阴影点对应的平均亮度信息以及标准方差值,利用亮度迁移公式对块中阴影点进行亮度恢复;
定义当前局部块中所有阴影点对应的平均值和标准方差分别为μ(S)、σ(S),所有非阴影点对应的平均值和标准方差分别为μ(L)、σ(L),当前通道该点的颜色值为Ik,则该点在此通道上去除阴影后的值为:
步骤4.2,由于块是按像素进行移动处理的,有的阴影点会被计算多次;对边界进行一次块的遍历后,阴影边界上的一点会在多个块被计算,为边界上的点统计在多少个块中做了亮度迁移的计算,并记录每次亮度迁移后的结果;对所有计算的结果进行加权平均操作,用这一点与局部块中心点的高斯核作为加权操作的权值;加权平均后的结果值作为该点阴影消除后的结果值;
步骤4.3,通过块的遍历,将阴影边界上的阴影点都处理完成后,对阴影边界做二值图像的腐蚀操作,将阴影边界与非阴影区域相邻的最外层标记为非阴影区域,形成新的阴影边界,继续步骤4.1至步骤4.3的操作,直到基本图像层中阴影区域中所有点的亮度都被恢复;此时,基本层图像是一张无阴影的结果图;
步骤5,细节融合;对去除阴影的基本层进行细节恢复,具体是:
2.根据权利要求1所述的一种自然图像软阴影消除方法,其特征在于,还包括
步骤6,边界处理,恢复细节后的结果图,在边界处存在一些失真的情况,此时可利用图像修复的方法对失真区域进行修补,具体包括:
步骤6.1,用户在待修复图像中用画刷标定待修复区域和样本区域;
步骤6.2,在待修复区域的边界处选取一点,构造一个大小为a×a的块,且a取值为13,另外再选取一个a×a块,利用块的遍历,通过待修复块中已存在的纹理信息,在样本区域中寻找一个与其纹理最相似的块做为其匹配块,通过最小化下面这个能量公式来判断两个块是否为纹理最相似:
其中T为边界处上选取的块,即待修复的块,M为在样本区域中选取的块;Tx为块T中像素点x的颜色值,Mx为块M中与点x在块T中相对位置相同点的颜色值;
步骤6.3,通过待修复区域周围已存在的纹理信息,在样本区域寻找匹配信息来填充待修复区域;每一次匹配填充都将缩小待修复区域,当待修复区域中所有的点都被填充后,边界修复完成,得到的无阴影图像更自然和真实;
步骤6.4,得到最终软阴影消除结果,结束任务。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710752140.8A CN107507146B (zh) | 2017-08-28 | 2017-08-28 | 一种自然图像软阴影消除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710752140.8A CN107507146B (zh) | 2017-08-28 | 2017-08-28 | 一种自然图像软阴影消除方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107507146A CN107507146A (zh) | 2017-12-22 |
CN107507146B true CN107507146B (zh) | 2021-04-16 |
Family
ID=60694111
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710752140.8A Active CN107507146B (zh) | 2017-08-28 | 2017-08-28 | 一种自然图像软阴影消除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107507146B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108198212A (zh) * | 2017-12-25 | 2018-06-22 | 太平洋未来有限公司 | 一种图像阴影的投影方向获取方法 |
CN108510450B (zh) * | 2018-02-07 | 2020-06-09 | 北京农业信息技术研究中心 | 一种作物叶片图像的光照处理方法及装置 |
CN108876740B (zh) * | 2018-06-21 | 2022-04-12 | 重庆邮电大学 | 一种基于鬼影去除的多曝光配准方法 |
CN109102478B (zh) * | 2018-09-06 | 2021-10-08 | 南京林业大学 | 一种基于自体色彩迁移的文化典藏类图像修复方法 |
CN111626951B (zh) * | 2020-05-20 | 2023-04-18 | 武汉科技大学 | 一种基于内容感知信息的图像阴影消除方法 |
CN113379634B (zh) * | 2021-06-18 | 2022-11-15 | 武汉大学 | 一种基于两阶段图像上下文识别网络及单图像阴影去除方法 |
CN117152167B (zh) * | 2023-10-31 | 2024-03-01 | 海信集团控股股份有限公司 | 一种目标移除、基于分割大模型的目标移除方法及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102629369A (zh) * | 2012-02-27 | 2012-08-08 | 天津大学 | 一种基于照度表面建模的单幅彩色图像阴影去除方法 |
CN104463853A (zh) * | 2014-11-22 | 2015-03-25 | 四川大学 | 一种基于图像分割的阴影检测与去除算法 |
CN104599253A (zh) * | 2015-01-30 | 2015-05-06 | 武汉大学 | 一种自然图像阴影消除方法 |
-
2017
- 2017-08-28 CN CN201710752140.8A patent/CN107507146B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102629369A (zh) * | 2012-02-27 | 2012-08-08 | 天津大学 | 一种基于照度表面建模的单幅彩色图像阴影去除方法 |
CN104463853A (zh) * | 2014-11-22 | 2015-03-25 | 四川大学 | 一种基于图像分割的阴影检测与去除算法 |
CN104599253A (zh) * | 2015-01-30 | 2015-05-06 | 武汉大学 | 一种自然图像阴影消除方法 |
Non-Patent Citations (3)
Title |
---|
Illumination Decomposition for Photograph With Multiple Light Sources;Ling Zhang等;《IEEE TRANSACTIONS ON IMAGE PROCESSING》;20170606;第26卷(第9期);第4623-4636页 * |
Shadow Remover:Image Shadow Removal Based on Illumination Recovering Optimization;Ling Zhang等;《IEEE TRANSACTIONS ON IMAGE PROCESSING》;20151130;第24卷(第11期);第4114-4127页 * |
基于先验知识的快速人脸光照迁移算法;胡可鑫等;《计算机辅助设计与图形学学报》;20150915;第27卷(第9期);第1716-1724页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107507146A (zh) | 2017-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107507146B (zh) | 一种自然图像软阴影消除方法 | |
CN109859171B (zh) | 一种基于计算机视觉和深度学习的楼面缺陷自动检测方法 | |
CN109299274B (zh) | 一种基于全卷积神经网络的自然场景文本检测方法 | |
CN108492281B (zh) | 一种基于生成式对抗网络的桥梁裂缝图像障碍物检测与去除的方法 | |
Zhang et al. | Shadow remover: Image shadow removal based on illumination recovering optimization | |
US7869648B2 (en) | Object extraction based on color and visual texture | |
CN111062931B (zh) | 一种被拼接篡改的图像的检测方法 | |
Pizurica et al. | Digital image processing of the Ghent Altarpiece: Supporting the painting's study and conservation treatment | |
CN112991193B (zh) | 深度图像修复方法、设备及计算机可读存储介质 | |
CN112819772A (zh) | 一种高精度快速图形检测识别方法 | |
CN104766275B (zh) | 稀疏视差图稠密化方法和装置 | |
CN111127376B (zh) | 一种数字视频文件修复方法及装置 | |
CN111127353B (zh) | 一种基于块配准和匹配的高动态图像去鬼影方法 | |
CN109272539A (zh) | 基于引导图全变分模型的图像纹理和结构的分解方法 | |
CN112132848B (zh) | 一种基于图像图层分割抽取的预处理方法 | |
CN113421210A (zh) | 一种基于双目立体视觉的表面点云重建方法 | |
CN111105430B (zh) | 基于Landmark单纯形约束的变分水平集图像分割方法 | |
CN114494530B (zh) | 一种证件照抠图方法及系统 | |
CN110490877B (zh) | 基于Graph Cuts的双目立体图像对目标分割方法 | |
Khan et al. | Shadow removal from digital images using multi-channel binarization and shadow matting | |
CN110264417B (zh) | 基于分层模型的局部运动模糊区域自动检测提取方法 | |
Koutsiou et al. | SUShe: simple unsupervised shadow removal | |
CN116704268B (zh) | 面向动态变化复杂场景的强鲁棒目标检测方法 | |
Abin et al. | Improved Exemplar based Image Inpainting for Partial Instance Occlusion Handling with K-means Clustering and YCbCr Color Space | |
CN116310276B (zh) | 目标检测方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |