紋理損失最小約束下的跟蹤圖像陰影去除算法的改進(jìn)

閆鳳　張津　吳珊丹

摘 要： 圖像采集過程中由于光照角度的影響產(chǎn)生陰影，對圖像陰影的有效去除能提高圖像的暗原色修復(fù)能力，改善成像質(zhì)量。傳統(tǒng)的陰影去除方法采用盒子濾波算法，在圖像出現(xiàn)光照色差的情況下，陰影去除的效果差。提出一種基于紋理損失最小約束的跟蹤的圖像陰影去除算法。對圖像紋理分塊結(jié)構(gòu)進(jìn)行重構(gòu)，獲取圖像陰影的暗原色特征，對圖像進(jìn)行降噪處理，構(gòu)建紋理損失最小約束函數(shù)，以此為約束參量圖像陰影跟蹤自適應(yīng)均衡補(bǔ)償，實現(xiàn)陰影有效去除。仿真結(jié)果表明，該算法進(jìn)行圖像陰影去除的效果較好，峰值信噪比較傳統(tǒng)方法有所提高，展示了較好的圖像處理性能。

關(guān)鍵詞： 紋理損失； 最小約束； 圖像陰影去除； 峰值信噪比

中圖分類號： TN911.73?34； TP391.41 文獻(xiàn)標(biāo)識碼： A 文章編號： 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

隨著現(xiàn)代信息處理和光學(xué)處理技術(shù)的發(fā)展，數(shù)字圖像處理技術(shù)得到長足的進(jìn)步，數(shù)字圖像處理而今廣泛應(yīng)用在人們的日常生活攝影、軍事目標(biāo)識別、地質(zhì)環(huán)境監(jiān)測等各個領(lǐng)域，并展示了較好的應(yīng)用前景。圖像在多重光融合背景下進(jìn)行采集過程中，由于受到光照的方向和強(qiáng)度的干擾和影響，導(dǎo)致白平衡失真和偏差，從而產(chǎn)生圖像陰影，圖像陰影中暗原色的存在影響圖像的紋理識別性能，在圖像目標(biāo)識別和精密圖像紋理分析中影響應(yīng)用性能，因此，需要進(jìn)行圖像陰影去除方法的研究，提高圖像分析和處理的能力，相關(guān)的算法研究受到人們的重視[1]。多重光融合圖像在圖像成像和采集過程中受到擾動較大，造成圖像陰影，陰影部位的圖像會導(dǎo)致部分信息丟失，傳統(tǒng)方法中，對圖像陰影的去除方法主要有基于顏色空間特征分解的陰影去除方法和基于邊緣分割的陰影去除方法等，采用圖像平滑處理方法，對陰影部位的紋理信息進(jìn)行顏色空間特征分析，實現(xiàn)圖像的白平衡補(bǔ)償和陰影修復(fù)[2?4]，以此為算法原理，一些學(xué)者進(jìn)行了算法的研究，取得了一定的研究成果，其中，文獻(xiàn)[5]提出一種基于LWT小波分割的夜間大景深多重色光背景圖像的陰影去除算法，采用白平衡均衡方法實現(xiàn)陰影濾波，提高陰影補(bǔ)償修復(fù)能力，但是該方法計算開銷較大，實時性不好。文獻(xiàn)[6]通過小波尺度分割方法，提取色光背景圖像的顏色和紋理特征，采用最小二乘擬合進(jìn)行像素點跟蹤，實現(xiàn)陰影均衡補(bǔ)償，提高圖像的成像質(zhì)量，但是該算法在受到強(qiáng)度較高的噪聲污染下，圖像陰影的跟蹤補(bǔ)償性能不好，峰值信噪比較低。文獻(xiàn)[7]提出的陰影去除方法，采用盒子濾波算法，在圖像出現(xiàn)光照色差的情況下，陰影去除的效果不好。

針對上述問題，本文提出一種基于紋理損失最小約束跟蹤的圖像陰影去除算法。首先對圖像進(jìn)行紋理分塊結(jié)構(gòu)重構(gòu)，求解圖像陰影的暗原色特征，對圖像進(jìn)行降噪預(yù)處理，在此基礎(chǔ)上，構(gòu)建紋理損失最小約束函數(shù)，以此為約束參量進(jìn)行圖像陰影跟蹤自適應(yīng)均衡補(bǔ)償，實現(xiàn)陰影有效去除，仿真實驗進(jìn)行了性能分析和測試，以峰值信噪比（Peak Signal to Noise Ratio，PSNR）為測試指標(biāo)進(jìn)行圖像陰影去除后的圖像成像質(zhì)量的改善性能進(jìn)行分析，得出有效性結(jié)論，展示了較好的應(yīng)用價值。

1 圖像的分塊結(jié)構(gòu)分析和降噪預(yù)處理

1.1 圖像的分塊結(jié)構(gòu)分析

為了實現(xiàn)對圖像的陰影去除處理，需要首先對圖像進(jìn)行紋理分塊結(jié)構(gòu)重構(gòu)，求解圖像陰影的暗原色特征，在采用數(shù)碼成像設(shè)備進(jìn)行圖像采集，圖像在太陽光或者燈光的作用下，會產(chǎn)生背景色差和應(yīng)用，多重光照下的色差圖像為[g′]，在陰影生成過程中的圖像的分塊散射過程可以描述為一個暗原色先驗分解過程，得到圖像以x為中心的陰影區(qū)域狀態(tài)方程描述為：

式中：[I（x）]為采集的原始圖像的顏色矢量；[J（x）]為像素的數(shù)目；[A]為環(huán)境光效作用成分；[t（x）]為色彩矩陣的平均值；[J（x）t（x）]為圖像陰影產(chǎn)生過程光照衰減因子；[A（1-t（x））]為某個矩形內(nèi)像素大作用系數(shù)，圖像陰影去除處理的目標(biāo)就是從[I（x）]中恢復(fù)[J（x）]，選取了軟摳圖來細(xì)化[A]和[t（x）]的關(guān)聯(lián)度。

采用梯度幅度信息分塊處理方法對圖像進(jìn)行紋理特征提取，多重光照下的陰影圖像的初始分塊的大小選取為固定值15×15，通過清晰圖像與陰影圖像進(jìn)行交叉映射處理，在尺寸大小為m×n的軟摳圖模板中進(jìn)行多重色差核處理[8?10]，本文在Multigen Terrain陰影跟蹤環(huán)境中進(jìn)行圖像的Grid DEM數(shù)據(jù)格式轉(zhuǎn)化，形成3[×]3紋理網(wǎng)格單元，在多邊單尺度特征點中分析圖像陰影移動最大偏移量，得到圖像的色差均衡能量函數(shù)為：

式中：[Vt]為圖像陰影跟蹤目標(biāo)區(qū)域和候選區(qū)域的稀疏先驗系數(shù)；[Wt]為非高斯統(tǒng)計值；[αt]為噪點信息；利用分辨率最高的Mesh網(wǎng)格進(jìn)行像素點的特征采樣，得到陰影圖像的4×4子區(qū)域分塊結(jié)構(gòu)模型如圖1所示。

在圖1中，采用陰影子區(qū)域最大偏移量跟蹤方法進(jìn)行模塊結(jié)構(gòu)沖過，得到陰影圖像的歸一化網(wǎng)絡(luò)結(jié)構(gòu)，通過對陰影圖像的邊界約束進(jìn)行Delaunay三角剖分，對陰影子區(qū)域的剖面層位和斷層進(jìn)行不連續(xù)性拾取，種子點拾取的插值點確定為[?x=[1，-1]]，[?y=[1，-1]T]，在二維投影面上生成圖像的高頻部分[y=[?xg′，?yg′]]。圖像在空間層面邊界信息能量函數(shù)為：

當(dāng)4×4子區(qū)域的分塊像素值滿足約束條件：[k>0，iki=1]，那么圖像的剖面上層位有多重色差核（[ki]是相互獨(dú)立的元素）。通過上述對陰影圖像進(jìn)行分塊結(jié)構(gòu)分析，以此為基礎(chǔ)進(jìn)行圖像的陰影區(qū)域的暗原色特征提取和重構(gòu)，為圖像的陰影去除奠定基礎(chǔ)。

1.2 圖像降噪預(yù)處理

在上述進(jìn)行圖像分塊處理的基礎(chǔ)上，進(jìn)行圖像降噪預(yù)處理，提高圖像的純度，圖像在采集過程中，受到抖動和光學(xué)誤差等干擾，導(dǎo)致圖像產(chǎn)生噪點，圖像的噪點干擾表現(xiàn)為一種高斯的色噪聲，通過降噪處理，為實現(xiàn)圖像的陰影跟蹤提供原始圖像輸入，本文采用小波降噪方法進(jìn)行圖像降噪，首先通過人工設(shè)置網(wǎng)格節(jié)點的大小，在圖像的陰影區(qū)域進(jìn)行網(wǎng)格點補(bǔ)償插值，實現(xiàn)對含噪圖像4個方向的小波分解，設(shè)[g={g（i），i∈Ω}]為一幅含噪聲的夜間色光背景圖像，其中[i]表示像素值[g（i）]的圖像塊相似性，[Ω]表示圖像的坐標(biāo)域，得到圖像小波降噪的狀態(tài)方程：

通過上述迭代方程，在圖像陰影區(qū)域的各斷層求解陰影部位的細(xì)尺度正則項為[?x（f?k）α+][?y（f?k）α]，通過離散點數(shù)據(jù)補(bǔ)償，設(shè)置工區(qū)網(wǎng)格大小，輸入的圖像函數(shù)[f（t）]作為母小波函數(shù)[ψ（t）]，圖像受到零均值的加性高斯色噪聲的干擾，采用小波尺度分解對圖像的采集過程中的干擾分量進(jìn)行局部均衡濾波，設(shè)計的圖像降噪的濾波傳遞函數(shù)為：

式中，以像素點[i]為中心進(jìn)行連續(xù)小波變換，通過連續(xù)小波時間尺度分解，圖像陰影區(qū)域的差異性邊緣輪廓特征以像素點[j]為中心進(jìn)行線性收斂，自適應(yīng)濾波的權(quán)重[w（i，j）]，圖像在復(fù)雜光照背景下的陰影區(qū)域的權(quán)重系數(shù)滿足[0≤w（i，j）≤1]及[j∈Ωw（i，j）=1]。假定圖像的邊緣輪廓特征參量服從高斯分布，即[n∈N（0，σ2n）]，其中[σ2n]為噪聲的方差，考慮到圖像白平衡最優(yōu)解集的有界性，對圖像的陰影背景進(jìn)行自適應(yīng)跟蹤，對圖像進(jìn)行自適用像素分塊，定義權(quán)重如下：

2 圖像紋理損失最小約束和圖像陰影去除算法

改進(jìn)實現(xiàn)

2.1 問題描述及圖像紋理損失最小約束模型

在上述進(jìn)行了圖像降噪預(yù)處理的基礎(chǔ)上，進(jìn)行圖像陰影去除算法改進(jìn)設(shè)計，圖像采集過程中由于光照角度的影響產(chǎn)生陰影，對圖像陰影的有效去除能提高圖像的暗原色修復(fù)能力，改善成像質(zhì)量。當(dāng)前方法采用盒子濾波方法進(jìn)行圖像陰影去除，在光照色差的干擾下，陰影去除的效果不好。為了克服傳統(tǒng)方法的弊端，本文提出一種基于紋理損失最小約束跟蹤的圖像陰影去除算法。算法設(shè)計的總體流程結(jié)構(gòu)如圖2所示。

根據(jù)圖像陰影區(qū)域的邊緣輪廓信息進(jìn)行暗原色特征提取，對圖像的局部紋理特征進(jìn)行小波尺度分解，采用圖像盲去卷積算法進(jìn)行圖像平滑，更新圖像的紋理核的基團(tuán)，如下：

式中：[c1]為圖像的低頻權(quán)重；[c2]為圖像的高頻權(quán)重。采用對數(shù)似然比檢測成像區(qū)域的紋理信息，隨著陰影面積的增大，在多重光照下的圖像存在著拖影，影響圖像的陰影去除性能，在圖像的成像區(qū)域的物體動態(tài)運(yùn)動區(qū)域內(nèi)，根據(jù)圖像的陰影尺度、主方向等信息進(jìn)行紋理損失最小約束，圖像灰度像素[c]在紋理損失最小約束下的代價函數(shù)為：

式中：[mj]為圖像的紋理分辨率；[cj]為像素加權(quán)平均值。對多重光照下的陰影圖像進(jìn)行紋理損失最小約束模型構(gòu)建，利用顏色與紋理信息進(jìn)行特征匹配和圖像邊緣分割，以此為基礎(chǔ)，進(jìn)行圖像的陰影跟蹤和濾除。

2.2 圖像陰影去除算法改進(jìn)實現(xiàn)

對圖像進(jìn)行網(wǎng)格初始化，在網(wǎng)格區(qū)域內(nèi)對圖像的陰影區(qū)域進(jìn)行紋理約束套索跟蹤，得到圖像陰影層面的網(wǎng)格點為：

式中：[uik]為圖像的紋理損失的小波閾值；[β]為陰影分離系數(shù)；[xk]為模糊均值。沿梯度方向求得圖像邊緣信息，通過特征聚類方法對圖像進(jìn)行層位網(wǎng)格補(bǔ)償插值處理。假設(shè)[Rt]為[t]時刻的圖像網(wǎng)格補(bǔ)償像素，[R0]為圖像陰影區(qū)域的白平衡偏差，通過矢量裁剪方法求出圖像陰影區(qū)域?qū)游幻婢W(wǎng)格的交點，其集合如下：

基于曲面約束方法，對圖像進(jìn)行紋理分解和最小程控約束跟蹤，對圖像陰影矢量邊界求出交點，連點成面，更新多重色差核[k]，利用這些交點序列實現(xiàn)圖像的陰影去除，得到圖像陰影跟蹤去除的目標(biāo)特征點i的鄰域用[Ni]定義為：

式中：層位面被斷層面檢索的圖像陰影光照色差區(qū)間[i]和[i′]間的Euclidean距離用[dist（i，i′）]來描述；r為網(wǎng)格節(jié)點上的待插值點。利用周圍網(wǎng)格中嵌套的構(gòu)造解釋離散點進(jìn)行陰影濾波，得到濾波函數(shù)公式表示為：

式中：[gj]表示兩個重疊的像素點的色差；[i-j]為補(bǔ)償插值點的歐式距離；[gi-gj]為圖像的陰影層位和斷層的交點距離，通過上述處理，在圖像的陰影去除過程中避免了大量的像素色差的干擾，特別是在視覺切換和光線強(qiáng)度衰減下，能實現(xiàn)圖像的輪廓塊間的投影分離，提高了陰影去除的效能。

3 仿真實驗與結(jié)果分析

為了測試本文算法在實現(xiàn)圖像陰影跟蹤和去除中的性能，進(jìn)行仿真實驗。本實驗所用的主機(jī)配置為Pen[tium?]D CPU 2.80 GHz、2.79 GHz，2.00 GB內(nèi)存，基于Matlab 2010編程平臺，進(jìn)行數(shù)學(xué)編程，進(jìn)行圖像的降噪和陰影去除處理的代碼設(shè)計。

圖像信息處理數(shù)據(jù)的數(shù)據(jù)包建立在DLL庫中，包括：MFC42D.DLL，MFCD42D.DLL。首先進(jìn)行圖像的原始信息采集，原始圖像采集的曝光時間設(shè)置為t=10 s，光圈設(shè)定為F=10 mm，ISO為100，依據(jù)空間位置以小塊對圖像進(jìn)行分割，所有小塊均包含8×8的像素，將梯度方向0～180°劃分成9個方向塊，其中各方向塊的范圍是200。根據(jù)上述仿真環(huán)境和參數(shù)設(shè)定，為檢驗本文進(jìn)行圖像處理的性能，構(gòu)建圖像陰影去除的評價體系，對圖像處理的性能進(jìn)行系統(tǒng)量化比較，評價算法的性能優(yōu)越性，定義峰值信噪比作為圖像陰影去除改善指標(biāo)評價體系，表示如下：

式中，[xi]為圖像的像素值，通過上述定義的峰值信噪比PSNR，進(jìn)行圖像陰影去除改善性能的定量評價指標(biāo)，PSNR越高表示圖像的成像效果優(yōu)越，降噪效果較好。根據(jù)上述設(shè)計，在視頻監(jiān)控的第1 002幀和2 000幀處分別截取兩個圖像作為待分析的原始圖像，圖像采集結(jié)果如圖3所示。圖3中，原始圖像的后景點受到光照的影響，產(chǎn)生陰影，采用本文方法進(jìn)行陰影去除，在紋理損失最小約束控制下，進(jìn)行圖像的暗原色特征提取，得到提取結(jié)果如圖4所示。

通過上述設(shè)計方法求解圖像陰影的暗原色特征，對圖像進(jìn)行降噪預(yù)處理，以紋理損失最小約束參量進(jìn)行圖像陰影跟蹤自適應(yīng)均衡補(bǔ)償，實現(xiàn)陰影有效去除，得到輸出的圖像如圖5所示。

由圖5可見，采用本文方法進(jìn)行圖像陰影去除處理，具有較好的圖像質(zhì)量改善性能，為了對比性能，以峰值信噪比為測試指標(biāo)，得到對比結(jié)果如圖6所示。

由圖6可見，采用本文算法進(jìn)行圖像陰影跟蹤去除，輸出圖像的峰值信噪比較傳統(tǒng)方法高，說明本文方法進(jìn)行圖像處理的成像效果優(yōu)越，陰影去除和圖像降噪效果較好。

4 結(jié) 語

圖像在多重光融合背景下進(jìn)行采集過程中，由于受到光照的方向和強(qiáng)度的干擾和影響，導(dǎo)致白平衡失真和偏差，從而產(chǎn)生圖像陰影，圖像陰影中暗原色的存在影響圖像的紋理識別性能。本文提出一種基于紋理損失最小約束跟蹤的圖像陰影去除算法。首先對圖像進(jìn)行紋理分塊結(jié)構(gòu)重構(gòu)，求解圖像陰影的暗原色特征，對圖像進(jìn)行降噪預(yù)處理，在此基礎(chǔ)上，構(gòu)建紋理損失最小約束函數(shù)，以此為約束參量進(jìn)行圖像陰影跟蹤自適應(yīng)均衡補(bǔ)償，實現(xiàn)陰影有效去除。研究結(jié)果表明，利用該方法進(jìn)行圖像陰影去除的成像效果較好，性能指標(biāo)得到有效提高。

參考文獻(xiàn)

[1] 蔣建國，金玉龍，齊美彬，等.基于稀疏表達(dá)殘差的自然場景運(yùn)動目標(biāo)檢測[J].電子學(xué)報，2015，43（9）：1738?1744.

[2] 劉金龍，熊承義，高志榮，等.結(jié)合全變差與自適應(yīng)低秩正則化的圖像壓縮感知重構(gòu)[J].計算機(jī)應(yīng)用，2016，36（1）：233?237.

[3] 許妙忠，叢銘，萬麗娟，等.視覺感受與Markov隨機(jī)場相結(jié)合的高分辨率遙感影像分割法[J].測繪學(xué)報，2015，44（2）：198?205.

[4] 丁軍，劉宏偉，陳渤，等.相似性約束的深度置信網(wǎng)絡(luò)在SAR圖像目標(biāo)識別的應(yīng)用[J].電子與信息學(xué)報，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] 苗啟廣，王寶樹.基于局部對比度的自適應(yīng)PCNN圖像融合[J].計算機(jī)學(xué)報，2008，31（5）：875?880.

[8] 段峰峰，王永濱，楊麗芳，等.基于主成分分析方向深度梯度直方圖的立體視覺深度圖特征提取[J].計算機(jī)應(yīng)用，2016，36（1）：222?226.

[9] 楊靖宇，張永生，鄒曉亮，等.利用暗原色先驗知識實現(xiàn)航空影像快速去霧[J].武漢大學(xué)學(xué)報（信息科學(xué)版），2010，35（11）：1292?1295.

[10] 趙雪梅，李玉，趙泉華.基于隱馬爾可夫高斯隨機(jī)場模型的模糊聚類高分辨率遙感影像分割算法[J].電子學(xué)報，2016，44（3）：679?686.