版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領
文檔簡介
1、彩色圖像的顏色復原一直是計算機視覺領域研究的熱點和難點問題,基于雙色反射模型對其進行探究是彩色圖像顏色復原領域的一個重要研究角度。顏色恒常,指的是人眼系統(tǒng)對顏色感知的自適應機制。雖然自然場景中不同的光源顏色會影響物體表面的固有顏色,但是人眼依舊可以對物體表面的顏色感知保持不變。而計算機卻不具有類似人眼系統(tǒng)的自適應機制,因此場景中光源的顏色給基于顏色的目標識別、目標跟蹤和圖像檢索等計算機視覺領域的任務帶來很大困擾,是一個亟待解決的難題。在
2、雙色反射模型下,物體表面的顏色可以認為由鏡面反射和漫反射兩個分量引起。由于物體擺放的角度問題,強光照射有時會給物體表面造成成片的高亮區(qū)域,這對計算機視覺中的物體形狀估計、立體視覺和運動分析等影響較大。如何有效的去除高光,實現(xiàn)鏡面反射和漫反射的分離,同樣具有重要的研究價值。本文主要探討基于雙色反射模型的彩色圖像顏色復原領域的相關(guān)難題,分別對顏色恒常算法和高光去除算法展開了研究,主要工作包含以下兩個方面:
(1)提出改進的高光邊緣
3、顏色恒常算法。高光區(qū)域包含豐富光源信息,然而由于自然場景中的亮度范圍往往會超過相機傳感器所能捕獲的動態(tài)范圍。針對高光區(qū)域易產(chǎn)生過曝光的現(xiàn)象,首先采用過曝光區(qū)域自動校正算法對過飽和區(qū)域進行恢復,得到恢復后的高動態(tài)范圍圖像,然后通過迭代算法將圖像梯度投影到估計出的光源方向上,得到光源的顏色估計,最后用估計出的光源來校正整幅圖像,去除本身光源顏色的影響,得到標準光源下的圖像。實驗證明本文算法準確性較高。
(2)提出基于亮度補償?shù)聂敯?/p>
4、性高光去除算法。聯(lián)合雙邊濾波高光去除算法中將高光當作一種嗓聲進行去除,然而現(xiàn)實世界中的圖像往往會包含很多其他噪聲,同時該算法計算過程中會帶來額外的噪聲。如何降低這些噪聲的干擾,增強高光去除算法的魯棒性是本文研究的一個問題。同時,高亮區(qū)域像素點的最大色度值往往低于周圍像素點,因此本文考慮采用亮度分量來對最大色度進行補償,將補償后的結(jié)果用于聯(lián)合雙邊濾波的輸入。實驗證明本文算法魯棒性和有效性均有提高。
通過與現(xiàn)有的顏色恒常算法和高光
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于調(diào)和模型神經(jīng)網(wǎng)絡的彩色圖像復原方法研究.pdf
- 彩色圖像復原研究.pdf
- 基于DCT的彩色圖像雙水印算法.pdf
- 基于LLT模型的多通道圖像復原算法.pdf
- 彩色圖像雙水印嵌入算法研究.pdf
- 基于色差模型的彩色圖像灰度化算法研究.pdf
- 基于雙變換域彩色數(shù)字圖像水印算法研究.pdf
- 基于剪切波的圖像復原算法研究.pdf
- 圖像復原的模型和稀疏優(yōu)化算法研究.pdf
- 基于模型法的激光水下降質(zhì)圖像復原算法研究.pdf
- 基于后向散射噪聲模型的水下圖像復原算法研究.pdf
- 霧天彩色圖像復原方法研究.pdf
- 基于偏振特性的圖像復原算法的研究.pdf
- 基于小波域的雙彩色圖像數(shù)字水印算法研究.pdf
- 基于PDE方法的圖像復原算法研究.pdf
- 一種基于分塊DCT的雙彩色圖像水印算法研究.pdf
- 基于稀疏表示的圖像復原算法研究.pdf
- 基于紋理合成的圖像復原算法研究.pdf
- 圖像復原問題變分模型和算法研究.pdf
- 圖像盲復原算法研究.pdf
評論
0/150
提交評論