高光譜本征圖像的分解方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計算機(jī)視覺技術(shù)領(lǐng)域，特別涉及一種高光譜本征圖像的分解方法及裝 置。
【背景技術(shù)】
[0002] 物體在人們眼中所呈的像是由物體的本質(zhì)屬性與環(huán)境屬性相互作用確定，如物體 表面的形狀、顏色、材質(zhì)，以及環(huán)境光照、周圍物體的反射等。其中，光照和反射是其中最重 要的兩種屬性：光照對應(yīng)環(huán)境中的光照信息，包括直接光照和間接光照；反射對應(yīng)物體的 固有屬性，包括形狀、顏色和材質(zhì)。
[0003] 計算機(jī)視覺領(lǐng)域的一個主要任務(wù)是從場景中提取本征屬性，從而對圖像的每一個 像素進(jìn)行描述。為了解決這種高度欠約束問題，獲取人們所需要的信息，先前的研宄已經(jīng)提 出了很多簡單或復(fù)雜的模型，但真實(shí)場景中對這些模型的估計仍然是一個開放性問題，因 為真實(shí)場景中物體所呈的像由于陰影、高光、相互反射往往更為復(fù)雜，并受到他們的光源色 度特性進(jìn)一步影響。對復(fù)雜場景中的反射和光照特性進(jìn)行估計，對許多計算機(jī)視覺和圖形 學(xué)的應(yīng)用至關(guān)重要：一方面，透過物體表面，本征圖像分解給出了一個不隨光照等環(huán)境變化 的更具有區(qū)別性的反射圖像，這無疑簡化了圖像分割、物體識別等問題。另一方面，人們不 需要熟悉場景就可以對場景進(jìn)行估計，人們也可以描述之前從未見過的場景，這也對物體 重著色、紋理編輯、場景重建、虛擬現(xiàn)實(shí)等問題提供了新的解決方案。
[0004] 相關(guān)技術(shù)中的本征圖像分解通常是基于單幅彩色或灰度圖像，但是由于缺少場景 的光譜細(xì)節(jié)，導(dǎo)致反射和光照分離效果受到很大限制。而對于更加欠約束的光照分解問題， 相關(guān)技術(shù)中是對光照圖中像素的RGB值分解，并加入用戶交互，但這種方法主觀性強(qiáng)，使用 較為復(fù)雜。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明旨在至少在一定程度上解決上述相關(guān)技術(shù)中的技術(shù)問題之一。
[0006] 為此，本發(fā)明的一個目的在于提出一種能提高圖像分解的準(zhǔn)確性，并且簡單方便 的高光譜本征圖像的分解方法。
[0007] 本發(fā)明的另一個目的在于提出一種高光譜本征圖像的分解裝置。
[0008] 為達(dá)到上述目的，本發(fā)明一方面實(shí)施例提出了一種高光譜本征圖像的分解方法， 包括以下步驟：獲取高光譜圖像序列；通過Retinex約束、非局部紋理約束和絕對尺度對 高光譜圖像進(jìn)行初始分解；通過共軛梯度算法對初始分解后的高光譜圖像進(jìn)行求解，以獲 取初始反射本征圖與直接光照本征圖；通過基于高光譜字典學(xué)習(xí)的間接光照分量分解算法 對所述初始反射本征圖進(jìn)行基光譜訓(xùn)練和光傳輸分解，以獲取反射本征圖和間接光照本征 圖。
[0009] 根據(jù)本發(fā)明實(shí)施例提出的高光譜本征圖像的分解方法，通過Retinex約束、非局 部紋理約束和絕對尺度對高光譜圖像進(jìn)行分解，并且在獲取初始反射本征圖與直接光照本 征圖之后，對初始反射本征圖進(jìn)行基光譜訓(xùn)練和光傳輸分解，結(jié)合字典學(xué)習(xí)，力求分解誤差 最小化，從而提高圖像分解的準(zhǔn)確性，簡單方便，更好地滿足用戶的使用需求。
[0010] 另外，根據(jù)本發(fā)明上述實(shí)施例的高光譜本征圖像的分解方法還可以具有如下附加 的技術(shù)特征：
[0011] 進(jìn)一步地，在本發(fā)明的一個實(shí)施例中，在所述獲取初始本征圖與直接光照本征圖 之后，還包括：通過K-Means聚類算法對所述初始反射本征圖進(jìn)行聚類。
[0012] 進(jìn)一步地，在本發(fā)明的一個實(shí)施例中，基于所述Retinex約束、非局部紋理約束和 絕對尺度的目標(biāo)函數(shù)為：
[0013] arg minsF(S) = μ (S) + μ rfr (S) + μ α f α (S),
[0014] 其中，S為光照本征圖，U1為第一正數(shù)權(quán)值，μ 1?為第二正數(shù)權(quán)值，μ α為第三正數(shù) 權(quán)值，為所述Retinex約束的局部項(xiàng)，為所述非局部紋理約束的全局項(xiàng)，faS所述絕 對尺度的絕對值項(xiàng)。
【主權(quán)項(xiàng)】
1. 一種高光譜本征圖像的分解方法，其特征在于，包括以下步驟： 獲取高光譜圖像序列； 通過Retinex約束、非局部紋理約束和絕對尺度對高光譜圖像進(jìn)行初始分解； 通過共軛梯度算法對初始分解后的高光譜圖像進(jìn)行求解，以獲取初始反射本征圖與直 接光照本征圖； 通過基于高光譜字典學(xué)習(xí)的間接光照分量分解算法對所述初始反射本征圖進(jìn)行基光 譜訓(xùn)練和光傳輸分解，以獲取反射本征圖和間接光照本征圖。
2. 根據(jù)權(quán)利要求1所述的高光譜本征圖像的分解方法，其特征在于，在所述獲取初始 本征圖與直接光照本征圖之后，還包括：通過K-Means聚類算法對所述初始反射本征圖進(jìn) 行聚類。
3. 根據(jù)權(quán)利要求1所述的高光譜本征圖像的分解方法，其特征在于，基于所述Retinex 約束、非局部紋理約束和絕對尺度的目標(biāo)函數(shù)為： argminsF(S) =y(S) +yrfr (S) +yafa (S), 其中，S為光照本征圖，為第一正數(shù)權(quán)值，?為第二正數(shù)權(quán)值，y^為第三正數(shù)權(quán) 值，為所述Retinex約束的局部項(xiàng)，為所述非局部紋理約束的全局項(xiàng)，fa為所述絕對 尺度的絕對值項(xiàng)。
4. 根據(jù)權(quán)利要求1所述的高光譜本征圖像的分解方法，其特征在于，通過以下公式進(jìn) 行基光譜訓(xùn)練，所述公式為：
其中，i?G 為圖像高光譜數(shù)據(jù)的二維矩陣，n為高光譜通道個數(shù)，m為場景中像素 點(diǎn)個數(shù)，De 為基光譜字典，q為基光譜字典原子個數(shù)，xe為每 列為k-稀疏向量Xi的矩陣，并且k為預(yù)設(shè)稀疏程度。
5. 根據(jù)權(quán)利要求1所述的高光譜本征圖像的分解方法，其特征在于，通過以下公式進(jìn) 行光傳輸分解，所述公式為：
其中，x，y為像素位置，R(A)為各波段的反射光譜圖像，&為傳輸系數(shù)矩陣，L為基光 譜。
6. -種高光譜本征圖像的分解裝置，其特征在于，包括： 獲取模塊，用于獲取高光譜圖像序列； 第一分解模塊，用于通過Retinex約束、非局部紋理約束和絕對尺度對高光譜圖像進(jìn) 行初始分解； 計算模塊，用于通過共軛梯度算法對初始分解后的高光譜圖像進(jìn)行求解，以獲取初始 反射本征圖與直接光照本征圖； 第二分解模塊，用于通過基于高光譜字典學(xué)習(xí)的間接光照分量分解算法對所述初始反 射本征圖進(jìn)行基光譜訓(xùn)練和光傳輸分解，以獲取反射本征圖和間接光照本征圖。
7. 根據(jù)權(quán)利要求6所述的高光譜本征圖像的分解裝置，其特征在于，還包括： 聚類模塊，用于通過K-Means聚類算法對所述初始反射本征圖進(jìn)行聚類。
8. 根據(jù)權(quán)利要求6所述的高光譜本征圖像的分解裝置，其特征在于，基于所述Retinex 約束、非局部紋理約束和絕對尺度的目標(biāo)函數(shù)為： argminsF(S) =y(S) +yrfr (S) +yafa (S), 其中，S為光照本征圖，為第一正數(shù)權(quán)值，?為第二正數(shù)權(quán)值，y^為第三正數(shù)權(quán) 值，為所述Retinex約束的局部項(xiàng)，為所述非局部紋理約束的全局項(xiàng)，fa為所述絕對 尺度的絕對值項(xiàng)。
9. 根據(jù)權(quán)利要求6所述的高光譜本征圖像的分解裝置，其特征在于，通過以下公式進(jìn) 行基光譜訓(xùn)練，所述公式為：
其中，i?eEnXm為圖像高光譜數(shù)據(jù)的二維矩陣，n為高光譜通道個數(shù)，m為場景中像素 點(diǎn)個數(shù)，Z)E 為基光譜字典，q為基光譜字典原子個數(shù)，X= [%,???,;?]ElTxm:為每 列為k-稀疏向量Xi的矩陣，并且k為預(yù)設(shè)稀疏程度。
10. 根據(jù)權(quán)利要求6所述的高光譜本征圖像的分解裝置，其特征在于，通過以下公式進(jìn) 行光傳輸分解，所述公式為：
其中，x，y為像素位置，R(A)為各波段的反射光譜圖像，&為傳輸系數(shù)矩陣，L為基光 譜。
【專利摘要】本發(fā)明公開了一種高光譜本征圖像的分解方法及裝置，其中，方法包括以下步驟：獲取高光譜圖像序列；通過Retinex約束、非局部紋理約束和絕對尺度進(jìn)行分解；通過共軛梯度算法對分解后的高光譜圖像進(jìn)行求解，以獲取初始反射本征圖與直接光照本征圖；通過基于高光譜字典學(xué)習(xí)的間接光照分量分解算法對初始反射本征圖進(jìn)行基光譜訓(xùn)練和光傳輸分解，以獲取反射本征圖和間接光照本征圖。該方法通過基于Retinex理論并添加非局部紋理約束，結(jié)合字典學(xué)習(xí)，從而提高圖像分解的準(zhǔn)確性，簡單方便，更好地滿足用戶的使用需求。
【IPC分類】G06K9-62, G06K9-46
【公開號】CN104700109
【申請?zhí)枴緾N201510130849
【發(fā)明人】戴瓊海, 林星, 許晨雪, 張永兵, 王好謙
【申請人】清華大學(xué), 清華大學(xué)深圳研究生院
【公開日】2015年6月10日
【申請日】2015年3月24日