【技术实现步骤摘要】
本专利技术属于图像处理技术，具体涉及一种基于二维符号距离场的阴影消除方法。
技术介绍
1、阴影消除是图像处理和计算机视觉领域中的一个重要研究课题。由于自然场景中的光源常常受到部分或完全遮挡，阴影的出现不仅影响了图像的视觉质量，还对后续的视觉任务（如目标检测、跟踪和图像识别）造成了严重的干扰。因此，研究如何从阴影图像中恢复出无阴影图像，对于提升计算机视觉系统的性能具有重要意义。为了提高图像阴影消除的质量，近年来，研究人员在阴影检测与消除技术方面取得了显著进展。从影响阴影去除效果的因素出发，按不同的处理方法将相关算法分为以下几类。
2、基于传统方法的阴影消除：这些方法主要依赖于图像处理和计算机视觉的经典技术，通过先验知识和经验法则来识别和去除阴影。典型的做法是利用图像的光度一致性、颜色校正、边缘检测、梯度调整等信息来推断阴影区域，这类方法在处理简单场景和均匀光照条件下效果良好，但在复杂的光照环境和不均匀阴影边界时，其性能受到限制。
3、基于曝光融合的阴影消除方法：这类方法旨在通过多重曝光图像的结合来改善阴影区域的颜色和光照质量，即生成多张不同曝光级别的图像，以便在阴影区域进行有效的亮度补偿。但是仍面临挑战，尤其是在图像融合过程中可能产生的伪影和边界不连续性问题。
4、基于风格迁移的阴影消除方法：这些方法将阴影去除任务视为图像内风格转移问题，通过在去阴影后保持阴影区域与无阴影区域的风格一致性来改善去除效果。但这种方法可能导致去除后的阴影区域与图像的其他部分在视觉上不和谐。
5、基于图像修
6、基于扩散模型的阴影消除方法：近年来，扩散模型在图像生成和修复领域取得了显著进展，成为解决复杂图像处理任务的重要工具；该方法通常分为两个主要阶段：正向扩散阶段和逆向去噪阶段。由于扩散模型需要多步处理，计算资源消耗较大，特别是在处理高分辨率图像时，效率问题尤为突出。
7、总的来说，以上现有技术虽能够一定程度消除阴影，但是仍然存在一些局限性如：
8、1、局部信息感知能力有限：传统的基于cnn的方法由于其感受野的限制，通常侧重于捕捉局部的纹理和细节信息，难以全面感知图像的全局光照和整体结构。这使得它们在处理光照变化较大或复杂的场景时，无法有效去除阴影。
9、2、边界伪影问题：许多方法依赖于二值掩码来区分阴影区域和非阴影区域，而这种掩码的边界通常存在不连续性。这会导致阴影去除后，边界区域容易出现伪影和不自然的过渡，导致阴影区域与周围环境的不一致性。
技术实现思路
1、专利技术目的：本专利技术的目的在于解决现有技术中存在的不足，提供一种基于二维符号距离场的阴影消除方法。
2、技术方案：本专利技术的一种基于二维符号距离场的阴影消除方法，将待处理的阴影图像输入阴影消除网络，执行以下处理过程：
3、步骤1、通过2d符号距离场计算阴影图像中每个像素到最近阴影边界的距离，并为阴影区域内的像素赋予负值以及为非阴影区域的像素赋予正值，得到软权重掩码和sdf图像，再通过软权重掩码提取原始阴影图像中的阴影区域和非阴影区域；此处有效地将空间中的每个点与目标形状的空间关系编码为一个标量值，为后续的图像处理和计算提供了基础，而且软权重掩码可以解决现有二进制掩码不连续梯度引起的阴影边界伪影问题；
4、步骤2、将原始阴影图像和sdf图像一起输入快速傅里叶变换模块fft，所述快速傅里叶变换模块fft包含两个并行分支：全局频率分支和局部空间分支，局部空间分支通过空间卷积操作提取原始阴影图像的局部空间特征，得到局部细节信息，包括纹理、梯度和局部光照变化等，同时全局频率分支通过fft频谱变换模块提取原始阴影图像的全局频率特征，增强网络对全局结构和光照变化的感知能力；
5、步骤3、信息交互模块iim中，首先使用交叉注意力机制融合步骤2所得全局频率特征和局部空间特征，生成对应的注意力权重图，然后使用自适应融合模块adafu动态融合两个注意力权重图，输出融合特征；后续将其与解码器的特征图进行通道维度的拼接；
6、步骤4、边界细化模块brm中，先将sdf图像作为查询（query），将全局频率特征和局部空间特征融合得到特征图，特征图作为键值对key 和value，然后计算sdf图像与特征图二者相似性得到注意力权重，通过注意力权重优化阴影边界区域，接着将所得优化结果再次与sdf图像连接，并做逐像素的深度可分离卷积dwconv操作，输出边界细化后特征图；后续将其解码器相同维度的特征图相加；
7、步骤5、通过卷积操作提取步骤1所得非阴影区域的特征，并聚合得到全局特征向量；通过卷积操作提取步骤1所得sdf图像的特征，得到sdf特征；对步骤4所得特征图进行实例归一化in操作，得到特征；
8、通过全局特征调制模块gfm将全局特征向量、特征和sdf特征进行调制，最终输出无阴影图像，通过调制捕获和细化fft特征、sdf图像和非阴影区域的特征以去除阴影。
9、进一步地，阴影消除网络基于生成对抗网络，其生成器包括快速傅里叶变换模块fft、信息交互模块iim、全局特征调制模块gfm和边界细化模块brm。
10、进一步地，所述fft频谱变换模块的开始部分和结束部分分别使用1×1卷积，两个1×1卷积之间依次真实快速傅里叶变换real fft、1×1卷积、3×3膨胀卷积dconv和逆傅里叶变换inverse fft，逆傅里叶变换inverse fft与结束的1×1卷积之间使用自适应截断机制adaclip；在真实快速傅里叶变换real fft之后还使用绝对位置嵌入模块ape；
11、所述自适应截断机制adaclip先对逆傅里叶变换后的特征均值进行归一化，然后根据输入特征的最大值和最小值进行截断，具体公式如下：
12、
13、其中，是输入特征，是归一化后的特征；
14、所述绝对位置嵌入模块ape将每个频率分量的位置信息编码为额外的输入特征。
15、为增强跳过连接和上采样阶段，高效融合全局和局部特征，从而提高对复杂阴影场景的处理能力，所述信息交互模块利用交叉注意力机制，将局部空间特征作为query以及将全局频率特征作为key和value，生成对应的注意力权重图，以优化信息的融合效果；表达式如下：
16、
17、接着使用自适应融合模块adafu动态调节融合权重，实现对应局部信息和全局信息的动态合并，得到融合特征，表达式如下：
18、
19、其中，是可学习的门控矩阵，取值范围为（0, 1）。
20、信息交互模块iim能够增强网络对阴影和非阴影区域的细微变化的感知能力，实现更准确和连贯的阴影去除，输出的融合特征再与解码器的特征图融合，传递融合之后的信息。
21、为进一步提高去阴影后图本文档来自技高网...
【技术保护点】
1.一种基于二维符号距离场的阴影消除方法，其特征在于，将待处理的阴影图像输入阴影消除网络，并执行以下处理过程：
2.根据权利要求1所述的基于二维符号距离场的阴影消除方法，其特征在于，所述阴影消除网络基于生成对抗网络，其生成器包括快速傅里叶变换模块FFT、信息交互模块IIM、全局特征调制模块GFM和边界细化模块BRM。
3.根据权利要求1所述的基于二维符号距离场的阴影消除方法，其特征在于，所述FFT频谱变换模块的开始部分和结束部分分别使用1×1卷积，两个1×1卷积之间依次真实快速傅里叶变换Real FFT、1×1卷积、3×3膨胀卷积DConv和逆傅里叶变换Inverse FFT，逆傅里叶变换Inverse FFT与结束的1×1卷积之间使用自适应截断机制AdaClip；在真实快速傅里叶变换Real FFT之后还使用绝对位置嵌入模块APE；
4.根据权利要求1所述的基于二维符号距离场的阴影消除方法，其特征在于，所述信息交互模块利用交叉注意力机制，将局部空间特征作为Query以及将全局频率特征作为Key和Value，生成对应的注意力权重图，以优化信息的
5.接着使用自适应融合模块AdaFu动态调节融合权重，实现对应局部信息和全局信息的动态合并，得到融合特征，表达式如下：
6.根据权利要求1所述的基于二维符号距离场的阴影消除方法，其特征在于，所述全局特征调制模块GFM中，使用像素特征优化PFR操作来优化全局特征向量和SDF特征图的像素；具体方法为：
7.根据权利要求1或2所述的基于二维符号距离场的阴影消除方法，其特征在于，训练基于生成对抗网络的阴影消除网络过程中，通过L1损失函数优化生成器预测的无阴影图像与真实图像之间的差异，使用二值交叉熵损失函数来优化判别器区分去阴影图像与真实图像的能力，具体内容如下：
...【技术特征摘要】
1.一种基于二维符号距离场的阴影消除方法，其特征在于，将待处理的阴影图像输入阴影消除网络，并执行以下处理过程：
2.根据权利要求1所述的基于二维符号距离场的阴影消除方法，其特征在于，所述阴影消除网络基于生成对抗网络，其生成器包括快速傅里叶变换模块fft、信息交互模块iim、全局特征调制模块gfm和边界细化模块brm。
3.根据权利要求1所述的基于二维符号距离场的阴影消除方法，其特征在于，所述fft频谱变换模块的开始部分和结束部分分别使用1×1卷积，两个1×1卷积之间依次真实快速傅里叶变换real fft、1×1卷积、3×3膨胀卷积dconv和逆傅里叶变换inverse fft，逆傅里叶变换inverse fft与结束的1×1卷积之间使用自适应截断机制adaclip；在真实快速傅里叶变换real fft之后还使用绝对位置嵌入模块ape；
4.根据权利要求1所述的基...
【专利技术属性】
技术研发人员：付燕平，张宇霆，赵海峰，张少杰，曹明伟，
申请(专利权)人：安徽大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。