[发明专利]一种基于多尺度L0稀疏约束的本征图像分解方法

说明书

技术领域

本发明涉及图像处理领域，尤其涉及一种基于多尺度L0稀疏约束的本征图像分解方法。

背景技术

本征图像分解的目标是将图像分解为依赖材质的部分和依赖光照的部分，即反射率分量和光照分量。Barrow和Tenenbaum^[1]首先提出了这种图片的分解方式，并且将反射率分量和光照分量称之为图像的本质特征。因为分解得到的每个部分代表了一个不同的物理元素，所以本征图像分解在计算机视觉和计算机图形学的很多问题中都有应用，例如：重着色^[2]、图像分割和物体识别^[3]等。

但是这个问题仍然是一个具有挑战性的问题，因为其具有严重的病态特征，即给出一张图像，未知量的个数是方程个数的两倍。为了解决这个问题，早期的研究者利用同一场景在不同光照下的多张图片来做本征分解得到了很好的结果^[4,5]，这种严苛的条件限制了实际的应用。近年来，利用单张图片进行本征分解得到了更多的关注。

解决这种病态问题一般的方法是添加一些先验条件，Retinex模型^[6,7]是使用最多的先验条件，它的假设是光照分量引起的变化是小幅度的，大幅度的变化是由反射率分量引起的。这个简单的假设虽然直观但是真实的场景图像中很难保证。所以基于训练的方法^[8,9]被开发出来得到反射率分量和光照分量引起的变化特征。但是训练的结果是与训练数据相关的，很难包含所有图像的规则。Shen^[10]提出了一种方法，用像素邻域的局部窗口的加权和作为一个像素的反射率分量，从而将本征分解问题转化为函数最小化问题。

上面的这些方法都是使用局部的先验限制条件，最近的研究表明非局部的先验限制可以保证全局的一致性并且极大的改善分解结果。Shen和Yeo提出了一种全局的先验限制^[11]，反射率分量颜色的总数是很少的，并将其作为图像中反射率分量不同取值的个数的代价。Zhao^[12]根据纹理分析提出了另一种非局部先验限制，如果两个非近邻的像素点有相似的纹理结构，他们一般应该有相似的反射率分量。这些方法都依赖于色度值，而色度值有时并不可靠。尤其是在自然图像中。因此，亟需提出一种对色度值依赖较少的全局限制条件。

发明内容

本发明提供了一种基于多尺度L0稀疏约束的本征图像分解方法，本发明将非局部的零范式稀疏约束添加到原有的本征图像分解方法中，并且提出了一种分层迭代的方法解决了效率问题，同时减少了对色度值的依赖，详见下文描述：

一种基于多尺度L0稀疏约束的本征图像分解方法，所述方法包括以下步骤：

初始化反射率分量

利用非局部的零范式稀疏约束模型得到像素间反射率分量的相似度度量W^R；

计算像素间光照分量相似度的度量W^S；

通过求解最优化问题得到本层的反射率分量R和光照分量S。

所述利用非局部的零范式稀疏约束模型得到像素间反射率分量的相似度度量W^R的步骤具体为：

1)通过初始化反射率分量得到特征向量X_i；

2)获取每个像素点对应的字典D_i；

3)通过正交匹配追踪算法解L0最小化问题得到X_i在字典D_i下的稀疏表达系数α_i；

4)通过基于正则化剩余来衡量不同像素点反射率分量的相似度，获取像素间反射率分量的相似度度量W^R。

所述通过求解最优化问题得到本层的反射率分量R和光照分量S的步骤具体为：

1)构建优化的目标函数；

2)将目标函数转化为标准二次优化，获取闭合形式的解，判断是否进入下一次迭代还是作为最终的解。

所述优化的目标函数具体为：