[发明专利]基于图像边缘一致性的通用异常点似然性估计方法

说明书

本发明属于图像处理技术领域，具体涉及一种基于图像边缘一致性的通用异常点似然性估计方法，该方法包括：采用局部线性假设表征原图与测量图之间的边缘一致性；将原图与测量图之间的边缘一致性建模为带有等式约束的加权线性回归问题；采用线性复杂度的全图迭代算法，计算测量图中像素的异常点似然性。本发明公开的通用异常点似然性估计方法，不依赖于特定硬件或模型，能够应用于多数图像测量过程。并且，本发明计算负担低，且无需任何关于测量过程的经验知识即可生效，能够显著提高多种图像测量应用的输出质量，包含但不限于图像去雾、深度估计、透明度计算等。

技术领域

本发明属于图像处理技术领域，具体涉及一种基于图像边缘一致性的通用异常点似然性估计方法。该方法基于测量图像与被测图像之间的边缘一致性，独立于测量方法来评估各像素测量值的异常点似然性。

背景技术

边缘一致性是图像处理领域中广泛存在的规律，描述着这样一种事实：一幅图像的某种逐像素测量结果，例如透射率估计、深度估计、语义分割，若组成与原图同尺寸的测量图像，极可能形成与原图一致的边缘。虽然不同的图像测量过程有着不同的目的、方法，但是对测量结果与原图的边缘一致性的期望却是相同的。

所述边缘一致性通常被描述为：“测量图像只有在原图像的边缘处才会存在边缘”，这是由于测量过程属于映射过程，且通常为非单射、连续映射，原图像中存在边缘的区域经过映射后或平滑、或亦存在边缘，而原图像中平滑的区域经过映射后只可能平滑。

尽管绝大多数测量过程的测量结果与原图之间应该具有边缘一致性，但由于噪声和异常值的影响，事实并非如此。当下存在多种噪声抑制方法，但缺少异常点抑制方法。与相对容易建模的噪声不同，异常值很难被高斯分布、泊松分布等简单模型表达。因此，现有检测方法总是高度依赖于硬件、模型，并局限于个别应用，几乎完全不具备普适性。例如，在图像去雾领域中，基于颜色线和雾线模型的异常点检测方法对其它领域、甚至同领域其它模型的去雾方法都是无效的。在视差图估计领域中，基于交叉验证的异常点检测方法需要来自不同视角的多幅输入图，不能处理简单的输入输出图像对，依赖于特殊采样硬件。在更多测量过程中，异常点检测方法是完全未开发的，异常值被简单地视为噪声处理，引入了各种各样的问题。

因此，本发明公开的通用异常点似然性估计方法是当下必要且缺乏的，对多种图像测量过程的输出质量具有促进作用。得益于该通用异常点似然性估计方法的泛用性，其在测量过程未知、检测方法缺失时可作为备用检测方案；得益于该通用异常点似然性估计方法线性复杂度带来的实用性，也可作为已有检测方法的附加方案。

发明内容

为了解决图像测量过程中异常点检测广泛缺失的问题，本发明提供一种基于图像边缘一致性的通用异常点似然性估计方法，以评估测量结果中每个像素的似然度，进而指示该像素为异常点的可能性。

为达到上述目的，本发明提供了一种基于图像边缘一致性的通用异常点似然性估计方法，包括：采用局部线性假设表征原图与测量图之间的边缘一致性；将原图与测量图之间的边缘一致性建模为带有等式约束的加权线性回归问题；采用线性复杂度的全图迭代算法，计算测量图中像素的异常点似然性。

上述方案中，所述采用局部线性假设表征原图与测量图之间的边缘一致性，包括：假设原图与图像测量过程输出的、不含异常点的测量图满足边缘一致性；并且，假设从原图与测量图中任取一小块区域，所囊括的子图像对也满足边缘一致性，测量图中导致所属局部区域违背边缘一致性的像素即为异常点。

上述方案中，所述采用局部线性假设表征原图与测量图之间的边缘一致性，采用如下公式：

给定c个通道的原图I和单通道的测量图p，局部线性假设认为存在线性系数a和b，使得下式成立：

其中，a是c维向量，测量图中导致上述等式无法成立的像素即为似然的异常点。