[发明专利]阴影区域处理方法及装置、计算机可读介质和电子设备

权利要求书

1.一种阴影区域处理方法，其特征在于，包括：

基于阴影检测模型对待检测图像进行阴影区域检测，得到待检测图像对应的阴影区域；

其中，所述阴影检测模型通过对构建的阴影检测神经网络进行训练得到；所述阴影检测神经网络基于亮度限制损失函数进行网络参数调整；所述亮度限制损失函数基于样本图像的第一检测结果和对所述样本图像进行亮度调整得到调整图像的第二检测结果计算得到的交叉熵和相对熵确定。

2.根据权利要求1所述的方法，其特征在于，所述阴影检测神经网络包括网络结构相同的第一子网络和第二子网络，所述第一子网络和所述第二子网络共享网络参数。

3.根据权利要求2所述的方法，其特征在于，所述第一子网络和所述第二子网络均包括第一阶段网络和第二阶段网络；

所述第一阶段网络包括Encoder结构，所述第二阶段网络包括Decoder结构。

4.根据权利要求3所述的方法，其特征在于，所述Encoder结构包括ResNeXt101结构，所述Decoder结构包括U-net网络中的扩展路径结构。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于所述待检测图像中阴影区域和非阴影区域的亮度计算所述待检测图像对应的增强系数；

基于所述增强系数对所述待检测图像进行阴影消除得到目标图像。

6.根据权利要求5所述的方法，其特征在于，所述基于所述待检测图像中阴影区域和非阴影区域的亮度计算所述待检测图像对应的增强系数，包括：

分别计算所述待检测图像中，所述阴影区域的第一平均亮度和所述非阴影区域中的第二平均亮度；

基于所述第一平均亮度和所述第二平均亮度确定所述待检测图像对应的增强系数。

7.根据权利要求5所述的方法，其特征在于，所述基于所述增强系数对所述待检测图像进行阴影消除得到目标图像，包括：

基于所述增强系数对所述待检测图像进行增强得到增强图像；

将所述增强图像中的阴影区域与所述待检测图像中的非阴影区域组合，得到目标图像。

8.根据权利要求1所述的方法，其特征在于，在所述得到待检测图像对应的阴影区域之后，所述方法还包括：

基于条件随机场对所述阴影区域的边界进行后处理，得到处理后的阴影区域。

9.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取包含所述样本图像的第一训练集，并对所述第一训练集中的所述样本图像进行亮度调整得到包含调整图像的第二训练集；

构建阴影检测神经网络，基于所述第一训练集包括的各所述样本图像和所述第二训练集包括的各所述调整图像对所述阴影检测神经网络进行训练，得到阴影检测模型。

10.根据权利要求9所述的方法，其特征在于，所述阴影检测神经网络包括网络结构相同的第一子网络和第二子网络，所述第一子网络和所述第二子网络共享网络参数；

所述基于所述第一训练集包括的各所述样本图像和所述第二训练集包括的各所述调整图像对所述阴影检测神经网络进行训练，得到阴影检测模型，包括：

将所述第一训练集中的所述样本图像输入第一子网络得到第一检测结果，并将所述第二训练集中，所述样本图像对应的调整图像输入第二子网络得到第二检测结果；

基于所述第一检测结果计算第一交叉熵，基于所述第二检测结果计算第二交叉熵，并基于所述第一检测结果和所述第二检测结果计算相对熵；

基于所述第一交叉熵、所述第二交叉熵和所述相对熵确定所述亮度限制损失函数；

基于所述亮度限制损失函数对所述阴影检测神经网络的网络参数进行调整，得到阴影检测模型。