[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

说明书

本公开提供一种阴影区域处理方法、阴影区域处理装置、计算机可读介质和电子设备，涉及图像处理技术领域。该方法包括：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，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；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；亮度限制损失函数基于样本图像的第一检测结果和对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。本公开可以使阴影检测模型能够克服亮度因素的影响，提高阴影区域检测的准确性。

技术领域

本公开涉及图像处理技术领域，具体涉及一种阴影区域处理方法、阴影区域处理装置、计算机可读介质和电子设备。

背景技术

近年来，计算机视觉系统已经在工业视觉检测、视频监控、医疗影像检测和智能驾驶等生产生活场景中得到了广泛运用。阴影作为自然界中普遍存在的一种物理现象，它给计算机视觉任务带来诸多不利影响，增加了问题处理的难度，降低了算法的鲁棒性。

为了避免阴影对计算机视觉任务造成影响，往往需要提前对视频、图像等数据进行阴影去除处理。然而，阴影去除是一项和光照强度十分相关的技术，拍照时不同的光照强度或拍摄设备的曝光度不同，均会导致阴影部分的亮度及与非阴影区域的相对亮度不同。在这种情况下，基于神经网络对阴影区域进行检测时，很可能会因为亮度或相对亮度的改变无法正确区分阴影区域，从而得到不同的阴影区域的检测结果。

发明内容

本公开的目的在于提供一种阴影区域处理方法、阴影区域处理装置、计算机可读介质和电子设备，进而至少在一定程度上避免亮度因素对阴影区域识别的影响，提高阴影区域检测的准确性。

根据本公开的第一方面，提供一种阴影区域处理方法，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，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；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；亮度限制损失函数基于样本图像的第一检测结果和对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。

根据本公开的第二方面，提供一种阴影区域处理装置，包括：区域检测模块，用于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，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；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；亮度限制损失函数基于样本图像的第一检测结果和对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。

根据本公开的第三方面，提供一种计算机可读介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述的方法。

根据本公开的第四方面，提供一种电子设备，其特征在于，包括：处理器；以及存储器，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现上述的方法。

本公开的一种实施例所提供的阴影区域处理方法，可以基于训练好的阴影检测模型对待检测模型进行阴影区域检测，得到待检测图像对应的阴影区域。其中，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；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；亮度限制损失函数基于样本图像的第一检测结果和对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。通过对样本图像进行亮度调整的调整图像和样本图像共同对阴影检测神经网络进行训练，同时基于第一检测结果和第二检测结果计算得到的交叉熵和相对熵确定的损失函数进行网络参数调整，使得阴影检测模型能够克服亮度因素的影响，提高了阴影区域检测的准确性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明