基于稀疏低秩反射模型的高光去除方法研究

基于稀疏低秩反射模型的高光去除方法 本文提出了一种基于稀疏低秩反射模型的高光去除方法，该方法可以使用单个输入图像进行特殊高光检测和去除。该模型的动机是观察到自然图像的镜面高光通常具有大的强度，但相当稀疏地分布，而剩余的漫反射可以很好地近似由几个不同的颜色与稀疏和低秩加权矩阵的线性组合。我们进一步对加权矩阵以及高光分量施加非负性约束，以确保模型是纯加性的。 该模型假设镜面高光具有与入射照明相同的光谱分布，并且在给定图像的空间域中相当稀疏。我们还假设每个漫射颜色可以由每个“漫射颜色”通过稀疏和低秩加权矩阵的线性组合来近似。然后，我们将高光去除问题转化为一个约束的核范数和l1范数最小化问题，可以使用增广拉格朗日乘子法来解决。 实验结果表明，该方法在合成图像和真实图像上都有较好的效果，尤其是在自然光照、色调饱和度模糊和强噪声等复杂场景下，具有较强的竞争力。 知识点： 1. 镜面反射和漫反射：在现实世界场景中的绝大多数对象都表现出镜面反射和漫反射两者。镜面反射的存在被认为是各种计算机视觉任务的障碍，因为它产生不期望的不连续性并降低图像对比度。 2. 高光去除：高光去除是计算机视觉任务中的一个重要问题，高光可以通过一些特殊的设施（诸如像素过滤器或多像素过滤器）很好地抑制，但是更合适的是仅使用单个颜色图像而无需任何硬件辅助来去除它们。 3. 稀疏和低秩矩阵分解：我们注意到，在许多现实世界的场景中，高光区域是相对较小的连续块，而漫反射的颜色可以通过少量不同的颜色很好地近似。这启发我们使用稀疏和低秩矩阵分解来分离漫反射和镜面反射。 4. SLRR 模型：SLRR 模型假设镜面高光具有与入射照明相同的光谱分布，并且在给定图像的空间域中相当稀疏。我们还假设每个漫射颜色可以由每个“漫射颜色”通过稀疏和低秩加权矩阵的线性组合来近似。 5. 增广拉格朗日乘子法：我们将高光去除问题转化为一个约束的核范数和l1范数最小化问题，可以使用增广拉格朗日乘子法来解决。 6. 图像处理技术：本文使用了图像处理技术来解决高光去除问题，包括图像分割、模式识别和对象检测等。 7. 计算机视觉：本文的目标是基于二色反射模型分离单个输入图像的反射分量，属于计算机视觉领域的研究。 8. 图像去雾：非局部图像去雾技术可以用来解决高光去除问题，启发我们使用稀疏和低秩矩阵分解来分离漫反射和镜面反射。