基于梯度域的保纹理图像阴影去除算法

计算机应用 ›› 2013, Vol. 33 ›› Issue (08): 2317-2319.

基于梯度域的保纹理图像阴影去除算法

黄微,傅利琴,王琛

上海大学通信与信息工程学院，上海 200072

收稿日期:2013-03-01 修回日期:2013-04-19 出版日期:2013-08-01 发布日期:2013-09-11
通讯作者: 黄微
作者简介:黄微(1980-),女，湖南汉寿人，讲师，博士，主要研究方向：图像信息恢复与重建;
傅利琴(1987-)，女，浙江绍兴人，硕士，主要研究方向：自然图像阴影恢复;
王琛(1988-),男，安徽淮南人，硕士研究生，主要研究方向：图像去噪、图像重建。
基金资助:
国家青年自然科学基金资助项目

Texture-preserving shadow removal algorithm based on gradient domain

HUANG Wei,FU Liqin,WANG Chen

School of Communication and Information Engineering, Shanghai University, Shanghai 200072, China

Received:2013-03-01 Revised:2013-04-19 Online:2013-09-11 Published:2013-08-01
Contact: HUANG Wei

摘要/Abstract

摘要： 针对当前自然图像阴影去除算法需要多次人工交互、阴影去除结果纹理信息丢失等问题，提出了基于梯度域的图像保纹理阴影去除算法。该方法只需确定出阴影的大概边界，然后在梯度域中，分别对阴影内部和阴影边界的梯度进行最优化修正，得到无阴影的梯度图像，最后利用泊松方程，恢复出无阴影图像。利用多幅图像的实验结果证明，该算法操作简单，不需要多次人机交互，且阴影区域内纹理细节得到了较好的恢复。

关键词: 阴影去除, 阴影检测, 梯度域, 泊松方程, 纹理特征

Abstract: Accurate shadow boundary detecting and texture-preserving are two critical difficulties in shadow removal. To solve these problems, a new shadow removal method based on gradient field was proposed. Firstly, shadow boundary was detected approximately. Then, the gradients in internal shadow region and shadow boundary were modified respectively to obtain the non-shadowed gradient field. Based on the gradient field, the information in shadow regions was recovered with Poisson equation. The experimental results with several images indicate that the method can remove shadow from images easily while preserving the textures in the shadow regions, and it is not sensitive to the accuracy of shadow boundary.

Key words: shadow removal, shadow detection, gradient domain, Poisson equation, texture feature

中图分类号:

TP391

黄微傅利琴王琛. 基于梯度域的保纹理图像阴影去除算法[J]. 计算机应用, 2013, 33(08): 2317-2319.

HUANG Wei FU Liqin WANG Chen. Texture-preserving shadow removal algorithm based on gradient domain[J]. Journal of Computer Applications, 2013, 33(08): 2317-2319.

[1]	谭道强, 曾诚, 乔金霞, 张俊. 基于混合注意力模型的阴影检测方法[J]. 计算机应用, 2021, 41(7): 2076-2081.
[2]	蒋考林, 白玮, 张磊, 陈军, 潘志松, 郭世泽. 基于多通道图像深度学习的恶意代码检测[J]. 计算机应用, 2021, 41(4): 1142-1147.
[3]	张淑萍, 吴文, 万毅. 基于多阶段生成对抗网络的单幅图像阴影去除方法[J]. 计算机应用, 2020, 40(8): 2378-2385.
[4]	袁园, 吴文, 万毅. 基于熵驱动域适应学习的单幅图像阴影检测方法[J]. 计算机应用, 2020, 40(7): 2131-2136.
[5]	王睿, 黄微, 胡南强. 基于全变分模型的多时相遥感影像厚云去除算法[J]. 计算机应用, 2020, 40(7): 2126-2130.
[6]	余英东, 杨怡, 林澜. 结合纹理特征分析的图像风格转换网络[J]. 计算机应用, 2020, 40(3): 638-644.
[7]	廖斌, 谭道强, 吴文. 基于衰减式生成对抗网络的单幅图像阴影去除[J]. 计算机应用, 2019, 39(9): 2712-2718.
[8]	郎大鹏, 丁巍, 姜昊辰, 陈志远. 基于多特征融合的恶意代码分类算法[J]. 计算机应用, 2019, 39(8): 2333-2338.
[9]	刘玉珍, 蒋政权, 赵娜. 基于近邻三值模式和协作表示的三维掌纹识别[J]. 计算机应用, 2019, 39(6): 1690-1695.
[10]	廖斌, 吴文. 区域配对引导的光照传播视频阴影去除方法[J]. 计算机应用, 2019, 39(2): 556-563.
[11]	李红, 王瑞尧, 耿则勋, 胡海峰. 基于多尺度梯度域引导滤波的低照度图像增强算法[J]. 计算机应用, 2019, 39(10): 3046-3052.
[12]	翁理国, 刘万安, 施必成, 夏旻. 基于多维多粒度级联森林的高原地区云雪分类[J]. 计算机应用, 2018, 38(8): 2218-2223.
[13]	盛婷婷, 陈强, 孙权森. 基于暗通道原理从单幅遥感影像估计山脉高程的方法[J]. 计算机应用, 2017, 37(3): 839-843.
[14]	邹玮刚, 周志辉, 王洋. 基于非降采样轮廓波变换的图像修复算法[J]. 计算机应用, 2017, 37(2): 553-558.
[15]	刘珏先, 滕奇志, 王正勇, 何小海. 基于协同表示的多特征融合岩石分类[J]. 计算机应用, 2016, 36(3): 854-858.