[发明专利]基于稀疏与低秩矩阵分解的多幅图片反射光抑制方法

说明书

本发明公开了一种基于稀疏与低秩矩阵分解的多幅图片反射光抑制方法，包括；(1)获取在不同角度对于同一场景拍摄得到的多个图像；(2)利用siftflow算法将多个图像对齐；(3)将参考图像P₀划分为多个相同大小的patch；(4)对于每个patch，执行如下步骤：A、获取当前patch以及其他图像中与其相似的patch的RGB值形成的列向量，将所述列向量组成RGB矩阵；B、获取当前patch以及其他图像中与其相似的patch中每个像素的最小梯度值所形成的列向量，将所述列向量作为每列的列向量组成最小梯度矩阵；C、根据最小梯度矩阵和RGB矩阵进行稀疏矩阵与低秩矩阵分解；(5)将所有patch对应的低秩矩阵重组，得到抑制反射光后的图像。本发明图像处理效果更好。

技术领域

本发明涉及图像处理，尤其涉及一种基于稀疏与低秩矩阵分解的多幅图片反射光抑制方法。

背景技术

在生活中，当透过玻璃拍摄图像时，拍摄的照片既包括玻璃内想拍摄的场景，同时也包含了不需要的玻璃外部的反射光场景。反射光去除就是从拍摄图像中去除不需要的反射场景。目前大多数的方法是把玻璃图像看成是透射图像和反射图像的线性组合，通过抑制反射图像从而重构透射图像，例如下面所述方法：

第一类方法借助单幅图像。此类方法主要利用从玻璃生成的图像的先验知识和假设，如梯度稀疏，相对平滑，重像线索等。Levin和Weiss通过使用图像中的梯度分布模型来最小化代价函数，重构一幅优化的反射图像。Li和Brown借助反射光的梯度比折射光梯度更加平滑，模糊的特点，利用梯度域的反射能量抑制，达到去除反射成分的效果。然而这个假设不适用于光线非常强的场景。Shin等人考虑到玻璃的多次反射特性，借助玻璃的前后两表面反射光的重像效果抑制反射。此类方法参考文献A.Levin and Y.Weiss.Userassisted separation of reflections from a single image using a sparsityprior.IEEE Trans.Image Process.,29(9):1647–1654,Sept.2007；Y.Li andM.S.Brown.Single image layer separation using relative smoothness.InProc.IEEE CVPR,pages 2752–2759,June 2014；Y.Shih,D.Krishnan,F.Durand,andW.T.Freeman.Reflection removal using ghosting cues.In Proc.IEEE CVPR,pages3193–3201,June 2015.

第二类方法借助多幅相关图像。这类方法可以借助特殊的拍摄装置，如偏振器、闪光灯等。利用偏振器去除反射光的原理在于折射和反射对光波偏振的差异性，通过调整偏振器的角度，拍摄多张图片，从而重构出理想的透射图。除此之外，也可以通过改变相机的视点，获取多幅相关图片。Li和Brown通过对齐这一系列不同角度拍摄的图像，分离出折射图像和反射图像的梯度，来分析多张图片梯度特征。Xue等评估透射和反射场景各自的不同密集程度，优化出透射和反射图像。此类方法参考文献Y.Li and M.S.Brown.Exploitingreflection change for automatic reflection removal.In Proc.IEEE ICCV,pages2432–2439,Dec.2013；T.Xue,M.Rubinstein,C.Liu,and W.T.Freeman.A computationalapproach for obstruction-free photography.ACM Trans.Graph.,34(4):79:1–79:11,July 2015.

通常而言，利用多张图片的反射光去除获得的效果比基于单张图片的效果更理想，使用的场景也更广泛。

发明内容

发明目的：本发明针对现有技术存在的问题，提供一种基于稀疏与低秩矩阵分解的多幅图片反射光抑制方法，该方法直接利用原图像和梯度进行最优化，可以得到对比度更高的图像，颜色不会失真。