[发明专利]一种基于U型空洞残差网络的图像去高光方法

说明书

本发明公开了一种基于U型空洞残差网络的图像去高光方法。现有在高光方法需要多幅多角度的图像，限制了其应用，并且处理流程复杂，步骤繁琐，实时性较弱。本发明方法包括训练阶段和测试阶段。首先构建去高光网络模型，模型由U型结构、空洞残差结构组成。U型结构使用压缩部分提取图像深层信息，使用扩展部分重构得到图像的边缘、纹理特征，空洞残差结构利用原图以及U型结构提取到的特征对无高光图像进行预测。模型训练完成后，直接将测试图像缩放为固定大小并由模型预测无高光图像。本发明的模型结构能够实时高效地去除图像中的高光现象，并对色彩、纹理复杂的图像具有较大的适应性和较强的鲁棒性。

技术领域

本发明属于数字图像处理技术领域，具体涉及到一种基于U型空洞残差网络的图像高光去除方法。

背景技术

随着计算机的出现和普及，人类所能获取的图像信息日益增长，对信息传播速度、处理速度及处理的要求也越来越高。高光作为一种图像中经常出现的情况，会造成图像细节信息的大量丢失，图像质量大幅度下降，如何进行有效的去除高光是一种极具前景的研究方向。

物体在强光照射下时，光滑的表面容易发生镜面反射，即高光现象，且光照强度远远大于漫反射成分。因此当物体表面出现高光时，感官上而言人会有刺眼的感觉，且纹理和色彩信息会被高光遮挡，变得模糊不清甚至全部消失。高光的出现对计算机视觉领域造成了很大的影响，主要体现在图像定位、物体识别、边缘检测、图像修复等方面。传统图像处理算法受高光影响较大，主要是因为传统算法大部分都是基于朗伯反射假设，即认为物体表面只有漫反射，无镜面反射存在。而现实情况下，很多物体都具有光滑的表面，极其容易发生镜面反射，产生“高光”现象。这对许多图像处理算法的正确性和鲁棒性都造成了巨大的影响，因此越来越多的国内外研究人员开始关注和研究图像去高光问题。

在高光去除方面，己有的方法均存在一定程度的问题：(1)需要多幅多角度的图像，限制了其应用；(2)处理流程复杂，去高光步骤繁琐，实时性较弱。

发明内容

本发明的目的就是针对现有技术的不足，提供一种基于U型空洞残差网络的图像去高光方法。

本发明方法包括训练阶段和测试阶段。

训练阶段的具体步骤是：

步骤(1).构建去高光网络模型：

所述的去高光网络模型是一个端到端的网络模型，包括两部分：U型结构、空洞残差结构；

所述的U型结构负责提取图像的纹理、边缘特征，并拼接原始高光图像与特征信息，作为空洞残差结构的输入；U型结构包括压缩部分、扩展部分和最底块，最底块用于桥接压缩部分和扩展部分。

所述的压缩部分包含四个压缩块，每个压缩块中存在两个卷积模块层以及一个下采样层；每个卷积模块层依次包括一个卷积层和一个激活层；其中，卷积层采用3×3尺寸卷积核，滑动步长为1，零边缘填充尺寸为1；激活层采用ReLU(rectified linear unit)函数；下采样层采用核尺寸为2×2的最大池化层，前三个压缩块的下采样层位于两个压缩块之间，最后一个下采样层处于压缩块和最底块之间。压缩部分输入尺寸为256×256×3，经过第一个压缩块后的输出尺寸为256×256×64，经过第二个压缩块后的输出尺寸为128×128×128，经过第三个压缩块后的输出尺寸为64×64×256个，经过第四个压缩块后的输出尺寸为32×32×512。

所述的最底块中存在两个卷积模块层以及一个下采样层；每个卷积模块层依次包括一个卷积层和一个激活层；其中，卷积层采用3×3尺寸卷积核，滑动步长为1，零边缘填充尺寸为1；激活层采用ReLU函数；最底块输入尺寸为32×32×512，输出尺寸为16×16×1024。