[发明专利]人体场景图像本征分解与重光照方法和装置

权利要求书

1.一种人体场景图像本征分解与重光照方法，其特征在于，包括以下步骤：

获取单张RGB图像；

对所述单张RGB图像进行分解，将所述单张RGB图像分解为反射率图、阴影图、法线图、球谐光照参数、可见性图；

将所述球谐光照参数替换为新的光照参数，其中，所述新的光照参数为与所述单张RGB图像的光照参数不同的光照参数；

根据所述新的光照参数对所述单张RGB图像进行重光照，以获取重光照的图像；

其中，所述对所述单张RGB图像进行分解，包括：

将所述单张RGB图像输入预设的法线预测网络，获取所述法线图；

在获取所述法线图之后，还包括：

将所述法线图与所述单张RGB图像输入预设的图像分解网络，获取反射率图、阴影图、球谐光照参数、可见性图；

所述根据所述新的光照参数对所述单张RGB图像进行重光照，以获取重光照的图像，包括：

根据预设公式获取所述重光照的图像，其中，所述预设公式，包括：

I_inverse=p_albedo*（C_harmonics* H(n) *p_shadow）

其中，p_albedo是预测的反射率图，C_harmonics是新的球谐光照函数，H(n)是分解过后的法线图，p_shadow是可见性图，I_inverse是重光照的图像。

2.如权利要求1所述的方法，其特征在于，在所述将所述单张RGB图像输入预设的法线预测网络之前，包括：

将样本图像输入初始法线预测网络，获取图片特征；

基于L1损失函数与VGG网络损失函数构成最终损失函数，根据所述最终损失函数计算出的损失值调整所述初始法线预测网络，直至所述损失值小于预设阈值，其中，所述VGG网络用于提取所述图片特征，所述最终损失函数为：

L_N= L1（p_normal，gt_normal）+5*VGGLoss（p_normal，gt_normal）

其中，L1是L1损失函数，VGGLoss是VGG网络损失函数，p_normal是网络预测的法线图，gt_normal是真实的法线图。

3.一种人体场景图像本征分解与重光照装置，其特征在于，包括：

分解模块，用于获取单张RGB图像；

所述分解模块，还用于对所述单张RGB图像进行分解，将所述单张RGB图像分解为反射率图、阴影图、法线图、球谐光照参数、可见性图；

获取模块，用于将所述球谐光照参数替换为新的光照参数，其中，所述新的光照参数为与所述单张RGB图像的光照参数不同的光照参数；

重光照模块，用于根据所述新的光照参数对所述单张RGB图像进行重光照，以获取重光照的图像；

所述分解模块，还用于将所述单张RGB图像输入预设的法线预测网络，获取所述法线图；

所述分解模块，还用于将所述法线图与所述单张RGB图像输入预设的图像分解网络，获取反射率图、阴影图、球谐光照参数、可见性图；

所述重光照模块，具体用于：

根据预设公式获取所述重光照的图像，其中，所述预设公式，包括：

I_inverse=p_albedo *（C_harmonics * H(n) * p_shadow）

其中，p_albedo是预测的反射率图，C_harmonics是新的球谐光照函数，H(n)是分解过后的法线图，p_shadow是可见性图，I_inverse是重光照的图像。

4.一种计算机设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-2中任一所述的方法。

5.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-2中任一所述的方法。