论文部分内容阅读
在拍照摄像中,经常遇到这一场景,在拍摄物与被摄物之间存在玻璃等障碍物,这样将导致拍摄的照片中既存在被摄物体,还会叠加拍摄物一侧的反光。本文提出了一种方法,能够较好的将带有反光的图像分解为背景图像和反光图像,从而到达去除反光的目的。传统的方法需要大量的图片以及很多先验条件,如反射玻璃的厚度,反光的距离;而本方法仅需要2张图像,且无需任何先验条件,极大提高了此类方法的应用场景与应用范围。本文从梯度估计、运动估计、图像重建等几个方面介绍了该方法。本方法以带有微弱视差的两张图像作为输入。第一,首先计算两张输入图像的SIFT-flow,然后调整SIFT-flow中的约束项,从而产生SIFT-flow hierarchy,接着根据运动向量角度变化程度,来判断输入图像中的边缘属于背景或者反光,除此之外,考虑到边缘连续性,本方法还使用超像素的方法来平滑边缘判别的连续性,通过以上计算,给出边缘点的运动估计指标;第二,先将输入图像转换为灰度图像,根据边缘像素的强度,给出边缘的梯度估计指标;第三,结合运动估计指标与梯度估计指标,可以判别出边缘点属于背景图像或者反光图像。进而结合图像的一般特性,以边缘点的归属作为约束条件,以分解后的图像与原图尽量接近为目标,建立最优化方程,最后就能够得到两张图像,一张是反光图像,另一张则是我们需要的去除反光的图像。相较于之间的方法,本方法仅使用两张图像,达到了多张图去反光方法中图像数量的极限,两张图像既可以是使用单目相机以小角度差异的两次曝光,也可以是双目相机一次性曝光,扩大了算法的应用场景。我们使用了三类图像与之前的方法进行对比,包括实际反光场景图像,人工构建场景图像,人工合成图像;从结果上来看,本方法在大多数场景下的表现都优于之前的算法,体现出了适用范围广,效果好的特点。