基于熵驱动域适应学习的弱光照图像阴影去除

摘要：

针对日常图像获取与处理过程中由于拍摄光线较差等问题,导致图像出现部分阴影,影响图像处理效果等问题,提出基于熵驱动域适应学习的弱光照图像阴影去除方法.通过熵驱动域适应学习技术构建多核分类器,获取弱光照图像的最大平均差异值,完成弱光照图像的预处理.将图像光照分解设定为图像分解与重光照,获取图像最小像素值,根据图像亮度以及RGB方向相似度建立局部像素的约束,完成弱光照图像的分解;采用区域生长法,以检测到的弱光照图像阴影边缘作为基准点,选择灰度值较重部分作为阴影生长起始点,确定弱光照图像的纹理特征值,利用光照补偿方法恢复图像光照,完成弱光照图像阴影去除.仿真结果表明,采用所提方法对弱光照图像阴影去除的效果较好,改善了弱光照图像的质量.

关键词：熵驱动域适应学习;多核分类器;阴影去除;弱光照图像;区域生长法

所属期刊栏目：38

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家科技支撑计划课题;江西省科学技术研究项目

在线出版日期：2021-11-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：173-176,220