[发明专利]基于数据的软性阴影去除方法

权利要求书

1.一种基于数据的软性阴影去除方法，其特征在于，包括：

步骤(1)、采用多个阴影图片构成训练集，对训练集中每一个 阴影图片提取列特征向量，利用所述的列特征向量训练得到回归因 子；

步骤(2)、将待处理的阴影图片分割成行列排布的若干网格， 对每一个网格计算出其描述性的特征向量；

步骤(3)、使用所述的回归因子将每一个网格的特征向量映射 到该网格的阴影遮罩分布，所有网格的阴影遮罩分布构成了阴影网 格；

步骤(4)、对所述阴影网格采用马尔可夫随机域正则化以生成 红色通道、绿色通道、蓝色通道的最大后验阴影图片，即获得无阴 影图像；

步骤(5)、在所述无阴影图像的每一个位置使用TRW-S消息传 体算法来正则化整个无阴影图像以选择出最佳的面片，该最佳的面 片作为待处理的阴影图片的软性阴影去除结果。

2.如权利要求1所述的基于数据的软性阴影去除方法，其特征 在于，步骤(1)中，对训练集中每一个阴影图片提取列特征向量 时，首先对训练集的每幅阴影图片子样本化，以提取多个训练对， 然后对整个训练集进行偏压采样，针对偏压采样得到的阴影图片提 取列特征向量。

3.如权利要求1所述的基于数据的软性阴影去除方法，其特征 在于，步骤(1)中，所述列特征向量包括：

用户选择区域中距边缘的正则化距离，其值位于[0.0, 1.0]内；

阴影图片基于初始猜想的预测遮罩；

阴影图片的垂直和水平梯度；

阴影图片的像素亮度值，其值在[0.0，1.0]的范围内。

4.如权利要求1所述的基于数据的软性阴影去除方法，其特征 在于，步骤(1)中，训练所述的列特征向量时，采用改进的随机森 林。

5.如权利要求4所述的基于数据的软性阴影去除方法，其特征 在于，步骤(1)中，采用改进的随机森林进行训练时，包括：

步骤(1-1)、定义一个衡量标签向量的熵值；

步骤(1-2)、通过将分支熵值最小化生成一个二叉树；

步骤(1-3)、按照特征维度测试二叉树随机数量的分支；

步骤(1-4)、从其中选择一个信息获取量最大的分支；

步骤(1-5)、随后创建两个分支节点并将分支数据压入；

步骤(1-6)、重复步骤(1-3)至步骤(1-5)直到达到预 定的树的深度。

6.如权利要求1所述的基于数据的软性阴影去除方法，其特征 在于，步骤(1-2)中，所述分支熵值为：

H_n＝log(det(ΣS_n))πr²；

其中Sn为所有样本。

7.如权利要求1所述的基于数据的软性阴影去除方法，其特征 在于，步骤(1-4)中，所述信息获取量为：

G_n＝H_n-Σ_c∈{l，r}(|S_c|/|S_n)H_c；

其中S_c为当前节点的样本分布；

H_c为当前节点的熵值；

l，r为当前节点的最小、最大值。

8.如权利要求1所述的基于数据的软性阴影去除方法，其特征 在于，步骤(5)中，TRW-S消息传体算法采用的能量方程为：

E=Σi∈Lω(mi)+λΣi,j∈Nψ(mi,mj)]]>

L为正则化图像中的点集；

N为在4-联通近邻中的相邻点集；

m_i为网格面片；

m_j为与m_i相邻的网格面片；

ψ为两个网格面片之间的二元距离代价；

ω为从网格面片到对应猜测区域的一元距离代价；

λ为二元代价的加权系数。