[发明专利]一种基于图像与集成学习的重光照方法

权利要求书

1.一种基于图像与集成学习的重光照方法，其特征在于，包括以下步骤：

(1)采集三维场景数据，包括获得的图像集ImageSet以及对应的光源坐标集，并对像素点的RGB值进行归一化处理；

(2)设计用于处理图像的神经网络模型；

(3)在图像的像素空间把像素点集合Pixel划分成3类：Pixel_Hard、Pixel_EasyⅠ、Pixel_EasyⅡ；

(4)随机选取样本图像，样本数为ImageNum；

(5)根据3种不同类型的像素点集合Pixel_Hard、Pixel_EasyⅠ、Pixel_EasyⅡ，采取不同方法计算不同光源条件下像素点的像素值；其中，Pixel_Hard集合用AdaBoost算法和神经网络进行训练，Pixel_EasyⅠ集合用Bagging算法和神经网络进行训练，Pixel_EasyⅡ集合的像素点使用随机化方法进行处理；

(6)使用步骤(5)训练好的神经网络集成和随机化处理方法对图像集ImageSet拟合生成新的图像集，并与原图像集ImageSet进行比较，若相对重构均方误差小于设定阈值ε，执行步骤(7)；否则增加图像样本数ImageNum，返回步骤(4)；

(7)用训练好的神经网络集成，以及随机化处理方法重构任意光源位置下Pixel_Hard、Pixel_EasyⅠ、Pixel_EasyⅡ类像素点的像素值，生成新的重光照后的场景图像。

2.根据权利要求1所述的一种基于图像与集成学习的重光照方法，其特征在于，在步骤(2)中，所述的神经网络模型包括1个输入层、2个隐藏层、1个输出层。

3.根据权利要求1所述的一种基于图像与集成学习的重光照方法，其特征在于，在步骤(3)中，通过如下方法把像素点集合Pixel划分成3类：

(3.1)在图像集ImageSet中随机采样d张图像，构成图像子集ImageSubset；

(3.2)在像素点空间以采样率R随机采样像素点，然后从图像子集ImageSubset获取该像素点的数据用神经网络模型进行训练，其中神经网络输入层有7个结点，输入包括光源坐标[L_x，L_y]、像素点坐标[P_h，P_w]、以及像素点在不同图像中的RGB三个通道的颜色均值，输出层有3个结点，对应像素点的RGB三个通道的颜色值；

(3.3)利用(3.2)训练好的人工神经网络对图像子集ImageSubset的像素点进行测试，相对重构平方误差大于设定阈值ε²的像素点为Pixel_Hard；

(3.4)重复(3.1)～(3.3)步骤N次，合并N次得到的Pixel_Hard；

(3.5)计算Pixel_EasyⅠ＝Pixel-Pixel_Hard；

(3.6)将Pixel_Hard中RGB三个通道的颜色值小于阈值C的像素点归为Pixel_EasyⅡ类；

(3.7)计算Pixel_Hard＝Pixel_Hard-Pixel_EasyⅡ。

4.根据权利要求3所述的一种基于图像与集成学习的重光照方法，其特征在于，步骤(3.3)中像素点的相对重构平方误差计算公式为：

其中，I_i(p)表示第j张图像的第i个像素点的实际RGB值，I_i(p)^*表示人工神经网络预测输出的第j张图像的第i个像素点的RGB值，d是图像子集ImageSubset中的样本数。