[发明专利]一种基于全卷积网络和均值漂移的阴影区域检测方法

权利要求书

1.一种基于全卷积网络和均值漂移的阴影区域检测方法，其特征在于，包括以下步骤：

步骤1：将Vgg16网络中的所有全连接层用卷积层替换，得到全卷积网络；使用阴影图像数据集训练全卷积网络，使全卷积网络具有图像阴影区域检测能力；

步骤2：将原始图像作为训练后的全卷积网络的输入，进行卷积运算，输出得到表征阴影与非阴影的二通道阴影特征图；

步骤3：再将二通道阴影特征图与原始图像的RGB三通道图像合并为五通道的融合特征图；

步骤4：使用均值漂移算法对步骤3中得到的融合特征图中每个像素点进行处理，得到更新后的融合特征图；

步骤5：使用Softmax函数计算阴影概率图，得到更新后的融合特征图每个像素点的阴影概率与非阴影概率，若阴影概率大于非阴影概率，将该点颜色置白；若阴影概率小于非阴影概率，将该点颜色置黑；从而得到二值化的阴影检测图。

2.根据权利要求1所述的一种基于全卷积网络和均值漂移的阴影区域检测方法，其特征在于，步骤1中使用阴影图像数据集训练全卷积网络的步骤如下：

步骤1-1：设定图像基准尺寸，对阴影图像数据集中的图像进行缩放操作，使得所有图像大小都变为基准尺寸；

步骤1-2：将步骤1-1中得到的每幅图像分别进行水平翻转、垂直翻转及顺时针180度旋转操作，将得到的新图像保存，形成新的阴影图像数据集，阴影图像数据集的图像总数变为之前的4倍；

步骤1-3：将新图像数据集里的每幅图像按照从上至下从左至右的顺序分割成互不重叠的大小为256*256像素的方块；当分割到图像最下面和最右面，出现不足256像素的情况时，分别从图像中该行的的左端或该列的上端开始依次取像素补足256像素；

步骤1-4：将所有256*256的方块图作为全卷积网络的输入，进行卷积运算，全卷积网络输出阴影特征图；

步骤1-5：定义交叉熵损失函数

预设标签图像l(x,y)∈{0,1,…,C-1}，对给定的像素点(x,y)属于l(x,y)的概率为：

其中F_k(x,y)表示阴影特征图，F_k(x,y)的数值为k通道特征图像素点(x,y)的值，x＝1,…,N，y＝1,…,M，N和M分别是阴影特征图的宽和高，C是通道类别的个数，F_l(x,y)表示第l通道特征图像素点(x,y)的值；由此可定义带权值的交叉熵损失函数：

其中，w(x,y)是对像素点(x,y)的更新权值，计算公式为：

其中，S是标签图像总像素点数，S_shadow是标签图像中的阴影像素总点数；

步骤1-6：采用随机梯度下降法优化全卷积网络，网络参数梯度计算公式如下：

其中θ为全卷积网络层参数，当交叉熵损失函数最小化时，停止迭代，将当前θ值设为新的全卷积网络层参数，θ的值用下式更新：

其中α为学习率，i为迭代次数，θ_i为第i次迭代时的值，θ_i+1为第i+1次迭代时的值。