[发明专利]一种基于GAN的图像阴影检测和消除方法

权利要求书

1.一种基于GAN的图像阴影检测和消除方法，其特征在于包括下述步骤：

(1)固定阴影检测生成器G₁的网络结构和权重参数不变，输入一张原始的有阴影的图像，输出一张由G₁标记的阴影区域图像，阴影区域和非阴影区域用表示如下：

其中阴影区域表示为1，非阴影区域表示为0；

(2)训练阴影检测判别器D₁，D₁接收由G₁生成的阴影区域图像和原始图像，输出阴影区域的真实程度，训练D₁的损失函数表示如下：

其中x表示输入的图像，y表示阴影实际检测出来的区域，L表示训练D₁的损失值，E_{x，y～pdata(x，y)}表示(x，y)在pdata(x，y)分布中的期望值；

(3)完成判别器D₁的训练后，训练生成器G₁，训练G₁的损失函数如下：

L_data1(G₁)＝E_{x，y～pdata(x，y)}||y-G₁(x)||₂

(4)完成阴影检测生成器和阴影检测判别器后，固定阴影消除生成器G₂的权重，首先训练阴影消除判别器D₂，训练D₂的损失函数表示如下：

L_CGAN2(G₂，D₂|G₁)

＝E_{x，r～pdata(x，y，r)}[logD₂(x，y，r)]+E_x～pdata(x)[log(1-D₂(x，G₁(x),G₂(x，G₁(x))))]

r表示的是用于去除阴影的地面真实图像标记；

(5)随后开始训练阴影消除生成器G₂，使用真实的图片与G₁生成的阴影标记图像相乘得到的图像，作为G₂的输入的一部分，同时输入原始的阴影图片，最终得到消除后的阴影部分；训练G₂的损失函数表示如下：

L_data2(G₂|G₁)＝E_{x，r～pdata(x，r)}||r-G₂(x，G₁(x))||₂

(6)使用上述损失函数在网络中更新权重：

(7)在完成全部的G₁和G₂的训练后，输入一张阴影图片到G₁中，由G₂的输出得到一张消除阴影后的图片。

2.根据权利要求1所述基于GAN的图像阴影检测和消除方法，其特征在于：步骤(1)中，阴影区域和非阴影区域用二进制表示。

3.根据权利要求1所述基于GAN的图像阴影检测和消除方法，其特征在于：在阴影消除生成器G₂消除阴影区域时，使用了一种阴影模型，公式如下：

I(θ,λ)＝Li(θ,λ)R(θ,λ)

其中I是在像素点θ的λ波长反映出来的强度，Li和R分别是光照强度和反射强度；非阴影区域的光照强度表示为：

I^lit(θ，λ)＝Li^d(θ，λ)R(θ，λ)+Li^a(θ，λ)R(θ，λ)

其中Li^d和Li^a和别表示直接照射和环境光的光照强度；

阴影区域的光照强度表示为：

I^shadow(θ，λ)＝at(θ)L^a(θ,λ)R(θ,λ)

其中at(θ)表示为环境光照的衰减因子，取值范围在(0,1)之间。