[发明专利]一种基于GAN的图像阴影检测和消除方法

说明书

本发明涉及一种基于GAN的图像阴影检测和消除方法，本发明定义了一种生成对抗网络的网络结构，用于共同完成图像中的阴影检测和消除；使用光照强度作为阴影模型中的强度信息，调整阴影部分的光照强度来完成阴影去除的工作。本发明可以迅速有效的在单张图像中消除阴影部分，消除阴影部分后，整张图片的亮度与非阴影部分可以保持相同，不会导致非阴影部分亮度下降，不影响消除后图片质量。

技术领域

本发明涉及一种图像阴影检测和消除方法，具体地说，是涉及一种基于GAN的图像阴影检测和消除方法。

背景技术

生成对抗网络(GAN,Generative Adversarial Networks)是一种深度学习模型，由两种神经网络组成，分别是生成器和判别器。生成器用来解决提出的问题，而判别器接收生成器的结果，判断生成器生成的结果是否真实。这两种神经网络被训练成敌对的姿态来完成相互对抗，推动生成器生成更逼真的图像。

图像中的阴影经常会导致在图像分割、图像识别等计算机视觉技术出现各种问题，所以阴影去除技术对提升图像识别、目标跟踪等技术有很大的帮助。这个过程可以分为两步，分别是阴影检测和阴影消除。在阴影检测过程中，需要准确的标记处阴影区域和非阴影区域，而在阴影消除过程中，需要重点关注在检测过程中标记的阴影区域，并重构出没有阴影的图像。在这两个算法中，它们都接收相同的基础数据，产生不同的结果。在现有技术中，这两个流程一般是分开处理的。

发明内容

本发明的目的在于提供一种基于GAN的图像阴影检测和消除方法。本发明定义了一种生成对抗网络的网络结构，用于共同完成图像中的阴影检测和消除；使用光照强度作为阴影模型中的强度信息，调整阴影部分的光照强度来完成阴影去除的工作。

本发明采用的技术方案为：

一种基于GAN的图像阴影检测和消除方法，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(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：

r表示的是用于去除阴影的地面真实图像标记；