本發(fā)明屬于可視計(jì)算、計(jì)算機(jī)視覺領(lǐng)域，特別是物體光照遷移方法，具體地說是基于局部和全局仿射變換模型的光照遷移方法。
背景技術(shù)：
：基于圖像的無3D模型的逼真虛擬重光照已經(jīng)在可視計(jì)算領(lǐng)域廣泛地研究，并且在視覺設(shè)計(jì)、數(shù)字娛樂和電影制片等方面得到廣泛地應(yīng)用?；趫D像的虛擬重光照可以被粗略的分為以下幾類：人臉重光照，場景重光照和物體重光照。除了3D重建理論，另外的研究方向是利用參考圖像更實(shí)際的應(yīng)用到現(xiàn)實(shí)世界的應(yīng)用中。在此方向中，人臉重光照是最為普遍的研究方向。參考圖像來源從多幅人臉參考圖像，到兩幅人臉參考圖像再到單幅人臉參考圖像。場景重光照和物體重光照仍然需要多幅參考圖像。在相同的種族中，人的臉部有著相同的皮膚反射率。因此，基于人臉的重光照方法通常采用只將光照遷移應(yīng)用到相應(yīng)的光照組件中的方法。然而，一般的物體通常都有各種各樣的顏色，上述的方法就不再適用。本發(fā)明從人臉重光照方法中獲得了靈感，首先，將參考圖像A和B參照輸入圖像進(jìn)行顏色變換。不同于人臉有著相似的幾何形狀，在物體重光照方向，針對(duì)一般的物體，如汽車、杯子、茶壺等，雖然它們可能有相同的語義標(biāo)簽，但是仍具有各種各樣的幾何形狀和材質(zhì)?，F(xiàn)在的針對(duì)人臉輪廓檢測的人臉校準(zhǔn)算法并不能直接應(yīng)用于一般的物體。另外，類似皮膚的反射率的假設(shè)也不再適合于一般物體。因此，提出一種適用于物體的重光照方法是非常必要的。之前的發(fā)明中將輸入圖像I中的每一個(gè)像素與變色后的參考圖像A的一個(gè)像素進(jìn)行匹配。然而，這種高密集度的匹配會(huì)消耗大量的時(shí)間。技術(shù)實(shí)現(xiàn)要素：本發(fā)明要解決技術(shù)問題為：克服現(xiàn)有技術(shù)的不足，提供一種基于塊匹配變形和顏色遷移的物體圖像重光照方法，該方法能夠有效的減少參考圖像的數(shù)量，降低發(fā)明成本，而且將像素級(jí)匹配提升至塊級(jí)別匹配，大大節(jié)約運(yùn)行時(shí)間，提高運(yùn)行效率。本發(fā)明采用的技術(shù)方案為：一種基于塊匹配變形和顏色遷移的物體圖像重光照方法，其特征在于實(shí)現(xiàn)步驟：(1)選定與輸入物體圖像相匹配的參考圖像A和B，進(jìn)行顏色變換；(2)將變色后的參考圖像A'和B'與輸入圖像進(jìn)行塊匹配變形；(3)將變形后的參考圖像和與輸入圖像通過局部和全局仿射變換模型，實(shí)現(xiàn)將參考圖像B的光照狀態(tài)遷移到輸入圖像上。其中，步驟(1)所述顏色變換方法采取以下步驟：(11)確定輸入圖像在RGB通道參數(shù)值，確定輸入圖像中物體前景的色相值I1；(12)確定參考圖像A的前景部分RGB通道參數(shù)值，確定其色相值A(chǔ)1；(13)參照輸入圖像物體前景色相值I1對(duì)參考圖像物體前景色相值A(chǔ)1進(jìn)行對(duì)應(yīng)性調(diào)整，得到變色后的參考圖像A'；(14)確定參考圖像B的前景部分RGB通道參數(shù)值，確定其色相值B1；(15)參照輸入圖像物體前景色相值I1對(duì)參考圖像物體前景色相值B1進(jìn)行對(duì)應(yīng)性調(diào)整，得到變色后的參考圖像B'。其中，步驟(2)所述的塊匹配變形方法采取以下步驟：(21)對(duì)于輸入圖像I，按照L2范數(shù)，將其分割為邊長為2r+1的N塊；(22)在參考圖像A'中遍歷尋找與I中N塊相似的每一塊，其對(duì)應(yīng)關(guān)系如公式其中，(xp,yp)是每個(gè)像素在塊中的坐標(biāo)；(23)參照(22)中方法實(shí)現(xiàn)參考圖像A'的變形，得到變形參考圖像(24)在參考圖像B'中遍歷尋找與I中N塊相似的每一塊，其對(duì)應(yīng)關(guān)系如公式其中，(xp,yp)是每個(gè)像素在塊中的坐標(biāo)；(25)參照(24)中方法實(shí)現(xiàn)參考圖像B'的變形，得到變形參考圖像其中，步驟(3)所述基于局部和全局仿射變換模型的光照遷移方法采取以下步驟：(31)將輸入圖像I,變形參考圖像變形參考圖像在CIELAB色彩空間分離為亮度層和色彩層；(32)在L通道(亮度層)對(duì)輸入圖像的每一塊按照局部遷移公式和進(jìn)行參考圖像與輸入圖像I塊級(jí)別的光照遷移；(33)對(duì)塊級(jí)別完成光照遷移之后，對(duì)輸入圖像I,變形參考圖像變形參考圖像全圖范圍進(jìn)行過擬合調(diào)整，按照的公式進(jìn)行全局遷移，得到輸入圖像I在參考圖像B光照條件遷移后的重光照結(jié)果。本發(fā)明的原理在于：根據(jù)目前物體重光照方案的缺陷和不足，可以總結(jié)出設(shè)計(jì)基于塊匹配變形和顏色遷移的物體圖像重光照方法一些規(guī)則，如下所述：(1)在場景重光照和傳統(tǒng)的物體重光照方法中，參考視頻和多幅參考圖像的使用對(duì)重光照方法的運(yùn)行時(shí)間和空間都是極大的考驗(yàn)；(2)不同于人臉，在物體重光照領(lǐng)域，針對(duì)一般的物體，如汽車、杯子、茶壺有各種各樣的幾何形狀。現(xiàn)在的針對(duì)人臉輪廓檢測的人臉校準(zhǔn)算法并不能直接應(yīng)用于一般的物體。因此，必須使用一個(gè)適用于物體的匹配和變形算法；(3)不同于人臉，在相同的種族中，人的臉部有著相同的皮膚反射率，只需將光照遷移應(yīng)用到相應(yīng)的部位中即可，在物體重光照領(lǐng)域，一般的物體通常都有各種各樣的顏色，無法直接進(jìn)行光照遷移。因此，必須使用一個(gè)適用于物體的顏色變換算法；(4)在多種色彩空間中，CIELAB色彩空間能夠更好的描述圖像的光影效果和色彩效果，對(duì)圖像的重光照處理提供了極好的處理空間。根據(jù)上述規(guī)則，本發(fā)明利用顏色變換、塊匹配變形、局部和全局光照遷移方法，設(shè)計(jì)了一種新的物體重光照方案。在該方案中，顏色變換用來降低顏色對(duì)后期光照遷移的影響，提高遷移效果的魯棒性。塊匹配變形用來對(duì)參考圖像中物體前景區(qū)域與輸入圖像進(jìn)行塊級(jí)別匹配，找到與輸入圖像對(duì)應(yīng)的相似塊，對(duì)參考圖像在塊級(jí)別進(jìn)行重排。局部和全局光照遷移用來實(shí)行將參考圖像光照效果遷移到輸入圖像中。實(shí)驗(yàn)分析表基于塊匹配變形和顏色遷移的物體圖像重光照方法，能夠適合實(shí)際的物體重光照應(yīng)用。本發(fā)明與現(xiàn)有的技術(shù)相比，其優(yōu)勢在于：(1)方法在多類型物體參考圖像中都具有較強(qiáng)的魯棒性，將以往的多幅參考圖像降低至2幅參考圖像，大大降低了發(fā)明成本，節(jié)省了運(yùn)行空間；(2)將物體圖像的匹配由像素級(jí)別提升到塊級(jí)別，大大節(jié)約了運(yùn)行時(shí)間，提高了運(yùn)行效率；(3)物體重光照方案結(jié)構(gòu)簡單，易于實(shí)現(xiàn)。附圖說明圖1是本發(fā)明應(yīng)用場景圖；圖2是本發(fā)明方案流程圖。具體實(shí)施方式：下面結(jié)合附圖和具體實(shí)施方式對(duì)本發(fā)明作進(jìn)一步詳細(xì)的說明。塊匹配變形過程：輸入物體圖像I和兩幅變色后的參考物體圖像A'和B'均作為本發(fā)明在局部和全局的光照遷移過程的輸入，在實(shí)際操作中，這3幅圖像以矩陣形式存在。對(duì)于長度為2r+1的平方塊，采用L2范數(shù)。對(duì)于像素p∈I和與之對(duì)應(yīng)的像素q∈A的關(guān)系,將其簡化為如下公式：Σi=-rrΣj=-rr||I(xp+i,yp+j)-A(xp+i,yp+j)||2---(1)]]>其中，(xp,yp)是每個(gè)像素在塊中的坐標(biāo)，p為塊對(duì)應(yīng)的像素基點(diǎn)，i和j為每個(gè)塊的坐標(biāo)位置變化量，r為塊邊長的基數(shù)，||·||2為L2范數(shù)。得到變形后參考圖像和光照遷移過程：輸入物體圖像I和兩幅變形后的參考物體圖像和均作為本發(fā)明在局部和全局的光照遷移過程的輸入，在實(shí)際操作中，這3幅圖像以矩陣形式存在。用Pk(·)來表示已提到圖像的第k塊。因?yàn)橐粋€(gè)塊包含N個(gè)像素，所以Pk(·)為一個(gè)1×N的矩陣。每個(gè)塊的局部遷移函數(shù)定義為Tk。能量函數(shù)的第一項(xiàng)定義了從到的遷移，我們?cè)谶@里使用L2范數(shù)將此遷移過程表示為：Σk||Pk(B~)-Tk(A~)||2---(2)]]>使用同樣的遷移函數(shù)Tk將輸入圖像I轉(zhuǎn)變?yōu)檩敵龅闹毓庹战Y(jié)果R，如下式：Σk||Pk(R)-Tk(I)||2---(3)]]>用一個(gè)正則項(xiàng)來避免過擬合，我們針對(duì)和的全圖選擇了全局遷移函數(shù)G，現(xiàn)將局部和全局遷移模型的能量函數(shù)定義如下：R=argminR,{Tk}Σk||Pk(B~)-Tk(A~)||2+aΣk||Pk(B~)-Tk(A~)||2+bΣk||Tk-G||2---(4)]]>其中，a和b為每一項(xiàng)的相關(guān)系數(shù)。上述的最小值的獲得可以通過一個(gè)標(biāo)準(zhǔn)的線性回歸來解決。對(duì)于本發(fā)明，設(shè)定a＝0.01，b＝1，(像素值區(qū)間為[0,255]),N＝25(5×5塊)?？傊?，本發(fā)明中提出的基于塊匹配變形和顏色遷移的物體圖像重光照方法能夠適用于多種物體作為參考物體的場景。本發(fā)明首次將塊匹配變形算法和顏色變換算法以及局部和全局光照遷移模型相結(jié)合，并應(yīng)用到物體圖像重光照中，大大降低了運(yùn)行空間，減少了運(yùn)行時(shí)間，提高了運(yùn)算效率。通過實(shí)驗(yàn)顯示出本發(fā)明提出的方法能夠有效減少以往參考視頻和多幅參考圖像所占用的空間，大大降低了發(fā)明成本，節(jié)省了運(yùn)行空間；通過使用塊匹配變形方法，大大節(jié)約了運(yùn)行時(shí)間，提高了運(yùn)行效率。并且該物體重光照方法很容易通過軟件實(shí)現(xiàn)，本發(fā)明可廣泛應(yīng)用計(jì)算機(jī)視覺、視覺設(shè)計(jì)、數(shù)字娛樂和電影制片等中。以上所述僅為本發(fā)明的一些基本說明，依據(jù)本發(fā)明的技術(shù)方案所做的任何等效變換，均應(yīng)屬于本發(fā)明的保護(hù)范圍。當(dāng)前第1頁1 2 3