光学图层分解方法综述.pdf

第 卷 第 期 计 算 机 工 程 年 月 图形图像处理 文章编号 文献标志码 中图分类号 光学图层分解方法综述 曹芙蓉吴 鑫 西安电子科技大学 物理与光电工程学院西安 摘 要 光学图层分解能够为物体识别提供有用信息是图像内容理解和分析的基础 按照输入信息的不同可以 将光学图层分解方法分为基于单幅图像和基于图集 类 对典型的光学图层分解方法进行论述和分析包括交互 式图层先验法相对光滑度分解法多重反射信息法交互层叠法反射变换法和稀疏性运动盲源法阐述这些方法 的原理和特点 结合软件测试平台验证和分析上述光学图层分解方法的优缺点及适用范围并对光学图层分解方 法的时效性完备性和实用性进行展望 关键词 图层分解病态问题稀疏性图层先验成像模型 中文引用格式曹芙蓉吴 鑫光学图层分解方法综述计算机工程 英文引用格式 本文在分析和比较几种典型光学图层分解方法 概述 的基础上从图像特征提取建模数学优化方法的 在现实生活中光在类透明介质中传播时会产 角度对当前光学图层分解方法的研究进展进行综 生多重反射和折射使得成像设备或人眼透过类透 述性的讨论与总结 明介质观察到的场景中总是包含了介质后的场景 研究背景 即传输图层和介质前的场景即反射图层所形成的 图像称为混合图像 因为混合图像中同时包含了 分解光学图层的一般流程为首先建立混合图像 种图层的信息从混合图像中分别分离出理想的传 的光学成像模型将混合图像表示为传输层和反射层的 输图层和反射图层是一种病态问题 混合图像中 数学模型如简单的线性叠加模型 基于卷积的多 两图层重叠部分又称为饱和信息区已有的分解方 重反射模型 平面变换模型 等然后建立描述 法通过挖掘充足的图像信息以构造 类光学图层 图像特征的数学模型即图层先验 如图层局部的多 光学图层分解方法可以按处理对象大体分为基于 通道梯度一致性