对比约束下的非局部关联单图像去反光级联算法OA北大核心CSTPCD

图像中存在的反光不但显著降低了图像质量,而且严重影响了后续的计算机视觉任务。因此,提出了一种对比约束下的非局部关联单图像去反光级联算法NCRR,该算法通过LSTM传递跨级联信息的双支路方式,利用反光特征和背景特征相互补充信息并迭代细化预测精度,使2条支路的预测效果相互促进。为了便于多个级联步骤的训练,提出了一种正负对比的正则化损失,将背景图像和原图像的特征分别作为正、负样本,确保目标图像在表示空间中拉近背景图像,推远原图像,缩小预测范围,较好地缓解不适定性问题。此外,提出了一种高效、计算量少的非局部关联预测模块,它能获取十字交叉路径上所有像素的上下文信息。通过进一步级联操作,使每个像素捕获整幅图像长距离的依赖关系,能利用周围像素点信息来预测被强反光遮挡的背景信息。实验结果表明,本文算法能够有效去除玻璃的强反光,并且玻璃去反光的评估结果都超过了其他对比算法,具有较好的鲁棒性。