一种运用卷积神经网络提取本质图像的方法

摘要

本发明提供了一种运用卷积神经网络提取本质图像的方法。首先，构建一个从图像到图像的具有平行结构的双流卷积网络；然后，采用特定的训练数据集对该网络进行训练，优化网络参数，以提取具有环境不变性的多层特征，直接重构出本质图像(反射图与光照图)。由于采用了基于深度学习理论构建的双流卷积神经网络具有强大的特征提取能力，可以直接从原始图像中分离出反射图与光照图。同时，该模型是一种从图像到图像的全卷积网络模型，包含两个分支流向，分别用于生成光照图和反射图，且该网络结构将较高层的卷积结果与反卷积操作后的结果相结合，在一定程度上可以降低光照图和反射图的重构误差，提高了网络特征重构的能力。