Specularity removal: A global energy minimization approach based on polarization imaging

تمرکز انرژی نور در تصاویر باعث می شود برجسته های قوی (انعکاس درخشندگی) و استحکام طیف وسیعی از الگوریتم های بینایی، مانند استخراج ویژگی ها و تشخیص شی، را به چالش می کشد. در واقع بسیاری از الگوریتم ها سطوح پخش گسترده ای را در نظر می گیرند و انعکاس های چشمگیر را نادیده می گیرند؛ بنابراین حذف ظاهری ممکن است یک مرحله پیش پردازش برای بهبود دقت الگوریتم های مشابه باشد. با توجه به حذف ظاهری، روش های متداول مبتنی بر رنگ، اعوجاج رنگ های شدید را ایجاد می کنند و الگوریتم های مبتنی بر پچ محلی، اطلاعاتی طولانی را در اختیار ندارند، که ممکن است منجر به مصنوعات شود. در این مقاله، ما روش جدیدی برای برداشتن دقت تصویر را ارائه می کنیم که بر اساس تصویر برداری قطبی از طریق کاهش انرژی جهانی است. تصاویر قطبی شدن اطلاعات مکمل و کاهش اعوجاج رنگ را فراهم می کنند. با به حداقل رساندن یک تابع انرژی جهانی، الگوریتم ما به درستی به خط ریش بلند می پردازد و نتایج دقیق و پایدار را تولید می کند. در مقایسه با سایر روشهای مبتنی بر قطبی سازی ادبیات، روش ما نتایج دلگرم کننده ای را از لحاظ دقت و استحکام به دست می آورد.