基于结构化深度边缘检测的阴影优化

先前阴影检测方法在很大程度上未利用阴影边界的局部结构以及图像区域间的复杂交互。本文提出一种新颖的基于学习的框架，用于从单幅图像中恢复阴影区域。我们利用结构化CNN学习框架来挖掘阴影边缘的局部结构。我们表明，在分类中使用结构化标签信息能够改善结果的局部一致性并避免虚假标记。我们进一步提出并形式化了一种阴影/亮区度量，以建模图像区域间的复杂交互。每个图像块的阴影与亮区度量由图像中检测到的阴影边缘计算得到。利用图像块上的全局交互约束，我们构建了一个用于阴影恢复的最小二乘优化问题，该问题可高效求解。我们的阴影恢复方法在各种条件下收集的主要阴影基准数据库上取得了最先进的(state-of-the-art)结果。