[發(fā)明專利]一種基于灰像素統(tǒng)計的顏色恒常性方法

在審

• 申請?zhí)枺?/td>: 202011084723.6
• 申請日: 2020-10-12
• 公開（公告）號: CN112308791A
• 公開（公告）日: 2021-02-02
• 發(fā)明（設(shè)計）人: 王穎;王勇
• 申請（專利權(quán)）人: 杭州電子科技大學(xué)
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/20;G06T7/11;G06T7/90
• 代理公司: 杭州君度專利代理事務(wù)所(特殊普通合伙) 33240
• 代理人: 朱月芬

本發(fā)明公開了一種基于灰像素統(tǒng)計的顏色恒常性方法。基于對自然場景下多光譜圖像中彩色像素與中性灰像素光譜分布的差異規(guī)律的研究。本發(fā)明的具體步驟如下：首先，取得一張偏色圖像作為待修正圖像；通過低通濾波將待修正圖像分為基礎(chǔ)層和細(xì)節(jié)層；在基礎(chǔ)層圖像上進(jìn)行通道相關(guān)性檢測；根據(jù)檢測結(jié)果對待修正圖像進(jìn)行參數(shù)自適應(yīng)的超像素分割；利用細(xì)節(jié)層圖像，篩選出滿足對比度要求的超像素；根據(jù)RGB通道間的分布差異規(guī)律，計算出篩選的超像素接近中性灰的程度；最終選取一定數(shù)量的最接近中性灰的超像素來估計場景光源顏色。本發(fā)明具有更高的準(zhǔn)確性和魯棒性，且算法復(fù)雜性較低，計算簡單，更具有實時性。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于灰像素統(tǒng)計的顏色恒常性方法。屬于計算機(jī)視覺、圖像處理和顏色增強等技術(shù)領(lǐng)域。

背景技術(shù)

當(dāng)照明光源發(fā)生變化時，人類視覺系統(tǒng)擁有對物體的顏色感知保持相對不變的特性，這種特性被稱為顏色恒常性。使數(shù)字成像系統(tǒng)具備人類視覺系統(tǒng)的顏色恒常視覺特性，自動且有效的去除圖像中光源的影響，還原物體表面本征顏色，將對計算機(jī)視覺中的目標(biāo)識別、顏色特征提取、場景分析有重要作用。在圖像中估計出成像時的場景光源顏色是一個病態(tài)的問題，為了求解病態(tài)問題需要設(shè)置合理的限制條件或依據(jù)先驗知識，因此主要的顏色恒常性算法可以分為兩大類:基于統(tǒng)計的顏色恒常性算法和基于學(xué)習(xí)的顏色恒常性算法。

基于學(xué)習(xí)的顏色恒常性算法需要利用先驗信息，如具有真實光源的數(shù)據(jù)集，借助于傳統(tǒng)機(jī)器學(xué)習(xí)算法或深度學(xué)習(xí)算法訓(xùn)練模型來估計光源，在沒有專用芯片或GPU的情況下，在相機(jī)上運行這些算法需要的資源和算力令大部分應(yīng)用望而卻步。基于統(tǒng)計的顏色恒常性算法是無監(jiān)督的，其假設(shè)自然物體的顏色存在某種規(guī)律，直接利用圖像的統(tǒng)計信息(如顏色分布，空間信息)來估計場景光源顏色，不需要任何的先驗知識。相比于基于學(xué)習(xí)的算法，算法復(fù)雜性較低，計算簡單，更具有實時性，但光源估計的結(jié)果不夠精準(zhǔn)。

發(fā)明內(nèi)容

本發(fā)明為了解決以上光源估計的問題，發(fā)明提供了一種基于灰像素統(tǒng)計的顏色恒常性方法。

本發(fā)明所采用的技術(shù)方案，包括以下步驟：

步驟(1)：取得一張偏色圖像作為待修正圖像；

步驟(2)：通過低通濾波將待修正圖像分為基礎(chǔ)層圖像和細(xì)節(jié)層圖像；

步驟(3)：在基礎(chǔ)層圖像上進(jìn)行通道相關(guān)性檢測；

步驟(4)：根據(jù)檢測結(jié)果對待修正圖像進(jìn)行參數(shù)自適應(yīng)的超像素分割；

步驟(5)：利用細(xì)節(jié)層圖像，篩選出滿足對比度要求的超像素；

步驟(6)：根據(jù)RGB通道間的分布差異，計算步驟(5)篩選出的超像素接近中性灰的程度；

步驟(7)：選取指定數(shù)量的最接近中性灰的超像素來估計場景光源顏色。

優(yōu)選的，所述步驟(1)中，從數(shù)據(jù)集中選擇一張待矯正的偏色圖像作為待修正圖像。

優(yōu)選的，所述步驟(2)中，對待修正圖像進(jìn)行低通濾波處理獲得基礎(chǔ)層圖像I_b，再將待修正圖像和基礎(chǔ)層圖像I取自然對數(shù)相減獲得細(xì)節(jié)層圖像:

其中為對數(shù)域細(xì)節(jié)層圖像；ξ＝1，為偏置值。

優(yōu)選的，所述步驟(3)中，對細(xì)節(jié)層圖像進(jìn)行通道相關(guān)性檢測，通道相關(guān)性與色度梯度成反比，色度梯度越大，通道相關(guān)性越小。因此將細(xì)節(jié)層圖像轉(zhuǎn)換到Y(jié)UV域計算色度梯度t:

其中表示目標(biāo)位置與相鄰位置的值的差分。