[發明專利]圖像色差修正方法、裝置、電子設備和存儲介質

在審

• 申請號: 202310099115.X
• 申請日: 2023-01-31
• 公開（公告）號: CN116320345A
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 顧忠政
• 申請（專利權）人: 湖北星紀時代科技有限公司
• 主分類號: H04N9/64
• 分類號: H04N9/64;H04N9/77;H04N13/15
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 周治宇

1.一種圖像色差修正方法，其特征在于，包括：

獲取一個輸入圖像中各像素點分別對應的第一色差灰度值和第二色差灰度值；每個所述第一色差灰度值為對應像素點的第一原色灰度值和第二原色灰度值之差，每個所述第二色差灰度值為對應像素點的所述第二原色灰度值和第三原色灰度值之差；

獲取對應于所述第一色差灰度值的所述各像素點的第一色差指標值，和對應于所述第二色差灰度值的所述各像素點的第二色差指標值；

針對所述輸入圖像中任一像素點，基于所述像素點的第一色差指標值、以及第一色差指標值與第一色差修正權重值之間的第一映射關系，得到所述像素點的第一色差修正權重值；基于所述像素點的第二色差指標值、以及第二色差指標值與第二色差修正權重值之間的第二映射關系，得到所述像素點的第二色差修正權重值；

基于所述輸入圖像中各像素點的第一色差修正權重值和第二色差修正權重值，對所述輸入圖像進行色差修正并產生修正后的輸出圖像；

其中，所述第一映射關系和所述第二映射關系，是基于多樣本圖像和人眼對所述多樣本圖像的色差感知結果數據集對神經網絡模型進行訓練后得到的。

2.根據權利要求1所述的圖像色差修正方法，其特征在于，基于多樣本圖像和人眼對所述多樣本圖像的色差感知結果數據集對神經網絡模型進行訓練后得到所述第一映射關系和所述第二映射關系，包括：

基于所述多樣本圖像和人眼對所述多樣本圖像的色差感知結果數據集對所述神經網絡模型進行訓練，得到第一色差灰度值的第一有效權重分布和第二色差灰度值的第二有效權重分布；

建立多個第一色差指標值閾值區間與所述第一有效權重分布的所述第一映射關系，以及多個第二色差指標值閾值區間與所述第二有效權重分布的所述第二映射關系。

3.根據權利要求2所述的圖像色差修正方法，其特征在于：

所述第一色差指標值是

所述第二色差指標值是

所述第一原色是紅色，所述第二原色是綠色，所述第三原色是藍色，所述輸出圖像是YUV圖像。

4.根據權利要求2所述的圖像色差修正方法，其特征在于：

所述多個第一色差指標值閾值區間包括一個第一色差指標值小于第一色差閾值的第一色差閾值區間和多個第一色差指標值大于或等于第一色差閾值的第一色差閾值區間，所述第一色差指標值小于第一色差閾值的第一色差閾值區間對應的第一有效權重為1，所述多個第一色差指標值大于或等于第一色差閾值的第一色差閾值區間中，每個第一色差閾值區間對應一個所述神經網絡模型進行訓練得到的第一有效權重；

所述多個第二色差指標值閾值區間包括一個第二色差指標值小于第二色差閾值的第二色差閾值區間和多個第二色差指標值大于或等于第二色差閾值的第二色差閾值區間，所述第二色差指標值小于第二色差閾值的第二色差閾值區間對應的第二有效權重為1，所述多個第二色差指標值大于或等于第二色差閾值的第二色差閾值區間中，每個第二色差閾值區間對應一個所述神經網絡模型進行訓練得到的第二有效權重。

5.根據權利要求1至4任一項所述的圖像色差修正方法，其特征在于，所述神經網絡模型為一個U-Net卷積神經網絡模型。

6.根據權利要求5所述的圖像色差修正方法，其特征在于，所述基于所述多樣本圖像和人眼對所述多樣本圖像的色差感知結果數據集對所述神經網絡模型進行訓練，得到第一色差灰度值的第一有效權重分布和第二色差灰度值的第二有效權重分布，包括：

基于人眼三種視錐細胞對不同波長的光的相對響應值，根據所述多樣本圖像進行建模，得到所述多樣本圖像的色差感知結果數據集；

用均方根測試誤差作為所述U-Net卷積神經網絡模型的損失函數，由所述U-Net卷積神經網絡模型基于所述多樣本圖像的色差感知結果數據集，得到所述第一有效權重分布和所述第二有效權重分布。