CN101146233A - 一种光源颜色计算和图像校正方法 - Google Patents
一种光源颜色计算和图像校正方法 Download PDFInfo
- Publication number
- CN101146233A CN101146233A CNA2007101332729A CN200710133272A CN101146233A CN 101146233 A CN101146233 A CN 101146233A CN A2007101332729 A CNA2007101332729 A CN A2007101332729A CN 200710133272 A CN200710133272 A CN 200710133272A CN 101146233 A CN101146233 A CN 101146233A
- Authority
- CN
- China
- Prior art keywords
- pixel
- light source
- color
- point
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
光源颜色计算和图像校正方法涉及彩色图像的识别和分析中的光源的计算和校正方法,该方法包括以下步骤:对彩色图像中每个像素的色度进行归一化;利用纯漫反射或少量镜面反射的像素点与周围像素点的变化平缓,即像素的相似度大的性质,通过投票方法快速提取出高光区域;从简化的双向反射函数光照模型出发,推导出逆强度和色度的线性关系以及光源颜色的表示和校正方法,将高光区域中的像素的三个通道的色度值分别投射到由逆强度和色度张成的空间中,将三维空间转化为二维空间;采用参数逼近法对逆强度空间中的点进行直线拟合,求得色度轴截距,即是光源颜色值;根据光源颜色值,在归一化的图像上进行颜色校正,然后恢复成标准白光下的图像。
Description
技术领域
本发明涉及一种光源颜色的计算和图像校正方法,尤其涉及彩色图像的识别和分析中的光源的计算和校正方法,以保持图像的颜色恒定性。属于图像信息处理领域。
背景技术
物体在成像***上的表现由三个方面决定:光照、物体的表面属性和成像***的传感器性能。由于光源的颜色,特别是在自然场景下,一般并非纯白,因此在立体匹配、物体识别时必须考虑光源的颜色。另外,拍摄环境的光照变化会导致图像内目标颜色的变化,为了保证分析结果的可靠性,对图像进行光源颜色的计算和校正是必要的一个环节,对于视觉识别、工业检测有很重要的意义。
针对光源颜色计算方法可分为基于统计和基于物理的两大类。
基于统计的光源颜色计算方法利用光源和表面反射率的概率统计知识与颜色的关系来实现颜色的计算。具有代表性的Retinex算法(Land E H,McCann J J.Lightness and retinex theory.Journal of Optics Society of America,1971,61(1):1-11)假设物体表面颜色的不连续性要大于光照颜色的不连续性。运用对数差分运算提取出表面颜色不连续性,并且去处光源的不连续性。然后,运用积分指数运算重构表面颜色。Retinex算法以及在此基础上的改进算法(Weiss Y.Derivingintrinsic images from image sequences.IEEE Internat ional Conference onComputer Vision,2003,2:68-75)的主要问题是:要正确地找到物体表面颜色的不连续性,而到目前为止这仍是一个难题。基于统计的光源颜色计算方法的缺点是要求物体表面有多种颜色。另外,大多数方法假设物体表面只有漫反射,而且基于统计的算法容易受噪音的影响。
随着计算机图形学的发展,研究人员开始在一定的光照和反射模型上进行研究。基于物理的方法能很好地处理多色彩和复杂纹理表面的情况,因此成为研究的主流方向。物体颜色由两部分组成:物体表面的反射分量和物体的体反射分量。表面反射分量主要由光源的反射属性决定,反映了光源的颜色信息。体反射反映的是物体本身的颜色信息。T型光源颜色计算方法(Klinker G J,Shafer S A,Kanade T.Themeasurement of highlights in color images.International Journal of ComputerVision,1990,2:7-32)通过一个单一颜色表面在RGB三维空间计算出光源颜色。在三维RGB空间,2个反射分量的像素族形成一个T型,通过对T型的提取和分解可以得到光源颜色。但是实际场景中获取的图像,由于噪音的影响,T型的提取很困难。而且三维空间的计算量很大。为了避免三维空间的复杂运算,文献(Lee H C.Method for computing the scene-illuminant from specular highlights.Journalof Optics Society of America A,1986,3(10):1694-1699)提出了一种利用多颜色高光区域进行光源颜色的计算方法。但是这种算法要求利用图像分割方法对高光部分进行分割,不适用于纹理复杂表面,而且两个相似颜色的直线交点相对于噪音敏感,对于只有一种颜色的物体也不适用。在此基础上,文献(Lehmann T M,PalmC.Color line search for illuminant estimation in real-world scene.Journalof Optics Society of America A,2001,18(11):2679-2691)提出了一种更加稳定的算法。但是图像需要有多种颜色的高光存在,并且要求在每个高光区域的表面颜色是一样的,无法处理复杂纹理表面情况。逆强度空间计算光源颜色的方法(TanR T,Nishino K,Ikeuchi K.Illumination Chrmaticity estimation usinginverse-intensity chromaticity space.IEEE Computer Society Conference onComputer Vision and Pattern Recognition,2003,673-680.)无需进行图像分割,而且对高光区域个数和颜色没有限制。但是此方法在高光区域检测以及哈夫空间计算直线交点上太复杂,导致处理时间加长。总的来说,当前基于物理的光源计算方法的缺陷是大多数算法还需要进行图像分割,导致速度慢,光源计算精度依赖于分割的精度;对图像纹理有限制,对于欠纹理和复杂纹理物体精度很低;三维颜色空间计算复杂,耗时长。
发明内容
技术问题:本发明的目的在于针对现有技术的不足:速度慢、对纹理的限制、计算复杂等问题,提供一种无需图像分割、对物体的表面纹理没有限制以及在二维空间进行光源颜色计算的一种光源颜色计算和图像校正方法,并将图像校正到标准白光下的颜色。
技术方案:从简化的BRDF(Bi-directional Reflectance DistributionFunction,双向反射函数)光照模型出发,采用投票机制快速提取出图像中高光区域,然后将图像归一化后投影到逆强度空间,利用像素色度与逆强度在逆强度空间的线性关系,通过参数逼近方法进行直线拟合,计算出光源的颜色值。最后根据计算出的光源颜色对图像进行颜色校正。
利用本发明进行光源颜色计算和图像校正方法包括以下步骤:
步骤A.对彩色图像中每个像素的色度进行归一化:将光源颜色Г与物体表面颜色Λ的关系表示为I(x)=md(x)Λ(x)+ms(x)Г,其中I(x)表示图像I中的每个像素点x的颜色值,md(x)表示像素点x所在物体的表面漫反射系数,A(x)表示像素点x所在物体的表面颜色,ms(x)表示像素点x所在物体的表面镜面反射系数,Г表示光源颜色,对图像I中每个像素x的颜色进行归一化:σ(x)=I(x)/∑Ic(x),其中σ(x)为归一化后像素点x的色度。∑Ic(x)表示像素x三个通道颜色值之和;Ic表示像素点x在c颜色通道的颜色值;
步骤B.利用纯漫反射或少量镜面反射的像素点与周围像素点的变化平缓,即像素的相似度大的性质,通过投票方法快速提取出高光区域:对于同样颜色的表面区域,纯漫反射或少量镜面反射的像素点与周围像素点的变化平缓,像素的相似度很大,对所有像素点进行高光检测,同一颜色区域中相邻三个像素点(x-1,x,x+1)像素颜色差异值为:
其中Λ(x-1,x)为两个相邻像素x-1和x的颜色差异值,记ε=|Λ(x,x+1)-Λ(x-1,x)|,通过投票机制来确定一个像素点是否是漫反射点,那么认为当ε<α时,为像素点x-1,x和x+1为分别投一票,这里α是事先设置的阈值;检验完所有像素点后,票数大于预设值λ的点就是漫反射点,票数小于预设值的点就是镜面反射点;此算法中每个像素点要检查6次,另外相邻像素点的颜色和光强相差很大时被认为是边缘点,也被排除在高光区域外;
步骤C.从简化的BRDF光照模型出发,推导出逆强度和色度的线性关系以及光源颜色的表示和校正方法,将高光区域中的像素的三个通道的色度值分别投射到由逆强度和色度张成的空间中,将三维空间转化为二维空间:根据漫反射与镜面反射的关系可以推导出像素的色度与逆强度的线性关系:
其中p=md(Λ-Г),σ为像素点的色度,那么在1/∑Ic和σ张成逆强度空间中,所有像素点构成一条直线,截距就是光源的颜色Г;
步骤D.采用参数逼近法对逆强度空间中的点进行直线拟合,求得色度轴截距,即是光源颜色值;在逆强度空间中,y=kx+b,x为1/∑Ic,y为σ,k为斜率,截距b即是光源颜色Гc,MN是包围盒的中垂线,MN与最佳拟合直线的交点是E,对于直线MN上的任意一点P,经过P点斜率为k直线l,所有数据点到直线l的距离和为d,那么必存在k=a,a∈(-∞,+∞),使d值最小,光源颜色肯定为正,也就是说截距肯定大于0,那么斜率取值范围可以缩小为(0,ymax/xmin),对于任一固定斜率k,经过MN上点的直线l*,所有数据点到直线l*的距离和为d*,那么必存在y=b,b∈(ymin,ymax),使d*值最小,那么,直线拟合问题就转换为对参数k,y的逼近问题,其中ymin,ymax所有像素点色度的最小值和最大值,xmax为所有像素点逆强度的最小值;
步骤E.根据光源颜色值,在归一化的图像上进行颜色校正,然后恢复图像:根据计算出的光源颜色,进行颜色校正,就得到了光源校正后的图像,即在标准白光下的图像。
有益效果:与现有技术相比较,本发明利用投票机制快速提取出高光区域,一方面避免了图像分割所带来的误差和耗时的缺点,另一方面能够同时提取出多个物体上的高光区域,适用用于复杂场景包括复杂纹理和欠纹理物体的高光区域提取。
此外,本发明将归一化的高光像素点投影到逆强度空间,将三维计算转化为二维,利用采用参数逼近进行直线拟合,快速准确的求得光源颜色,大大降低了计算复杂度。
与现有技术相比,本发明提出了一种不需要图像分割,对物体表面纹理没有限制,快速精确的光源颜色计算方法。对于提高图像分析和识别的准确性有很大的帮助,对于机器视觉、工业检测有很重要的意义。
附图说明
图1是本发明的光源计算和图像校正方法的整体框图;
图2是本发明的参数逼近直线拟合示意图。
具体实施方式
如图1所示,本发明的光源计算和图像校正方法的输入图像通过图像归一化模块后,归一化后的像素点进入投票法高光检测模块,检测出的高光区域像素背投影到逆强度空间,然后对逆强度空间中的点利用参数逼近直线拟合计算出光源颜色,然后根据计算出的光源颜色对图像进行颜色校正,输出标准白光下图像。
为便于深刻理解本发明的技术内容,下面结合附图对本发明进行详细说明。
1.对输入彩色图像进行归一化。将光源颜色Г与物体表面颜色Λ的关系表示为I(x)=md(x)Λ(x)+ms(x)Г,其中I(x)表示图像I中的每个像素点的颜色值,md(x)表示像素点x所在物体的表面漫反射系数,Λ(x)表示像素点x所在物体的表面颜色,ms(x)表示像素点x所在物体的表面镜面反射系数,Г表示光源颜色,对图像I中每个像素x的颜色进行归一化:σ(x)=I(x)/∑Ic(x),其中σ(x)为归一化后像素点x的色度。∑Ic(x)表示像素x三个通道颜色值之和。
2.对于同样颜色的表面区域,纯漫反射或少量镜面反射的像素点与周围像素点的变化平缓,像素的相似度很大,利用这个性质,我们对所有像素点进行高光检测。假设(x-1,x,x+1)是三个相邻的像素点,并且他们处在相同颜色的漫反射区域中,可以推导出同一颜色区域中相邻像素颜色差异值为:
其中Λ(x-1,x)为两个相邻像素x-1和x的颜色差异值。记ε=|Λ(x,x+1)-Λ(x-1,x)|,通过投票机制来确定一个像素点是否是漫反射点。那么我们认为当ε<α时,为像素点x-1、x和x+1为分别投一票。这里α是事先设置的阈值。检验完所有像素点后,票数大于预设值λ的点就是漫反射点。票数小于预设值的点就是镜面反射点。此算法中每个像素点要检查6次。另外相邻像素点的颜色和光强相差很大时被认为是边缘点,也被排除在高光区域外。
3.在归一化图像的基础上,将高光区域像素点投射到逆强度空间。
根据漫反射与镜面反射的关系可以推导出像素的色度与逆强度的线性关系:
其中p=md(Λ-Г),σ为像素点的色度。那么在1/∑Ic和σ张成逆强度空间中,所有像素点构成一条直线,截距就是光源的颜色Г。
4.对于逆强度空间中所有点,采用参数逼近法进行直线拟合,求得光源颜色。在逆强度空间中,为了描述方我们3中公式改写为y=kx+b,x为1/∑Ic,y为σ,k为斜率,截距b即是光源颜色Гc。如图2所示ABCD为所有数据点的包围盒,MN是包围盒的中垂线,MN与最佳拟合直线的交点是E。对于直线MN上的任意一点P,经过P点斜率为k直线l,所有数据点到直线l的距离和为d,那么必存在k=a,a∈(-∞,+∞),使d值最小。光源颜色肯定为正,也就是说截距肯定大于0,那么斜率取值范围可以缩小为(0,ymax/xmin)。对于任一固定斜率k,经过MN上点的直线l*,所有数据点到直线l*的距离和为d*,那么必存在y=b,b∈(ymin,ymax),使d*值最小。那么,直线拟合问题就转换为对参数k,y的逼近问题。其中ymin,ymax所有像素点色度的最小值和最大值,xmax为所有像素点逆强度的最小值。
5.根据计算出的光源颜色,进行颜色校正,就得到了光源校正后的图像,即在标准白光下的图像。
Claims (1)
1.一种光源颜色计算和图像校正方法,其特征在于该方法包括以下步骤:
步骤A.对彩色图像中每个像素的色度进行归一化:将光源颜色Γ与物体表面颜色Λ的关系表示为I(x)=md(x)Λ(x)+ms(x)Γ,其中I(x)表示图像I中的每个像素点x的颜色值,md(x)表示像素点x所在物体的表面漫反射系数,Λ(x)表示像素点x所在物体的表面颜色,ms(x)表示像素点x所在物体的表面镜面反射系数,Γ表示光源颜色,对图像I中每个像素x的颜色进行归一化:σ(x)=I(x)/∑Ic(x),其中σ(x)为归一化后像素点x的色度;∑Ic(x)表示像素x三个通道颜色值之和,Ic表示像素点x在c颜色通道的颜色值;
步骤B.利用纯漫反射或少量镜面反射的像素点与周围像素点的变化平缓,即像素的相似度大的性质,通过投票方法快速提取出高光区域:对于同样颜色的表面区域,纯漫反射或少量镜面反射的像素点与周围像素点的变化平缓,像素的相似度很大,对所有像素点进行高光检测,同一颜色区域中相邻三个像素点(x-1,x,x+1)像素颜色差异值为:
其中Λ(x-1,x)为两个相邻像素x-1和x的颜色差异值,记ε=|Λ(x,x+1)-Λ(x-1,x)|,通过投票机制来确定一个像素点是否是漫反射点,那么认为当ε<α时,为像素点x-1、x和x+1为分别投一票,这里α是事先设置的阈值;检验完所有像素点后,票数大于预设值λ的点就是漫反射点,票数小于预设值的点就是镜面反射点;此算法中每个像素点要检查6次,另外相邻像素点的颜色和光强相差很大时被认为是边缘点,也被排除在高光区域外;
步骤C.从简化的双向反射函数光照模型出发,推导出逆强度和色度的线性关系以及光源颜色的表示和校正方法,将高光区域中的像素的三个通道的色度值分别投射到由逆强度和色度张成的空间中,将三维空间转化为二维空间:根据漫反射与镜面反射的关系可以推导出像素的色度与逆强度的线性关系:
其中p=md(Λ-Γ),σ为像素点的色度,那么在1/∑Ic和σ张成逆强度空间中,所有像素点构成一条直线,截距就是光源的颜色Γ;
步骤D.采用参数逼近法对逆强度空间中的点进行直线拟合,求得色度轴截距,即是光源颜色值;在逆强度空间中,y=kx+b,x为1/∑Ic,y为σ,k为斜率,截距b即是光源颜色Γc,MN是包围盒的中垂线,MN与最佳拟合直线的交点是E,对于直线MN上的任意一点P,经过P点斜率为k直线l,所有数据点到直线l的距离和为d,那么必存在k=a,a∈(-∞,+∞),使d值最小,光源颜色肯定为正,也就是说截距肯定大于0,那么斜率取值范围可以缩小为(0,ymax/xmin),对于任一固定斜率k,经过MN上点的直线l*,所有数据点到直线l*的距离和为d*,那么必存在y=b,b∈(ymin,ymax),使d*值最小,那么,直线拟合问题就转换为对参数k,y的逼近问题,其中ymin,ymax所有像素点色度的最小值和最大值,xmax为所有像素点逆强度的最小值;
步骤E.根据光源颜色值,在归一化的图像上进行颜色校正,然后恢复图像:根据计算出的光源颜色,进行颜色校正,就得到了光源校正后的图像,即在标准白光下的图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2007101332729A CN101146233A (zh) | 2007-09-26 | 2007-09-26 | 一种光源颜色计算和图像校正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2007101332729A CN101146233A (zh) | 2007-09-26 | 2007-09-26 | 一种光源颜色计算和图像校正方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101146233A true CN101146233A (zh) | 2008-03-19 |
Family
ID=39208480
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2007101332729A Pending CN101146233A (zh) | 2007-09-26 | 2007-09-26 | 一种光源颜色计算和图像校正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101146233A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101635053B (zh) * | 2009-09-02 | 2011-10-26 | 北京航空航天大学 | 多光源颜色强度一致性标定方法 |
CN102301392A (zh) * | 2009-01-29 | 2011-12-28 | 日本电气株式会社 | 彩色图像处理方法,彩色图像处理设备和记录介质 |
CN102572211A (zh) * | 2010-12-20 | 2012-07-11 | 三星泰科威株式会社 | 估计光源的方法和设备 |
CN102301391B (zh) * | 2009-01-27 | 2013-07-17 | 日本电气株式会社 | 彩色图像处理方法、彩色图像处理设备以及彩色图像处理程序 |
CN106408617A (zh) * | 2016-08-26 | 2017-02-15 | 珠海金山网络游戏科技有限公司 | 一种基于yuv颜色空间的交互式单幅图像材质获取***和方法 |
CN107251554A (zh) * | 2015-02-09 | 2017-10-13 | (株)奈克斯其布斯 | 色彩表生成装置、摄像机图像补正/控制装置及其方法 |
CN109672874A (zh) * | 2018-10-24 | 2019-04-23 | 福州大学 | 一种时空一致的立体视频颜色校正方法 |
WO2019085711A1 (en) * | 2017-10-30 | 2019-05-09 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | White balance processing method, electronic device and computer readable storage medium |
CN109829480A (zh) * | 2019-01-04 | 2019-05-31 | 广西大学 | 物体表面高光特征检测与材质分类的方法及*** |
CN110060308A (zh) * | 2019-03-28 | 2019-07-26 | 杭州电子科技大学 | 一种基于光源颜色分布限制的颜色恒常性方法 |
-
2007
- 2007-09-26 CN CNA2007101332729A patent/CN101146233A/zh active Pending
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102301391B (zh) * | 2009-01-27 | 2013-07-17 | 日本电气株式会社 | 彩色图像处理方法、彩色图像处理设备以及彩色图像处理程序 |
CN102301392A (zh) * | 2009-01-29 | 2011-12-28 | 日本电气株式会社 | 彩色图像处理方法,彩色图像处理设备和记录介质 |
US8693773B2 (en) | 2009-01-29 | 2014-04-08 | Nec Corporation | Color image processing method, color image processing device, and recording medium |
CN102301392B (zh) * | 2009-01-29 | 2014-08-13 | 日本电气株式会社 | 彩色图像处理方法,彩色图像处理设备和记录介质 |
CN101635053B (zh) * | 2009-09-02 | 2011-10-26 | 北京航空航天大学 | 多光源颜色强度一致性标定方法 |
CN102572211A (zh) * | 2010-12-20 | 2012-07-11 | 三星泰科威株式会社 | 估计光源的方法和设备 |
CN102572211B (zh) * | 2010-12-20 | 2015-11-25 | 韩华泰科株式会社 | 估计光源的方法和设备 |
CN107251554A (zh) * | 2015-02-09 | 2017-10-13 | (株)奈克斯其布斯 | 色彩表生成装置、摄像机图像补正/控制装置及其方法 |
CN106408617A (zh) * | 2016-08-26 | 2017-02-15 | 珠海金山网络游戏科技有限公司 | 一种基于yuv颜色空间的交互式单幅图像材质获取***和方法 |
CN106408617B (zh) * | 2016-08-26 | 2020-03-31 | 珠海金山网络游戏科技有限公司 | 一种基于yuv颜色空间的交互式单幅图像材质获取***和方法 |
WO2019085711A1 (en) * | 2017-10-30 | 2019-05-09 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | White balance processing method, electronic device and computer readable storage medium |
US10616544B2 (en) | 2017-10-30 | 2020-04-07 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | White balance processing method, electronic device and computer readable storage medium |
US10674128B2 (en) | 2017-10-30 | 2020-06-02 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | White balance processing method, electronic device and computer readable storage medium |
CN109672874A (zh) * | 2018-10-24 | 2019-04-23 | 福州大学 | 一种时空一致的立体视频颜色校正方法 |
CN109672874B (zh) * | 2018-10-24 | 2020-08-11 | 福州大学 | 一种时空一致的立体视频颜色校正方法 |
CN109829480A (zh) * | 2019-01-04 | 2019-05-31 | 广西大学 | 物体表面高光特征检测与材质分类的方法及*** |
CN110060308A (zh) * | 2019-03-28 | 2019-07-26 | 杭州电子科技大学 | 一种基于光源颜色分布限制的颜色恒常性方法 |
CN110060308B (zh) * | 2019-03-28 | 2021-02-02 | 杭州电子科技大学 | 一种基于光源颜色分布限制的颜色恒常性方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101146233A (zh) | 一种光源颜色计算和图像校正方法 | |
Artusi et al. | A survey of specularity removal methods | |
Klinker et al. | A physical approach to color image understanding | |
CN100555309C (zh) | 用于确定图像中的主要光源的方向的方法 | |
EP1143375B1 (en) | Device, method and record medium for image comparison | |
CN104156693B (zh) | 一种基于多模态序列融合的动作识别方法 | |
US20140341421A1 (en) | Method for Detecting Persons Using 1D Depths and 2D Texture | |
Fang et al. | A method to segment moving vehicle cast shadow based on wavelet transform | |
Lopez et al. | A new preprocessing technique for fast hyperspectral endmember extraction | |
CN106980371B (zh) | 一种基于临近异构分布式结构的移动增强现实交互方法 | |
Antensteiner et al. | Single image multi-spectral photometric stereo using a split u-shaped cnn | |
Plosz et al. | Real-time reconstruction of 3D videos from single-photon LiDaR data in the presence of obscurants | |
Ettalibi et al. | AI and Computer Vision-based Real-time Quality Control: A Review of Industrial Applications | |
CN107038690A (zh) | 一种基于多特征融合的运动阴影去除方法 | |
Moghimi et al. | Shadow detection based on combinations of hessenberg decomposition and principal component analysis in surveillance applications | |
Wesolkowski et al. | Shading-and highlight-invariant color image segmentation using the MPC algorithm | |
Youseph et al. | Pixel and edge based illuminant color estimation for image forgery detection | |
Sari et al. | Multiple food or non-food detection in single tray box image using fraction of pixel segmentation for developing smart NutritionBox prototype | |
KR20200082074A (ko) | 색공간 압축 기법을 이용한 조명 불변 이미지를 획득하는 방법 및 이를 위한 장치 | |
WO2022272166A1 (en) | Systems and methods for generating and using visual datasets for training computer vision models | |
Shi et al. | Dichromatic illumination estimation via hough transforms in 3d | |
Khan et al. | Towards highlight based illuminant estimation in multispectral images | |
Mazumdar et al. | Forgery detection in digital images through lighting environment inconsistencies | |
EP3493155A1 (en) | Surface color segmentation | |
Ling et al. | Infrared target tracking with kernel-based performance metric and eigenvalue-based similarity measure |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Open date: 20080319 |