CN103957395B - 具有自适应能力的颜色恒常方法 - Google Patents
具有自适应能力的颜色恒常方法 Download PDFInfo
- Publication number
- CN103957395B CN103957395B CN201410190874.8A CN201410190874A CN103957395B CN 103957395 B CN103957395 B CN 103957395B CN 201410190874 A CN201410190874 A CN 201410190874A CN 103957395 B CN103957395 B CN 103957395B
- Authority
- CN
- China
- Prior art keywords
- sigma
- passage
- green
- red
- subprovince
- 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.)
- Active
Links
Landscapes
- Facsimile Image Signal Circuits (AREA)
- Color Image Communication Systems (AREA)
- Image Analysis (AREA)
- Processing Of Color Television Signals (AREA)
Abstract
本发明公开了一种具有自适应能力的颜色恒常方法,具体通过非经典感受野单拮抗模型,利用不同敏感系数下外周的抑制作用和亚区的去抑制作用的相互作用自动适应不同场景图像,将非标准光照下拍摄的有色偏彩色图像恢复成标准光照下拍摄的无色偏彩色图像,实现色偏图像颜色的自动校正,即颜色恒常。在多个国际通用颜色恒常数据库上近千幅不同场景、光照的图像上测试证明,该发明的方法比经典的颜色恒常算法具有更好的效果。
Description
技术领域
本发明属于图像处理技术领域,涉及彩色图像颜色恒常技术,是一种基于视网膜非经典感受野视觉机制的颜色恒常方法。
背景技术
与摄像机等传感器不同,尽管不同光照下物体同一表面反射入人眼的色光不同,人类视觉机制能从不同的入射光谱中获取到相同的物体表面反射性质,因此当外界光照变化在一定范围之内时,人类对物体颜色的感知相对不变,这种一定范围内对颜色感知的恒定性,被称为颜色恒常(ColorConstancy)。摄像机等传感器采集到的物体颜色由光源、物体表面反射性质以及传感器自身的传输性质决定,光源的改变将极大地改变其采集到的物体颜色。例如,当红光照在白纸上,与人能感知到纸面仍为白色不同,机器视觉中由于传感器采集到的是从纸面反射的红光,感知到的将是红色纸面。因此,图像处理中需要利用颜色恒常方法,将非标准光照下拍摄的图像恢复成标准光照下拍摄的图像。目前,根据基本思想不同,实现颜色恒常的方法可分为基于光源估计的方法和基于颜色不变性的方法两大类。基于光源估计的方法是通过估计出均匀或假设均匀照射在物体上的光源,进而对色偏图像进行处理恢复出无色偏图像,其代表性方法有基于贝叶斯理论的方法、基于色域映射的方法、基于图像简单统计特征的方法等,这也是目前机器视觉中颜色恒常的主流方法。这些方法虽然能在不同程度实现颜色恒常,但都存在一定缺陷。基于贝叶斯理论的方法是根据贝叶斯准则从许多候选光源中选出具有最大概率的光源作为估计到的色偏光源,要求先验信息;基于色域映射的方法无法避免空解;基于图像简单统计特征的方法需要基于一定先验假设,当色偏图像不满足该时将会失效。基于颜色不变性的方法是根据某些颜色不变性理论直接对原始色偏图像的局部特征进行处理从而直接得到无色偏图像,大多和生理机制紧密相关。
中国发明专利200910167730.X虽然同样利用了非经典感受野模型,但其未考虑中心区、外周区、亚区在不同场景下的不同敏感系数,不能自动适应不同特征的不同图像。
发明内容
本发明的目的是为了解决现有技术存在的上述问题,提出了一种具有自适应能力的颜色恒常方法。
本发明的技术方案为:一种具有自适应能力的颜色恒常方法,如图2所示,包括以下步骤:
步骤1:设定感受野大小及确定相应的模型参数:
设定感受野中心区半径、外周抑制区半径、亚区半径;
中心、外周、亚区高斯核函数为:
其中,中心高斯分布参数σc,外周高斯分布参数σs,亚区高斯分布参数σu,分别为其对应区域半径的三分之一;
步骤2:对色偏图像每一个像素点分别提取红色分量IR、绿色分量IG、蓝色分量IB和黄色分量IY,用每个像素点的各分量输入高斯函数平滑后,输出的P阶指数平均后开P次方,得到相应的P范数,记为R、G、B和Y,具体如下:
R=(mean((Gauss(IR))p))1/p
G=(mean((Gauss(IG))p))1/p
B=(mean((Gauss(IB))p))1/p
Y=(mean((Gauss(IY))p))1/p,
其中,mean()表示求平均运算;
步骤3:利用公式:
计算出红绿拮抗通道非经典感受野中心区敏感系数AR1,绿红拮抗通道非经典感受野中心区敏感系数AG1,蓝黄拮抗通道非经典感受野中心区敏感系数AB1;
步骤4:根据设定兴奋抑制比K,计算出红绿拮抗通道非经典感受野外周敏感系数AR2,亚区敏感系数AR3,绿红拮抗通道非经典感受野外周敏感系数AG2,亚区敏感系数AG3,蓝黄拮抗通道非经典感受野外周敏感系数AB2,亚区敏感系数AB3:
AR2=K×AR1/5,AR3=AR2/3
AG2=K×AG1/5,AG3=AG2/3
AB2=K×AB1/5,AB3=AB2/3
依据步骤1所确定的中心、外周、亚区高斯核函数,按照从左至右、从上到下的顺序将色偏图像的每一个像素点(x,y)作为一个感受野的中心依次进行下述步骤5至步骤7的操作:
步骤5:根据公式:
计算出红绿通道亚区去抑制后响应RR3(x,y;σu),绿红通道亚区去抑制后响应RG3(x,y;σu),蓝黄通道亚区去抑制后响应RB3(x,y;σu),其中,(p,q)为落在亚区Unit内除中心外的点,MAX表示取两者中较大值;
步骤6:根据公式:
计算出红绿通道外周抑制RR2(x,y;σs),绿红通道外周抑制RG2(x,y;σs),蓝黄通道外周抑制RB2(x,y;σs),其中,(p,q)为落在外周Surround内的点;
步骤7:根据公式:
计算出红绿通道中心区抑制后响应RR1(x,y;σc),绿红通道中心区抑制后响应RG1(x,y;σc),蓝黄通道中心区抑制后响应RB1(x,y;σc),其中,(p,q)为落在中心区Center内的点;取RR1(x,y;σc)、RG1(x,y;σc)、RB1(x,y;σc)作为中心像素点(x,y)新的红、绿、蓝分量;
步骤8:移动中心像素点(x,y)遍历全图后,对图像所有像素点的新的红色分量IR、绿色分量IG、蓝色分量IB、黄色分量IY分别求和,兴奋抑制比K加1,在红绿、绿红、蓝黄拮抗通道上分别迭代,重复步骤4至8;
上述迭代中止的条件为:每轮迭代后,分通道检查该通道对应颜色分量和,若其一阶导数和二阶导数均小于预先设定的值时所有通道停止迭代后,以红绿通道输出为红色分量IR,绿红通道输出为绿色分量IG,蓝黄通道输出为蓝色分量IB合成无色偏彩色图像。
在步骤8中,其一阶导数和二阶导数均小于预先设定的值,具体为当一阶导数和二阶导数均趋近于零,说明该通道颜色适应曲线已平稳,该通道停止迭代。
本发明的有益效果:本发明的方法通过非经典感受野单拮抗模型,利用不同敏感系数下外周的抑制作用和亚区的去抑制作用的相互作用自动适应不同场景图像,将非标准光照下拍摄的有色偏彩色图像恢复成标准光照下拍摄的无色偏彩色图像,实现色偏图像颜色的自动校正,即颜色恒常。在多个国际通用颜色恒常数据库上近千幅不同场景、光照的图像上测试证明,该发明的方法比经典的颜色恒常算法具有更好的效果。
附图说明
图1是带去抑制亚区的视网膜非经典感受野模型。
图2是本发明方法的流程示意图。
具体实施方式
本实施例的视觉***中,单个视觉神经元对视野中某个特定区域内的刺激起反应,该区域被称为神经元的感受野。在此区域之外,存在一个更大范围的影响神经元响应的非经典感受野。视网膜的感受野呈中心外周的结构,在其外周存在一个大范围的,由多个亚区构成的去抑制区,抑制外周对中心的抑制作用,即非经典感受野(如图1所示)。对颜色的感知从对应于红、绿、蓝三基色的L、M、S三类视锥细胞开始,由水平细胞负反馈灰化后经双极细胞传递至神经节细胞,通过红绿、蓝黄拮抗通道分别处理,由非经典感受野的去抑制作用一定程度上去除弥漫光照的影响,从而实现颜色恒常。
具体实施方式一:在Gehler库上测试
在包含568张图片的国际通用颜色恒常性图像数据库Gehler库(http://www.cs.sfu.ca/~colour/data/shi_gehler/)上对本方法进行测试评估。感受野中心区半径设为1、外周抑制区半径设为3、亚区半径设为1,P范数取10,测试结果如表1所示,比经典的颜色恒常算法具有更好的效果(角度误差表示处理后的无色偏图像和真实无色偏图像的差距,越小说明颜色恢复的越好)。
表1.Gehler库图像不同算法角度误差中位数
具体实施方式二:在SFU库上测试
在包含31个场景321张图片的国际通用颜色恒常性图像数据库SFU库(http://www.cs.sfu.ca/~colour/data/colour_constancy_test_images/index.html/)上对本方法进行测试评估。感受野中心区半径设为1、外周抑制区半径设为3、亚区半径设为1,范数取15,测试结果如下表2所示,比经典的颜色恒常算法具有更好的效果(角度误差表示处理后的无色偏图像和真实无色偏图像的差距,越小说明颜色恢复的越好)。
表2.SFU库图像不同算法角度误差中位数
Claims (1)
1.一种具有自适应能力的颜色恒常方法,包括以下步骤:
步骤1:设定感受野大小及确定相应的模型参数:
设定感受野中心区半径、外周抑制区半径、亚区半径;
中心、外周、亚区高斯核函数为:
其中,中心高斯分布参数σc,外周高斯分布参数σs,亚区高斯分布参数σu,分别为其对应区域半径的三分之一;
步骤2:对色偏图像每一个像素点分别提取红色分量IR、绿色分量IG、蓝色分量IB和黄色分量IY,用每个像素点的各分量输入高斯函数平滑后,输出的P阶指数平均后开P次方,得到相应的P范数,记为R、G、B和Y,
R=(mean((Gauss(IR))p))1/p
G=(mean((Gauss(IG))p))1/p
B=(mean((Gauss(IB))p))1/p
Y=(mean((Gauss(IY))p))1/p,
其中,mean()表示求平均运算;
步骤3:利用公式:
计算出红绿拮抗通道非经典感受野中心区敏感系数AR1,绿红拮抗通道非经典感受野中心区敏感系数AG1,蓝黄拮抗通道非经典感受野中心区敏感系数AB1;
步骤4:根据设定的兴奋抑制比K,计算出红绿拮抗通道非经典感受野外周敏感系数AR2,亚区敏感系数AR3,绿红拮抗通道非经典感受野外周敏感系数AG2,亚区敏感系数AG3,蓝黄拮抗通道非经典感受野外周敏感系数AB2,亚区敏感系数AB3:
AR2=K×AR1/5,AR3=AR2/3
AG2=K×AG1/5,AG3=AG2/3
AB2=K×AB1/5,AB3=AB2/3
依据步骤1所确定的中心、外周、亚区高斯核函数,按照从左至右、从上到下的顺序将色偏图像的每一个像素点(x,y)作为一个感受野的中心依次进行下述步骤5至步骤7的操作:
步骤5:根据公式
计算出红绿通道亚区去抑制后响应RR3(x,y;σu),绿红通道亚区去抑制后响应RG3(x,y;σu),蓝黄通道亚区去抑制后响应RB3(x,y;σu),其中,(p,q)为落在亚区Unit内除中心外的点,MAX表示取两者中较大值;
步骤6:根据公式
计算出红绿通道外周抑制RR2(x,y;σs),绿红通道外周抑制RG2(x,y;σs),蓝黄通道外周抑制RB2(x,y;σs),其中,(p,q)为落在外周Surround内的点;
步骤7:根据公式
计算出红绿通道中心区抑制后响应RR1(x,y;σc),绿红通道中心区抑制后响应RG1(x,y;σc),蓝黄通道中心区抑制后响应RB1(x,y;σc),其中,(p,q)为落在中心区Center内的点;取RR1(x,y;σc)、RG1(x,y;σc)、RB1(x,y;σc)作为中心像素点(x,y)新的红、绿、蓝分量;
步骤8:移动中心像素点(x,y)遍历全图后,对图像所有像素点的新的红色分量IR、绿色分量IG、蓝色分量IB、黄色分量IY分别求和,兴奋抑制比K加1,在红绿、绿红、蓝黄拮抗通道上分别迭代,重复步骤4至8;
上述迭代中止的条件为:每轮迭代后,分通道检查该通道对应颜色分量和,若其一阶导数和二阶导数均小于预先设定的值时所有通道停止迭代后,以红绿通道输出为红色分量IR,绿红通道输出为绿色分量IG,蓝黄通道输出为蓝色分量IB合成无色偏彩色图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410190874.8A CN103957395B (zh) | 2014-05-07 | 2014-05-07 | 具有自适应能力的颜色恒常方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410190874.8A CN103957395B (zh) | 2014-05-07 | 2014-05-07 | 具有自适应能力的颜色恒常方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103957395A CN103957395A (zh) | 2014-07-30 |
CN103957395B true CN103957395B (zh) | 2015-12-09 |
Family
ID=51334608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410190874.8A Active CN103957395B (zh) | 2014-05-07 | 2014-05-07 | 具有自适应能力的颜色恒常方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103957395B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105931206B (zh) * | 2016-05-10 | 2019-06-28 | 深圳市和天创科技有限公司 | 一种颜色恒常的彩色图像清晰度增强方法 |
CN106204500B (zh) * | 2016-07-28 | 2018-10-16 | 电子科技大学 | 一种实现不同相机拍摄同一场景图像颜色保持不变的方法 |
CN108537852B (zh) * | 2018-04-17 | 2020-07-07 | 四川大学 | 一种基于图像局部对比度的自适应颜色恒常性方法 |
CN109274950B (zh) * | 2018-11-09 | 2021-05-07 | 北京旷视科技有限公司 | 图像处理方法、装置及电子设备 |
CN109856133B (zh) * | 2019-01-29 | 2021-06-22 | 深圳市象形字科技股份有限公司 | 一种利用多种光照强度、多种色彩照明的试纸检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101674490A (zh) * | 2009-09-23 | 2010-03-17 | 电子科技大学 | 一种基于视网膜视觉机制的彩色图像颜色恒常方法 |
CN102306384A (zh) * | 2011-08-26 | 2012-01-04 | 华南理工大学 | 一种基于单幅图像的颜色恒常性处理方法 |
CN102509272A (zh) * | 2011-11-21 | 2012-06-20 | 武汉大学 | 一种基于颜色恒常性的彩色图像增强方法 |
-
2014
- 2014-05-07 CN CN201410190874.8A patent/CN103957395B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101674490A (zh) * | 2009-09-23 | 2010-03-17 | 电子科技大学 | 一种基于视网膜视觉机制的彩色图像颜色恒常方法 |
CN102306384A (zh) * | 2011-08-26 | 2012-01-04 | 华南理工大学 | 一种基于单幅图像的颜色恒常性处理方法 |
CN102509272A (zh) * | 2011-11-21 | 2012-06-20 | 武汉大学 | 一种基于颜色恒常性的彩色图像增强方法 |
Non-Patent Citations (1)
Title |
---|
基于图像倒数框架和非负数稀疏编码的颜色恒常计算方法;杜馨瑜等;《电子学报》;20120115;第40卷(第1期);179-183页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103957395A (zh) | 2014-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103957395B (zh) | 具有自适应能力的颜色恒常方法 | |
CN106101697B (zh) | 图像清晰度检测方法、装置及测试设备 | |
CN107635136B (zh) | 基于视觉感知和双目竞争的无参考立体图像质量评价方法 | |
CN106951869B (zh) | 一种活体验证方法及设备 | |
CN109068025B (zh) | 一种镜头阴影校正方法、***及电子设备 | |
CN102867295B (zh) | 一种彩色图像颜色校正方法 | |
CN105225235A (zh) | 一种基于多光谱特征的视频火焰检测方法 | |
CN102300100B (zh) | 一种白平衡控制装置及方法 | |
CN103258332A (zh) | 一种抗光照变化的运动目标检测方法 | |
CN105701773B (zh) | 一种快速处理图像的方法及装置 | |
CN112399163B (zh) | 图像感测装置以及自动白平衡方法 | |
CN103974053A (zh) | 一种基于灰点提取的自动白平衡矫正方法 | |
CN101674490B (zh) | 一种基于视网膜视觉机制的彩色图像颜色恒常方法 | |
CN103997592A (zh) | 视频降噪方法和*** | |
CN101615241A (zh) | 一种证件照片的筛选方法 | |
TW202107411A (zh) | 影像感測裝置以及自動白平衡方法 | |
CN104392425A (zh) | 一种基于人脸的自动调整对比度的图像增强方法 | |
CN109949250B (zh) | 一种图像处理方法及装置 | |
CN108805144A (zh) | 基于形态学矫正的弹孔识别方法及***、报靶设备 | |
CN107516331A (zh) | 一种竹条颜色分类方法及*** | |
CN111179293B (zh) | 一种基于颜色和灰度特征融合的仿生型轮廓检测方法 | |
TWM458747U (zh) | 影像處理模組 | |
CN113091915A (zh) | 基于人脸识别的自动体温信息采集*** | |
CN104240179B (zh) | 2d图像转3d图像中的图层调整方法及装置 | |
CN203219431U (zh) | 图像处理模组 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |