一种利用光照估计来校正图像颜色的方法技术

一种利用光照估计来校正图像颜色的方法属于计算机视觉和图像处理技术领域。该发明专利技术速度快且鲁棒性好，实时进行图像颜色校正。颜色是视觉信息中最为基础也最为直接的特征之一；并且被广泛地应用于图像检索、物体识别等应用领域。但是颜色特征也是一种极不稳定的视觉特征，很容易受到光照变化的影响。本发明专利技术将未知光照条件下的图像校正到标准白光下的图像，这个过程简要概括为首先估计出图像成像时的光照颜色，然后利用Von Kries模型将图像映射到标准白光下。也就可以获得更好的图像的白平衡效果。本发明专利技术具有：参数少，计算简单，速度快，效果好，能够进行实时处理等特点，非常适合于内置的照相机预处理的前端对图像进行颜色校正。

Method for correcting image color by illumination estimation

The utility model relates to a method for correcting the color of an image by utilizing illumination estimation, belonging to the technical field of computer vision and image processing. The invention is fast and robust, and the image color correction is carried out in real time. Color is one of the most basic and direct features of visual information, and is widely used in image retrieval, object recognition and other applications. But color characteristics are also a very unstable visual feature, which is easily affected by changes in illumination. The unknown illumination image under the condition of corrected to standard white light, this process is briefly summarized as first estimate the image of light color, and then use the Von Kries model images are mapped to the standard white light. You can also get white balance for better images. The invention has the advantages of few parameters, simple calculation, fast speed, good effect, real-time processing, etc., and is very suitable for the color correction of the front end of the built-in camera preprocessing.

【技术实现步骤摘要】
一种利用光照估计来校正图像颜色的方法
本专利技术涉及一种图像获取系统中的估计图像的光照值来校正图像颜色机构，属于计算机视觉和图像处理
及彩色图像的颜色颜色校正方法，该系统使用Grey-Edge框架颜色恒常性算法通过改变参数系统，估计出图像在标准的白光下的光照值，再通过对角模型对其进行颜色校正。
技术介绍
目前，大多数颜光照估计算法都假设场景中光照是均匀分布的，即在整个场景中仅存在一个光照。然而在现实生活中，场景中通常有多个光照。在室内场景中，有的区域主要被室内钨光灯照射,有的区域则既被室内钨光灯照射还被户外光照照射。在户外场景中,阴影区域通常主要处于天空光照下,而非阴影区域通常处在天空和太阳光照射下。颜色是机器视觉信息中最为基础的特征之一，在图像处理和计算机视觉领域已经成为广泛应用，比如图像分割、图像匹配和视频检索等，同时颜色也是一种极不稳定的视觉特征，物体表面颜色会随着环境中光照值的变化而呈现出不同的表观色。由于在多光照场景中，光照值的变化随着其空间位置而变化。在这种情况下，如果再假设场景中光照均匀分布，利用单光照条件下的颜色估计算法估计场景的光照值，并基于该光照值来矫正图像，将产生很大的偏差，是不能精确的恢复在标准白光下物体表面的固有颜色。相对于单光照颜色估计的研究而言，多光照颜色估计的研究更具有挑战性。颜色恒常性功能的实现可以分为两类：一类是通过精确估计图像中场景的光照，将图像映射到标准的白光下的图像，从而得到光照标准化后的图像，称之为颜色恒常性计算(ColorConstancyComputation)，通过准确估计光源的颜色值，再进行图像的矫正。根据理想的朗波特反射模型，以RGB三个颜色通道的为例，场景中某物理表面上一点的颜色f(x)＝(R,G,B)T其中R,G,B是图像颜色的三个通道,可通过在整个可见光范围内对光谱分布、反射率以及相机的感光系数的乘积得到。公式如下：其中X表示空间位置三维坐标；λ位光谱的波长，ω代表整个可见光范围。e(λ)为光源的光谱的分布为。空间中点X处物体表面的对波长为λ的光线的物理反射率为S(X,λ)，程序设备(一般为相机)的感光函数表示为c(λ)＝(R(λ),G(λ),B(λ))T。在整个成像过程中，由于e(λ)和S(X,λ)都是未知的，因此图像的光照估计本身是一个病态的问题。在没有任何的假设和限定条件下，图像的光照估计是不可解的。光照估计的目的是将未知光照条件下的图像矫正成标准白光下的图像,这个过程一般可分为两个步骤:首先估计出图像成像时的光照颜色,然后利用VonKrieS模型(又称对角模型)将图像映射到标准白光下,W.Xiong将图像的光照估计算法分为无监督的算法和有监督的算法。无监督的光照色度估计算法是指仅直接从图像的底层特征估算图像场景的光照颜色,不需要其他的先验知识。主要方法有如下几种：MaxRGB光照色度估计算法，MaxRGB算法假设：在一幅图像中，RGB彩色图像通道的最大值是由全反射表面引起的。也就是说RGB三个通道的最大像素灰度值反映了图像的光照颜色。MaxRGB算法的优点是计算简单、复杂度低，但是由于其假设RGB三个通道都要有全反射的表面，而现实生活中这一条件往往不能够满足，因此总的来说，MaxRGB算法的光照色度估计效果较差。GrayWorld光照色度估计算法，是基于GrayWorld算法假设，场景的平均反射率是无色差的，如下式：其中ε是一个取值范围[0,1]的常数，0表示无反射，1表示全反射。无色差(achromatic)是指对一个像素点来说，其RGB三个通道的灰度值是一样的，即是灰色(gray)的,所以这一算法被称为GrayWorld算法。这就是说,对一幅图像的R通道、G通道、B通道分别求平均值,所得到的颜色值其实就是场景的光照颜色,如下式ShadesofGray光照色度估计算法，Finlayson等提出了一种使用明科夫斯基范式(Minkowski-norm)的通用算法框架,能够MaxRGB和GrayWorld算法都包含进去,并且仅需改变明科夫斯基范式的参数,就可以产生一系列不同的光照色度估计算法。该算法基于的假设是对图像中的每一像素点进行非线性的可逆变换后,图像场景仍然是无色差的，其中q是明科夫斯基范式，取值范围是(0,∞)。如下所示：有监督的颜色恒常性计算就是通过对各种光照条件下可能出现的颜色(或色度)的学习,来预测未知光照图像的光照颜色。Forsyth等提出的色域映射算法，是一种重要的基于统计的颜色恒常性计算算法，算法基于假设：任何一副图像环境光源颜色种类是有限的；颜色通道的RGB值经过归一化处理后在色度空间上形成一个个封闭的凸包(convexhull)也称之为色域(Gamut)。Gijsenij等]提出改进的色域映射算法，基于导数图像结构的色域映射算法(Gamutmappingusingimagederivativestructures)，将色域映射算法引入到了高阶图像中，实验表明基于高阶图像结构的映射算法具有更好的光照色度估计最早由D.H.Brainard等]提出的另外一种重要的基于统计的颜色恒性计算算法，基于贝叶斯推理的颜色恒常性计算，后经Rosenberg与Gehler等进行了一系列改进。由于Brainard的假设条件过于苛刻CharlesRosenberg等提出了一种限制条件较弱非高斯模型的假设。由于基于贝叶斯推理的颜色恒常性算法复杂度高、计算量大。在两个不同的场景区域里，准确提取反射率相同的区域难度较大，提取过程比较繁琐，Finlayson等为了克服这些缺点，提出了一种基于相关性的颜色恒常性计算算法(ColorbyCorrelation)。这种算法更为实用，事实上是基于贝叶斯颜色恒常性算法的一种离散化的形式。Barnard等在原始ColorbyCorrelation算法上加以改进，加上了强度信息，扩展到3D的颜色空间中。实验数据表明，加入颜色的强度信息有利于基于相关性的颜色恒常性计算算法性能的提升。基于相关性的算法[23]首先根据数据中已知光照的图像颜色特征和光照强度信息，并且得到色度特征值下的光照值概率，再根据测试图像的色度特征计算光照；算法的优点是适应范围广、实用性强、可扩展；缺点是算法的精确度不高，需要大量的先验知识。根据图像的数理统计规律来评估场景光源的颜色恒常性研究算法如KL-divergence、薄板样条插值和委员会投票等。目前,有监督的颜色恒常性算法的性能一般要优于无监督的算法"在现有的有监督的颜色恒常性算法中,基于神经网络和基于SVR的算法是两种比较简单实用而且有效的算法"但是,这两种算法都存在比较明显的缺点:(1)现有技术中有监督的颜色恒常性算法都是以原始图像的二值化的色度直方图构成特征向量,没有充分利用图像的边缘结构等信息。(2)BP神经网络的训练速度很慢,并且很容易陷入局部最优；而基于SVR方法的核函数及其参数选择是一个比较繁琐的问题,因为存在多个核函数！而且对于每个核函数又有多个参数,因此,如何选择最优的核函数以及其对应的参数对只能通过经验和尝试的方法进行,实现代价比较大。
技术实现思路
针对上述存在的问题和不足，本专利技术提供了一种利用光照估计来校正图像颜色的方法。该方法可以处理自然环境中含多本文档来自技高网...

【技术保护点】
一种利用光照估计来校正图像颜色的方法，其特征是，包括以下步骤：步骤一、样本块提取首先从图像中提取ψ个样本块；对每个图像样本块，估计照射在该块上的有效光照；步骤二、利用现有的单光照条件下的光照估计算法进行光照估计；基于Grey‑Edge颜色恒常性算法框架通过变换参数，产生多个不同的颜色恒常性特征值提取方法；步骤三、样本块光照估计值的聚类，把来自于同一光照下的图像块被聚类到一起以形成一个大的图像块，以便产生一个更为准确的光照估计值，同一光照照射下的块更易于聚类到同一簇；所有的光照估计值被聚类到M类；其中M为场景中的光照个数；步骤四、聚类结果的后向映射在把基于样本块的光照估计值聚类到M类后，把聚类的结果逐个映射到原始图像，也就是说，属于同一样本块的像素属于同一聚类，这样就得到每种光照的照射位置；由此得到一个光照映射图，即每个像素属于M个光照中的某一个；通过后向映射，得到每个像素的光照估计值，及像素所在光照类的聚类中心值；步骤五、对于重叠光照的区域，在后向映射的光照估计值的分类结果上使用高斯滤波器；步骤六、颜色校正，利用每个像素的光照估计值把输入图像校正到标准光照下，得到在标准光照下的输出图像，从而消除场景中光照的影响。...

【技术特征摘要】
1.一种利用光照估计来校正图像颜色的方法，其特征是，包括以下步骤：步骤一、样本块提取首先从图像中提取ψ个样本块；对每个图像样本块，估计照射在该块上的有效光照；步骤二、利用现有的单光照条件下的光照估计算法进行光照估计；基于Grey-Edge颜色恒常性算法框架通过变换参数，产生多个不同的颜色恒常性特征值提取方法；步骤三、样本块光照估计值的聚类，把来自于同一光照下的图像块被聚类到一起以形成一个大的图像块，以便产生一个更为准确的光照估计值，同一光照照射下的块更易于聚类到同一簇；所有的光照估计值被聚类到M类；其中M为场景中的光照个数；步骤四、聚类结果的后向映射在把基于样本块的光照估计值聚类到M类后，把聚类的结果逐个映射到原始图像，也就是说，属于同一样本块的像素属于同一聚类，这样就得到每种光照的照射位置；由此得到一个光照映射图，即每个像素属于M个光照中的某一个；通过后向映射，得到每个像素的光照估计值，及像素所在光照类的聚类中心值；步骤五、对于重叠光照的区域，在后向映射的光照估计值的分类结果上使用高斯滤波器；步骤六、颜色校正，利用每个像素的光照估计值把输入图像校正到标准光照下，得到在标准光照下的输出图像，从而消除场景中光照的影响。2.如权利要求1所述的方法，其特征在于：所述步骤一采用每个图像样本块5×5像素并且满足光照在该样本上的光照值是均匀分布的条件，即只有一种颜色的光照射到该样本上。3.如权利要求1所述的方法，其特征在于：基于Grey-Edge颜色恒常性算法框架通过变换参数，如下公式所示，通过变换参数n，q和σ系统地产生多个不同的颜色恒常性特征值提取方法；其中n是阶乘，σ是高斯滤波器的核函数大小，ε是一个取值范围[0,1]的常数，0表示无反射，1表示全反射；；f(x)表示空间中x点处的光照值；e是指数e，在该框架下，分割图像得到许多图像的样本块；假设每个样本块是5×5像素并且满足在该样本块中光照是均匀分布的假设；在每个样本块上，使用常用的单光照的颜色恒常性算法估计该样本块上的光照值；4.如权利要求1所述的方法，其特征在于：不同的颜色恒常性特征值提取方法具体如下：五种候选颜色恒常性计算集合Γ＝{e0,1,0,e0,∞,0,e...

【专利技术属性】
技术研发人员：刘宏哲，袁家政，唐正，李超，赵小艳，
申请(专利权)人：北京联合大学，
类型：发明
国别省市：北京,11