The invention discloses a sparse representation based image white balance method, the method comprises the following steps: obtaining a large number of training images of various scenes and environments, and the use of standard color plate measured each training image illumination chromaticity values; for each training image color statistics of its corresponding characteristics; given a test image, using the training image illumination chromaticity value and color characteristics, estimation of the test image light chroma; according to chroma values using the test images obtained were corrected by color light, diagonal model for each pixel in the test image, image is obtained through the white balance. The invention can be applied to the white balance processing of the camera, the light transformation of the image, and the color constancy calculation, etc., and has broad application prospect.
【技术实现步骤摘要】
本专利技术涉及图像处理、计算摄影学以及模式识别等
,尤其是一种基于稀疏表示的图像白平衡方法。
技术介绍
颜色作为一种简单、直接且有效的特征已经广泛应用于图像处理、物体识别、图像检索、场景理解等各种计算机视觉相关领域。但是颜色又是一种极其不稳定的图像特征,任何一种成像设备所获取的图像颜色至少依赖于三种主要的因素:场景中物体表面的物理反射特性、成像时场景中的光照条件以及成像设备的成像参数,因此,同一场景在不同光照下的图像颜色有可能存在巨大的差异。图像白平衡技术就是消除光照对颜色的影响,将未知光照条件下的图像校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,然后利用对角模型(又称VonKries模型)将图像映射到标准白光下,而光照估计则是图像白平衡技术中最为重要的一步。现有的光照估计算法可以分为无监督的算法和有监督的算法。无监督的光照估计算法是指利用图像本身底层的颜色特征估计得到图像成像时的光照颜色,而不依赖于其他的任何先验知识,主要包括WhitePatch算法、GreyWorld算法、ShadesofGrey(SoG)算法以及GreyEdge算法。有监督的光照估计算法通过大量训练图像对各种光照条件下可能出现的颜色(或色度)进行学习,来预测未知光照图像的光照颜色,主要包括色域映射算法(GamutMapping)、贝叶斯算法(BayesianColorConstan ...
【技术保护点】
一种基于稀疏表示的图像白平衡方法,其特征在于,该方法包括以下步骤:步骤1:获取大量各种场景和环境下的训练图像,并利用标准色板测量得到每幅训练图像拍摄时的光照色度值;步骤2:对每一幅训练图像统计其对应的颜色特征;步骤3:给定一测试图像,利用所述训练图像的光照色度值和颜色特征,估算所述测试图像的光照色度值;步骤4:利用得到的测试图像的光照色度值,通过对角模型对所述测试图像中每个像素的颜色进行校正,得到经过白平衡的图像。
【技术特征摘要】
1.一种基于稀疏表示的图像白平衡方法,其特征在于,该方法包括
以下步骤:
步骤1:获取大量各种场景和环境下的训练图像,并利用标准色板测
量得到每幅训练图像拍摄时的光照色度值;
步骤2:对每一幅训练图像统计其对应的颜色特征;
步骤3:给定一测试图像,利用所述训练图像的光照色度值和颜色特
征,估算所述测试图像的光照色度值;
步骤4:利用得到的测试图像的光照色度值,通过对角模型对所述测
试图像中每个像素的颜色进行校正,得到经过白平衡的图像。
2.根据权利要求1所述的方法,其特征在于,拍摄所述训练图像的
设备型号固定,并关闭闪光灯。
3.根据权利要求1所述的方法,其特征在于,所述训练图像包含各
种日常光照条件和各种不同的场景和内容。
4.根据权利要求1所述的方法,其特征在于,所述标准色板放置在
所述训练图像的拍摄场景中,并拍摄到训练图像中。
5.根据权利要求1所述的方法,其特征在于,所述步骤2进一步包
括以下步骤:
步骤21,将所述训练图像中每一像素的RGB三维颜色坐标转换成二
维rg色度坐标系,并加上颜色强度维度,以构成新的r-g-l三维颜色坐标
系;
步骤22,分别将获得的r分量和g分量平均划分为M个bin,将l分量
平均划分为L个bin;
步骤23,对于每幅训练图像,根据是否有对应的颜色值落在某个bin
中,来设置该bin对应的特征值,从而构成了一个M×M×L维的颜色特征。
6.根据权利要求5所述的方法,其特征在于,所述步骤21中,利用
下式进行坐标转换:
r=RR+G+Bg=GR+G+Bl=R+G+B.]]>7.根据权利要求1所述的方法,其特征在于,所述步骤3进一步包
括以下步骤:
步骤31,提取所述测试图像Iy的颜色特征c...
【专利技术属性】
技术研发人员:李兵,胡卫明,祝守宇,
申请(专利权)人:中国科学院自动化研究所,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。