恶劣环境条件下图像的非一致颜色校正方法技术

本发明专利技术公开了一种恶劣环境条件下图像的非一致颜色校正方法，包括：输入色偏图像的RGB三通道灰度图，统计三通道灰度图的灰度级和灰度概率密度函数；统计经直方图均衡化变换的三通道灰度图的灰度概率密度函数；分别计算三通道灰度图的像素平均值，并找出像素平均值与中值相等的通道的灰度图作为目标图像；统计目标图像和目标图像经直方图均衡化变换后图像的概率密度函数分别为Pm(m)和Pm'(m)；以Pm(m)为目标概率密度函数，分别将RGB三通道灰度图作为原图像进行直方图规定化操作，将直方图规定化后的灰度图作为RGB三通道的灰度图，组成校正后的图像。利用本发明专利技术校正方法对各类恶劣条件下获取的全局一致以及非一致色偏图像均能实现有效的颜色校正。

Non consistent color correction method for images under harsh environment conditions

【技术实现步骤摘要】
恶劣环境条件下图像的非一致颜色校正方法
本专利技术属计算机图像处理方法，尤其涉及一种恶劣环境条件下图像的非一致颜色校正方法。
技术介绍
目前广泛使用的数字图像采集设备不具有颜色恒常性[1]，拍摄图像易产生色偏，颜色校正技术是计算机视觉领域的重要课题[2]。现有颜色校正技术主要针对由光源色温[3]、相机感光系数[4]等产生的色偏，不适用于在雾霾、夜间、水下等恶劣环境下拍摄的图像。近年来，对恶劣环境下采集图像的复原与增强技术的研究是图像处理领域的热点[5,6]，而图像色偏严重影响图像增强与复原技术的有效性。因此，对恶劣环境下采集图像的颜色校正技术的研究具有重要意义。当前的颜色校正算法基于颜色恒常性，典型的有基于灰度世界假设的ShadeofGray算法[1]，基于镜面反射假设的完美反射法[7]。这些算法由于受假设条件的限制，适应性较差。对此，文献[8]提出基于边缘检测的颜色校正算法，文献[9]提出基于有效区域颜色恒常性的颜色校正算法。以上算法对具有全局一致性色偏的图像具有较好的颜色校正效果。而夜间图像光照不均匀，色偏具有非一致性；水下图像由于水体对不同波段光的吸收和散射系数不同存在色偏，且由于景深不同呈现非一致性。现有的颜色校正算法并不适用于这类场景。此外，雾霾、夜间、水下等环境下拍摄的图像存在严重失真，使现有颜色校正算法有效性降低。Meng等[10]针对水下图像，提出改进的白平衡算法，但该算法不具有自适应性，参数选择对颜色校正结果有很大影响，且该算法不适用于夜间图像。[参考文献][1]FinlaysonGD,TrezziE.ShadesofGrayandColourConstancy[C].ColorandImagingConference.2004:37-41。[2]王会.彩色图像色偏校正算法研究[D].吉林大学,2011。[3]DattaR,LiJ,WangJZ.Content-basedimageretrieval:approachesandtrendsofthenewage[C].ACMSigmmInternationalWorkshoponMultimediaInformationRetrieval.ACM,2005:253-262。[4]BarnardK,MartinL,CoathA,etal.Acomparisonofcomputationalcolorconstancyalgorithms--partII:experimentswithimagedata[J].IEEETransactionsonImageProcessingAPublicationoftheIEEESignalProcessingSociety,2002,11(9):985-996。[5]LiY,TanRT,BrownMS.NighttimeHazeRemovalwithGlowandMultipleLightColors[C].IEEEInternationalConferenceonComputerVision.IEEEComputerSociety,2015:226-234。[6]LiC,GuoJ,CongR,etal.UnderwaterImageEnhancementbyDehazingwithMinimumInformationLossandHistogramDistributionPrior[J].IEEETransactionsonImageProcessingAPublicationoftheIEEESignalProcessingSociety,2016,25(12):5664-5677。[7]VarshaChikaneCF.C.S.:Automaticwhitebalancefordigitalstillcameras[J].2014。[8]LinJ.AnAutomaticWhiteBalanceMethodBasedonEdgeDetection[C].IEEETenthInternationalSymposiumonConsumerElectronics.IEEE,2006:1-4。[9]LuR,XuD,YangX,etal.ColorConstancyBasedonEffectiveRegions[J].IeiceTransactionsonInformation&Systems,2008,E91-D(7):2091-2094。[10]FuX,ZhuangP,HuangY,etal.Aretinex-basedenhancingapproachforsingleunderwaterimage[C].IEEEInternationalConferenceonImageProcessing.IEEE,2015:4572-4576。
技术实现思路
针对上述问题，本专利技术提出一种对雾霾、夜间、水下等恶劣条件下的图像均能实现有效颜色校正的新方法。根据无色偏图像其R，G，B三通道直方图的分布规律具有高度相似性，而色偏图像三通道直方图的相似度较低，采用直方图规定化技术，将色偏图像的其中一个颜色通道作为目标图像，对另外两个颜色通道进行直方图规定化，实现对像素灰度级的调整，使其三通道具有较高的相似性，从而达到非一致颜色校正的目的。该方案对各类恶劣条件下获取的全局一致以及非一致色偏图像均能实现有效的颜色校正。为了解决上述技术问题，本专利技术提出的一种恶劣环境条件下图像的非一致颜色校正方法，包括以下步骤：步骤1：输入色偏图像I的R、G和B三通道灰度图分别为灰度图IR、灰度图IG和灰度图IB；步骤2：分别对上述灰度图IR、灰度图IG和灰度图IB进行直方图统计，得到灰度图IR、灰度图IG和灰度图IB的灰度级分别为灰度级r、灰度级g和灰度级b，与所述灰度级r、灰度级g和灰度级b分别对应的灰度分布的概率密度函数分别为概率密度函数Pr(r)，概率密度函数Pg(g)，概率密度函数Pb(b)；步骤3：分别对灰度图IR、灰度图IG和灰度图IB进行式(1)所示直方图均衡化变换得到图像I'R、图像I'G和图像I'B；对图像I'R、图像I'G和图像I'B进行直方图统计，得到图像I'R、图像I'G和图像I'B的灰度分布的概率密度函数分别为概率密度函数P′r(r)、概率密度函数P′g(g)和概率密度函数P′b(b)；式(1)中，ω为形式积分变量，s为经直方图均衡化变换后的图像灰度级，x为未经直方图均衡化变换的图像灰度级，T为x到s的映射；步骤4：分别计算灰度图IR、灰度图IG和灰度图IB的像素平均值，分别记作像素平均值Rmean、像素平均值Gmean和像素平均值Bmean；计算上述像素平均值Rmean、像素平均值Gmean和像素平均值Bmean的中值，记为M，将M与像素平均值Rmean、像素平均值Gmean和像素平均值Bmean依次进行比较，将像素平均值与M值相等的通道的灰度图作为目标图像；步骤5：对目标图像进行直方图统计，该目标图像的灰度级记为m，灰度级m的概率密度函数记为Pm(m)；对目标图像进行直方图均衡化变换，经均衡化变换后的图像的灰度概率密度函数为P′m(m)；步骤6：以概率密度函数Pm(m)为目标概率密度函数，分别将灰度本文档来自技高网...

【技术保护点】
一种恶劣环境条件下图像的非一致颜色校正方法，其特征在于，包括以下步骤：步骤1：输入色偏图像I的R、G和B三通道灰度图分别为灰度图IR、灰度图IG和灰度图IB；步骤2：分别对上述灰度图IR、灰度图IG和灰度图IB进行直方图统计，得到灰度图IR、灰度图IG和灰度图IB的灰度级分别为灰度级r、灰度级g和灰度级b，与所述灰度级r、灰度级g和灰度级b分别对应的灰度分布的概率密度函数分别为概率密度函数Pr(r)，概率密度函数Pg(g)，概率密度函数Pb(b)；步骤3：分别对灰度图IR、灰度图IG和灰度图IB进行式(1)所示直方图均衡化变换得到图像I'R、图像I'G和图像I'B；对图像I'R、图像I'G和图像I'B进行直方图统计，得到图像I'R、图像I'G和图像I'B的灰度分布的概率密度函数分别为概率密度函数P′r(r)、概率密度函数P′g(g)和概率密度函数P′b(b)；

【技术特征摘要】
1.一种恶劣环境条件下图像的非一致颜色校正方法，其特征在于，包括以下步骤：步骤1：输入色偏图像I的R、G和B三通道灰度图分别为灰度图IR、灰度图IG和灰度图IB；步骤2：分别对上述灰度图IR、灰度图IG和灰度图IB进行直方图统计，得到灰度图IR、灰度图IG和灰度图IB的灰度级分别为灰度级r、灰度级g和灰度级b，与所述灰度级r、灰度级g和灰度级b分别对应的灰度分布的概率密度函数分别为概率密度函数Pr(r)，概率密度函数Pg(g)，概率密度函数Pb(b)；步骤3：分别对灰度图IR、灰度图IG和灰度图IB进行式(1)所示直方图均衡化变换得到图像I'R、图像I'G和图像I'B；对图像I'R、图像I'G和图像I'B进行直方图统计，得到图像I'R、图像I'G和图像I'B的灰度分布的概率密度函数分别为概率密度函数P′r(r)、概率密度函数P′g(g)和概率密度函数P′b(b)；式(1)中，ω为形式积分变量，s为经直方图均衡化变换后的图像灰度级，x为未经直方图均衡化变换的图像灰度级，T为x到s的映射；步骤4：分别计算灰度图IR、灰度图IG和灰度图IB的像素平均值，分别记作像素平均值Rmean、像素平均值Gmean和像素平均值Bmean；计算上述像素平均值Rmean、像素平均值Gmean和像...

【专利技术属性】
技术研发人员：杨爱萍，王南，杨苏辉，赵美琪，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12