一种基于图像局部对比度的自适应颜色恒常性方法技术

本发明专利技术公开一种基于图像局部对比度的自适应颜色恒常性方法，针对目前的颜色恒常算法，不能适用于所有数据集，灵活性较差的问题，本发明专利技术通过图像局部对比度来自适应地调节高斯差函数(Difference of Gaussian,DoG)的核函数大小和中心‑外周感受野的抑制权重来模拟大脑视觉自适应信息处理机制，高级视觉皮层V4区通过自适应的稀疏编码方式整合来自于低级视觉皮层V1区的输入信号，从而估计出场景的光源颜色；实现在不同数据集上设置相同的参数，都能取得很好的效果；并且十分高效，可以很好的估计出光源的位置和颜色，对图像进行实时颜色校正。

An adaptive color constancy method based on local contrast of image

The invention discloses an adaptive color constancy method based on image local contrast. Aiming at the problem that the current color constancy algorithm can not be applied to all data sets and has poor flexibility, the method adaptively adjusts the kernel function of Gaussian difference function (DoG) by image local contrast. The suppression weights of small and central peripheral receptive fields simulate the adaptive information processing mechanism of brain vision. The high-level visual cortex V4 region integrates the input signals from the low-level visual cortex V1 region by adaptive sparse coding, thus estimating the light source color of the scene. The same parameters are set on different data sets. It can estimate the position and color of the light source and correct the color of the image in real time.

【技术实现步骤摘要】
一种基于图像局部对比度的自适应颜色恒常性方法
本专利技术属于计算机视觉、图像处理、人工智能、信号处理和认知科学等学科相关的
，特别涉及一种从彩色图像中估计场景的光源颜色，实现图像颜色校正的技术。
技术介绍
视觉计算是一个相当广泛的领域，颜色恒常性强调我们的视觉系统对外界物体颜色感知的恒常性，是指从感官信息中抽取出最稳定的视觉颜色信息，获得对外界物体最本质的认识，人类视觉系统能够自动地去除场景中由于光源颜色变化所导致的场景色偏的能力称之为颜色恒常性。颜色恒常性可以从不同的角度来分析，比如计算机视觉、光学、心理学等。我们把视觉中的颜色恒常性作为视觉的底层或者中级信息处理，表征了视觉对颜色的感知，而视觉的自适应性可以理解为神经元层面上的短时可塑性，视觉系统可以根据外界刺激的变化相应的改变对外界刺激的响应过程，让视觉信息的处理跟上外界信号的变化，从而能够利用空间和时间上的信号统计结构信息。从知觉的角度，视觉自适应能够影响我们对物体的判断，使得视觉系统具有知觉恒常性，比如对刺激中光照颜色变化的自适应可以使视觉系统保持对物体颜色的恒定感知。颜色恒常性已经有很多算法提出，比如D.A.Forsyth的“Anovelalgorithmforcolorconstancy,InternationalJournalofComputerVision,vol.5,no.1,pp.5–35,1990”，以及A.Gijsenij和T.Gevers提出的“Colorconstancyusingnaturalimagestatisticsandscenesemantics,PatternAnalysisandMachineIntelligence,IEEETransactionson,vol.33,no.4,pp.687–698,2011.”都是针对特定数据集和特定场景提出的。目前为止，没有一个算法是适用于几乎所有的数据集，灵活性比较差，不适用于实时处理。
技术实现思路
为解决上述技术问题，本专利技术提出一种基于图像局部对比度的自适应颜色恒常性方法，在不同数据集上设置相同的参数，都能取得很好的效果，并且十分高效，可以很好的估计出光源的位置和颜色，对图像进行实时颜色校正。本专利技术采用的技术方案为：一种基于图像局部对比度的自适应颜色恒常性方法，包括：S1、通过计算每个像素的局部标准差来获得图像的局部对比度；S2、将原始图像分成R、G、B三个颜色通道，每一个颜色通道根据步骤S1计算得到的局部对比度选择高斯核的尺寸，进行卷积，得到V1区神经元中心感受野的响应CR；S3、将原始图像分成R、G、B三个颜色通道，每一个颜色通道与一个固定尺度的高斯核做卷积，得到V1区神经元外周感受野的响应SR；S4、整合S2和S3计算得到的V1区神经元感受野的中心响应CR和外周响应SR得到V1区神经元的最终输出RR；S5、V4区神经元通过稀疏编码的方式对V1区神经元的输出RR进行整合得到估计的光源颜色；S6、消除光源颜色实现颜色恒常性；将原始图像中的像素除以对应光源颜色图中的像素得到校正后的无色偏图像。进一步地，步骤S2所述每一个颜色通道根据步骤S1计算得到的局部对比度选择高斯核的尺寸大小，具体为：根据步骤S1得到的局部对比度将各通道图像划分为若干层级，每一层级的通道图像对应一个高斯核；且高斯核的尺度与局部对比度成反比，局部对比度较大的层级对应的高斯核尺度较小；局部对比度较小的层级对应的高斯核尺度较大。更进一步地，所述高斯核取值范围为[σ，2σ]。进一步地，步骤S3所述固定尺度的高斯核尺度取值为5σ。进一步地，步骤S4中所述得到V1区神经元的最终输出RR，其具体计算方式为：RR＝λCR+κSR；其中，λ表示中心感受野的权重，λ的取值范围[1,1.05]，κ表示外周感受野的权重，κ取值范围为[-0.67，-0.77]。进一步地，步骤S5所述对V1区神经元的输出RR进行整合，具体为：V4区神经元根据设定的自适应性的激活阈值从V1区神经元的输出RR中选择活跃度比较高的神经元响应来估计光源颜色。更进一步地，所述选取的活跃度比较高的V1区神经元的比例与V1区神经元输出RR的平均对比度成反比。本专利技术的有益效果：本专利技术的一种基于图像局部对比度的自适应颜色恒常性方法，通过图像局部对比度来自适应地调节高斯差函数(DifferenceofGaussian,DoG)的核函数大小和中心-外周感受野的抑制权重来模拟大脑视觉自适应信息处理机制，高级视觉皮层V4区通过自适应的稀疏编码方式整合来自于低级视觉皮层V1区的输入信号，从而估计出场景的光源颜色；本专利技术初始化参数N、σ、λ、κ后能够应用于不同的数据集，不需要重新校正模型参数，从而实现自适应的颜色恒常性；本专利技术的方法可内嵌于相机内部，进行实时地图像颜色校正和处理，恢复出场景的真实颜色。附图说明图1为本专利技术的方法流程图；图2为本专利技术实施例提供的V1区感受野的示意图；图3为本专利技术实施例提供的V4区对V1区中活跃的神经元进行池化的示意图；图4为本专利技术实施例提供的颜色恒常算法后得到的结果；其中，图4(a)为输入的原始色偏图像，图4(b)为通过本专利技术方法得到的校正后的颜色恒常图像。具体实施方式为便于本领域技术人员理解本专利技术的
技术实现思路
，下面结合附图对本
技术实现思路
进一步阐释。如图1所示为本专利技术的方案流程图，本专利技术采用的技术方案为：一种基于图像局部对比度的自适应颜色恒常方法，包括：S1、通过计算每个像素的局部标准差来获得图像的局部对比度；S2、将原始图像分成R、G、B三个颜色通道，每一个颜色通道根据步骤S1计算得到的局部对比度选择高斯核的尺寸大小，进行卷积，得到V1区神经元中心感受野的响应CR；S3、将原始图像分成R、G、B三个颜色通道，每一个颜色通道与一个固定尺度的高斯核做卷积，得到V1区神经元外周感受野的响应SR；V1区神经元感受野如图2所示；S4、整合S2和S3计算得到的V1区神经元感受野的中心响应CR和外周响应SR得到V1区神经元的最终输出RR；S5、V4区神经元通过稀疏编码的方式对V1区神经元的输出RR进行整合得到估计的光源颜色；S6、消除光源颜色实现颜色恒常性；将原始图像中的像素除以步骤S5计算出的对应光源颜色图中的像素得到校正后的无色偏图像。步骤S1中图像局部对比度计算方式为：其中，Ic(x,y)表示一幅输入的彩色图像，(x,y)表示像素的空间坐标，c表示某个颜色通道，c∈{R,G,B}；d表示滤波模板的某一空间方向，空间方向包括：水平、竖直或者各向同性；μd(σ)表示在d方向上尺寸大小为σ的滤波模板；*代表卷积运算，σ的取值为1.5。在水平对比度下(即d为水平方向)，μd(σ)是列向量；在竖直对比度(即d为竖直方向)，μd(σ)是行向量，在各向同性对比度下(即d为各向同性)，μd(σ)是一个方阵。步骤S2所述V1区神经元中心感受野的响应CR计算式为：CRc(x,y)＝Ic(x,y)*gc(x,y；sc,h(x,y),sc,v(x,y))(2)其中，sc,h(x,y)和sc,v(x,y)分别是水平和垂直维度上的高斯核，gc(x,y；sc,h(x,y),sc,v(x,y))为二维高斯核函数；gc(x,y；sc,h(x,y),sc,v(x,y))本文档来自技高网...

【技术保护点】
1.一种基于图像局部对比度的自适应颜色恒常性方法，其特征在于，包括：S1、通过计算每个像素的局部标准差来获得图像的局部对比度；S2、将原始图像分成R、G、B三个颜色通道，每一个颜色通道根据步骤S1计算得到的局部对比度选择高斯核的尺寸，进行卷积，得到V1区神经元中心感受野的响应CR；S3、将原始图像分成R、G、B三个颜色通道，每一个颜色通道与一个固定尺度的高斯核做卷积，得到V1区神经元外周感受野的响应SR；S4、整合S2计算得到的V1区神经元感受野的中心响应CR和S3计算得到的外周响应SR，得到V1区神经元的最终输出RR；S5、V4区神经元通过稀疏编码的方式对V1区神经元的输出RR进行整合得到估计的光源颜色；S6、消除光源颜色实现颜色恒常性；将原始图像中的像素除以对应光源颜色图中的像素得到校正后的无色偏图像。

【技术特征摘要】
1.一种基于图像局部对比度的自适应颜色恒常性方法，其特征在于，包括：S1、通过计算每个像素的局部标准差来获得图像的局部对比度；S2、将原始图像分成R、G、B三个颜色通道，每一个颜色通道根据步骤S1计算得到的局部对比度选择高斯核的尺寸，进行卷积，得到V1区神经元中心感受野的响应CR；S3、将原始图像分成R、G、B三个颜色通道，每一个颜色通道与一个固定尺度的高斯核做卷积，得到V1区神经元外周感受野的响应SR；S4、整合S2计算得到的V1区神经元感受野的中心响应CR和S3计算得到的外周响应SR，得到V1区神经元的最终输出RR；S5、V4区神经元通过稀疏编码的方式对V1区神经元的输出RR进行整合得到估计的光源颜色；S6、消除光源颜色实现颜色恒常性；将原始图像中的像素除以对应光源颜色图中的像素得到校正后的无色偏图像。2.根据权利要求1所述的一种基于图像局部对比度的自适应颜色恒常性方法，其特征在于，步骤S2所述每一个颜色通道根据步骤S1计算得到的局部对比度选择高斯核的尺寸大小，具体为：根据步骤S1得到的局部对比度将各通道图像划分为若干层级，每一层级的通道图像对应一个高斯核；且高斯核的尺度与局部对比度成反比，局部对比度较大的层级对应的高斯核尺度较小；局部对比度较小的层级对应...

【专利技术属性】
技术研发人员：高绍兵，南颖，肖杨，琚锡平，钱含笑，
申请(专利权)人：四川大学，
类型：发明
国别省市：四川,51