一种面向目标检测的图像颜色特征处理方法、系统、装置和存储介质制造方法及图纸

本发明专利技术公开了一种面向目标检测的图像颜色特征处理系统、方法、装置和存储介质，包括彩色分割单元和Lab模式训练单元；所述彩色分割单元将输入的图片进行色彩信息提取，为图像的颜色模式训练提供精确的数据；所述Lab模式训练单元使用Lab制式获取图片颜色资料库，为图像颜色识别提供依据。本发明专利技术用Lab制式代替常规的RGB模式，对输入的图片进行颜色提取，在彩色图像去噪声方法的支持下，保证两种模式转换的准确性，减少了颜色信息的丢失，提高了计算机视觉方法性能。

An image color feature processing method, system, device and storage medium for object detection

【技术实现步骤摘要】
一种面向目标检测的图像颜色特征处理方法、系统、装置和存储介质
本专利技术涉及一种图像的预处理技术，尤其是一种面向目标检测的图像颜色特征处理方法、系统。
技术介绍
目前计算机视觉领域所处理的彩色图像一般为RGB制式表示，这能满足大多数图片对于色彩的表达要求，所以通过深度学习方法的处理之后，不管是在目标检测、目标跟踪、目标分割等领域，大部分可以得到比较理想的处理结果。然而，RGB这种对于色彩的表示实际上并不能表示人眼所见的所有颜色，这必然导致部分颜色丢失，从而丢失部分图像细节，导致方法鲁棒性减弱。Lab模式是由国际照明委员会(CIE)于1976年公布的一种色彩模式，是CIE组织确定的一个理论上包括了人眼可见的所有色彩的色彩模式。Lab颜色是以一个亮度分量L及两个颜色分量a和b来表示颜色的。其中L的取值范围是0-100％，a分量代表由绿色到红色的光谱变化，而b分量代表由蓝色到黄色的光谱变化，a和b的取值范围均为-128～127。本专利技术提出用Lab制式代替RGB制式的三个颜色通道作为图像处理的输入，尽可能地减少颜色信息的丢失，从而提高计算机视觉方法性能。
技术实现思路
专利技术目的：提供一种面向目标检测的图像颜色特征处理方法及系统，以解决上述问题。技术方案：一种面向目标检测的图像颜色特征处理系统，包括彩色分割单元和Lab模式训练单元，使用Lab制式代替常规的RGB模式，在彩色图像去噪声方法的支持下，对输入的图片进行颜色提取；彩色分割单元，提取输入的图片的色彩信息，具体为采用边缘拟合的方法提取图片的像素颜色，为训练图像的颜色模式提供精确的数据；Lab模式训练单元，获取Lab模式下的图片颜色并构建图片颜色资料库，为图像颜色识别提供依据，从而减少颜色信息的丢失；所述彩色分割单元通过使用三个虚拟设置的颜色值作为计算单位，通过数学运算来转换RGB颜色，针对白光区域使用色彩边缘拟合方法进行区域划定，具体步骤为：步骤1、获取输入图片的RGB模式的色彩信息，数值单位分别为R、G、B；分别使用亮度X、颜色Y和颜色Z三个数值作为色彩基础单位来转换输入图片的RGB模式下色彩信息，从而去除负数值，转化公式如下：X＝0.4185R-0.0912G+0.0009B；Y＝-0.1587R+0.2524G-0.0025B；Z＝-0.0828R+0.0157G+0.1786B；步骤2、对白光区域的闭合曲线进行边缘拟合，对于白光区域的闭合曲线进行均分三点采样，将闭合区域转换成由Q、W和S这三点分成的三个线段，分别为线段QW、线段WS和线段SQ；步骤21、由于三个线段均为圆弧状线段，对三个线段均进行椭圆拟合的方法进行公式推导，以线段QW为例，设立五个不同的参数分别为：长轴半径a1、短轴半径b1、长轴与坐标横轴的夹角θ1、椭圆中心横坐标x1和椭圆中心纵坐标y1，线段QW上任意一点的横坐标x，对应纵坐标为y，使用公式表达参数关系为：[(x-x1)cosθ1+(y-y1)sinθ1]2b12+[-(x-x1)sinθ1+(y-y1)cosθ1]2a12＝a12b12；使用中间变量A、B、C、D和E进行公式化简，公式可以精简为：X2+Axy+By2+Cx+Dy+E＝0；步骤22、根据最小二乘原理，通过带入任意一点的坐标值，获取中间变量A、B、C、D和E的值，进一步获得目标函数如下：F(A，B，C，D，E)＝Σ(X2+Axy+By2+Cx+Dy+E)2；通过使得极值等零，求得椭圆的五个参数值：椭圆中心横坐标x1＝(2BC-AD)/(A2-4B)；椭圆中心纵坐标y1＝(2D-AD)/(A2-4B)；长轴半径a12＝2(ACD-BC2-D2+4BE-A2E)/(A2-4B)(B-K+1)；短轴半径b12＝2(ACD-BC2-D2+4BE-A2E)/(A2-4B)(B-K+1)；长轴与坐标横轴的夹角θ12＝tan-1L；其中，中间参量K2＝A2+(1-B)2，中间参量L2＝(a2-b2B)/(a2B-b2)；步骤23、使用相同的建模方法完成线段WS和线段SQ的边缘拟合，完成白光区域闭合曲线的公式。根据本专利技术的一个方面，所述彩色分割单元创建的颜色模型需要满足刚辨率的检验要求，识别颜色与所处的模型位置的色差要在5个侧方向上小于误差限制。根据本专利技术的一个方面，所述彩色分割单元创建的白光区域的闭合曲线在分段连接点需要同时满足两连接线段的公式要求，无法同时满足时，以实际测试值为准，将连接点作为补充公式进行记录，保证模型建立的实际准确性。根据本专利技术的一个方面，所述Lab模式训练单元直接获取图像的Lab三通道信息，将图片的Lab三通道作为计算机视觉方法的三通道，输入训练图片分类模型并输入Lab模式的图片进行测试，具体步骤包括：步骤1、获取Lab模式的图片训练集；步骤2、用步骤1中选取得训练集对模型进行模型训练；步骤3、根据输入图片的模式，进行两种图片测试流程，完成模型的训练检查，从而加强模型的准确性和稳定性；步骤31、若输入图片是Lab模式，将Lab模式图片直接输入图片分类模型进行测试；步骤32、若输入图片不是Lab模式，例如RGB格式，首先转换成Lab模式，然后将转换后的图片输入图片分类模型中进行测试。根据本专利技术的一个方面，所述Lab模式训练单元在图片测试步骤中，由于Lab模式和RGB模式的三个通道表达方式不太一样，Lab的三通道：L：0～100，a：-128～127，b：-128～127，RGB三通道均为0～255，需要对输入的模式进行统一化调整，具体为：对输入的Lab模式的图片进行修正，将Lab模式中的a、b两个通道先转换成0～255表示，例如，Lab的a通道中的-128用0表示，将转换成正数后的Lab模式图片训练集输入模型进行训练，得到最终训练模型；对于输入的非Lab模式的图片，先转换成Lab模式，然后输入模型进行测试，从而整体上避免计算机处理负数数据，提高训练效率。面向目标检测的图像颜色特征处理方法，包括如下步骤：使用Lab制式代替常规的RGB模式，在彩色图像去噪声方法的支持下，对输入的图片进行颜色提取；提取输入的图片的色彩信息，具体为采用边缘拟合的方法提取图片的像素颜色，为训练图像的颜色模式提供精确的数据；获取Lab模式下的图片颜色并构建图片颜色资料库，为图像颜色识别提供依据，从而减少颜色信息的丢失；所述彩色分割单元通过使用三个虚拟设置的颜色值作为计算单位，通过数学运算来转换RGB颜色，针对白光区域使用色彩边缘拟合方法进行区域划定，具体步骤为：步骤1、获取输入图片的RGB模式的色彩信息，数值单位分别为R、G、B；分别使用亮度X、颜色Y和颜色Z三个数值作为色彩基础单位来转换输入图片的RGB模式下色彩信息，从而去除负数值，转化公式如下：X＝0.4185R-0.091本文档来自技高网...

【技术保护点】
1.一种面向目标检测的图像颜色特征处理系统，其特征在于，包括彩色分割单元和Lab模式训练单元，使用Lab制式代替常规的RGB模式，在彩色图像去噪声方法的支持下，对输入的图片进行颜色提取；/n彩色分割单元，提取输入的图片的色彩信息，具体为采用边缘拟合的方法提取图片的像素颜色，为训练图像的颜色模式提供精确的数据；/nLab模式训练单元，获取Lab模式下的图片颜色并构建图片颜色资料库，为图像颜色识别提供依据，从而减少颜色信息的丢失；/n所述彩色分割单元通过使用三个虚拟设置的颜色值作为计算单位，通过数学运算来转换RGB颜色，针对白光区域使用色彩边缘拟合方法进行区域划定，具体步骤为：/n步骤1、获取输入图片的RGB模式的色彩信息，数值单位分别为R、G、B；分别使用亮度X、颜色Y和颜色Z三个数值作为色彩基础单位来转换输入图片的RGB模式下色彩信息，从而去除负数值，转化公式如下：/nX＝0.4185R-0.0912G+0.0009B；/nY＝-0.1587R+0.2524G-0.0025B；/nZ＝-0.0828R+0.0157G+0.1786B；/n步骤2、对白光区域的闭合曲线进行边缘拟合，对于白光区域的闭合曲线进行均分三点采样，将闭合区域转换成由Q、W和S这三点分成的三个线段，分别为线段QW、线段WS和线段SQ；/n步骤21、由于三个线段均为圆弧状线段，对三个线段均进行椭圆拟合的方法进行公式推导，以线段QW为例，设立五个不同的参数分别为：长轴半径a1、短轴半径b1、长轴与坐标横轴的夹角θ1、椭圆中心横坐标x1和椭圆中心纵坐标y1，线段QW上任意一点的横坐标x，对应纵坐标为y，使用公式表达参数关系为：/n[(x-x1)cosθ1+(y-y1)sinθ1]...

【技术特征摘要】
1.一种面向目标检测的图像颜色特征处理系统，其特征在于，包括彩色分割单元和Lab模式训练单元，使用Lab制式代替常规的RGB模式，在彩色图像去噪声方法的支持下，对输入的图片进行颜色提取；
彩色分割单元，提取输入的图片的色彩信息，具体为采用边缘拟合的方法提取图片的像素颜色，为训练图像的颜色模式提供精确的数据；
Lab模式训练单元，获取Lab模式下的图片颜色并构建图片颜色资料库，为图像颜色识别提供依据，从而减少颜色信息的丢失；
所述彩色分割单元通过使用三个虚拟设置的颜色值作为计算单位，通过数学运算来转换RGB颜色，针对白光区域使用色彩边缘拟合方法进行区域划定，具体步骤为：
步骤1、获取输入图片的RGB模式的色彩信息，数值单位分别为R、G、B；分别使用亮度X、颜色Y和颜色Z三个数值作为色彩基础单位来转换输入图片的RGB模式下色彩信息，从而去除负数值，转化公式如下：
X＝0.4185R-0.0912G+0.0009B；
Y＝-0.1587R+0.2524G-0.0025B；
Z＝-0.0828R+0.0157G+0.1786B；
步骤2、对白光区域的闭合曲线进行边缘拟合，对于白光区域的闭合曲线进行均分三点采样，将闭合区域转换成由Q、W和S这三点分成的三个线段，分别为线段QW、线段WS和线段SQ；
步骤21、由于三个线段均为圆弧状线段，对三个线段均进行椭圆拟合的方法进行公式推导，以线段QW为例，设立五个不同的参数分别为：长轴半径a1、短轴半径b1、长轴与坐标横轴的夹角θ1、椭圆中心横坐标x1和椭圆中心纵坐标y1，线段QW上任意一点的横坐标x，对应纵坐标为y，使用公式表达参数关系为：
[(x-x1)cosθ1+(y-y1)sinθ1]2b12+[-(x-x1)sinθ1+(y-y1)cosθ1]2a12＝a12b12；
使用中间变量A、B、C、D和E进行公式化简，公式可以精简为：
X2+Axy+By2+Cx+Dy+E＝0；
步骤22、根据最小二乘原理，通过带入任意一点的坐标值，获取中间变量A、B、C、D和E的值，进一步获得目标函数如下：
F(A，B，C，D，E)＝Σ(X2+Axy+By2+Cx+Dy+E)2；
通过使得极值等零，求得椭圆的五个参数值：
椭圆中心横坐标x1＝(2BC-AD)/(A2-4B)；
椭圆中心纵坐标y1＝(2D-AD)/(A2-4B)；
长轴半径a12＝2(ACD-BC2-D2+4BE-A2E)/(A2-4B)(B-K+1)；
短轴半径b12＝2(ACD-BC2-D2+4BE-A2E)/(A2-4B)(B-K+1)；
长轴与坐标横轴的夹角θ12＝tan-1L；
其中，中间参量K2＝A2+(1-B)2，中间参量L2＝(a2-b2B)/(a2B-b2)；
步骤23、使用相同的建模方法完成线段WS和线段SQ的边缘拟合，完成白光区域闭合曲线的公式。


2.根据权利要求1所述的一种面向目标检测的图像颜色特征处理系统，其特征在于，所述彩色分割单元创建的颜色模型需要满足刚辨率的检验要求，识别颜色与所处的模型位置的色差要在5个侧方向上小于误差限制。


3.根据权利要求1所述的一种面向目标检测的图像颜色特征处理系统，其特征在于，所述彩色分割单元创建的白光区域的闭合曲线在分段连接点需要同时满足两连接线段的公式要求，无法同时满足时，以实际测试值为准，将连接点作为补充公式进行记录，保证模型建立的实际准确性。


4.根据权利要求1所述的一种面向目标检测的图像颜色特征处理系统，其特征在于，所述Lab模式训练单元直接获取图像的Lab三通道信息，将图片的Lab三通道作为计算机视觉方法的三通道，输入训练图片分类模型并输入Lab模式的图片进行测试，具体步骤包括：
步骤1、获取Lab模式的图片训练集；
步骤2、用步骤1中选取得训练集对模型进行模型训练；
步骤3、根据输入图片的模式，进行两种图片测试流程，完成模型的训练检查，从而加强模型的准确性和稳定性；
步骤31、若输入图片是Lab模式，将Lab模式图片直接输入图片分类模型进行测试；
步骤32、若输入图片不是Lab模式，例如RGB格式，首先转换成Lab模式，然后将转换后的图片输入图片分类模型中进行测试。


5.根据权利要求1所述的一种面向目标检测的图像颜色特征处理系统，其特征在于，所述Lab模式训练单元在图片测试步骤中，由于Lab模式和RGB模式的三个通道表达方式不太一样，Lab的三通道：L：0～100，a：-128～127，b：-128～127，RGB三通道均为0～255，需要对输入的模式进行统一化调整，具体为：
对输入的Lab模式的图片进行修正，将Lab模式中的a、b两个通道先转换成0～255表示，例如，Lab的a通道中的-128用0表示，将转换成正数后的Lab模式图片训练集输入模型进行训练，得到最终训练模型；对于输入的非Lab模式的图片，先转换成Lab模式，然后输入模型进行测试，从而整体上避免计算机处理负数数据，提高训练效率。

<...

【专利技术属性】
技术研发人员：陈翔宇，胡庆浩，王万国，程健，
申请(专利权)人：中国科学院自动化研究所，国网山东省电力公司，中国科学院自动化研究所南京人工智能芯片创新研究院，
类型：发明
国别省市：北京;11