源图像数据库的获取方法、训练装置及电子设备制造方法及图纸

本发明专利技术涉及一种源图像数据库的获取方法及获取系统、神经网络的训练方法、训练装置、计算机可读存储介质、图像处理芯片、图像处理系统、电子设备，获取方法包括：首先分别获取已知图像库和校正图像库，并分别计算各自图像对应的光源信息；然后根据多组色温点相同的原始图像和采集图像的光源信息，建立色温模型，并根据色温模型对已知图像库的各原始图像的光源信息进行转换，得到目标图像库中各目标图像的光源信息；接着根据已知图像库和目标图像库的光源信息将已知图像库的原始图像的像素信息转换到目标图像库的目标图像的像素信息，得到目标采集单元对应的源图像数据库。本发明专利技术极大地减少了神经网络训练之前的图像采集数量。

【技术实现步骤摘要】
源图像数据库的获取方法、训练装置及电子设备
本专利技术涉及图像处理领域，具体涉及一种源图像数据库的获取方法及获取系统、神经网络的训练方法、训练装置、计算机可读存储介质、图像处理芯片、图像处理系统、电子设备。
技术介绍
白平衡指在任何光源下都可以将白色物体还原为白色的方法。人眼具有适应性，所以我们有时候不能发现色温的变化，但是电子设备并不具备这样的特点，所以需要白平衡算法来还原色彩。现有技术中，许多白平衡处理用的都是传统算法，如灰度世界法，完美反射法等，这些算法的核心思想都是直接找到图像中的白块进行色彩还原，但是，真实世界的场景是复杂多变的，一旦场景中白块较少或没有白块，那么算法就会失效，这也导致其鲁棒性不强。一种较先进的白平衡处理算法是采用神经网络进行，具体地，目标采集单元采集大量的raw图像，然后对神经网络进行训练，得到训练好的模型，采用训练好的模型对目标采集单元采集的图像进行白平衡处理。上述这种神经网络的方法虽然性能较好，但是其必须依靠大量的raw图像数据来支撑，而对于不同镜头或者传感器对应的色温曲线也不尽相同，这就意味着不同的电子设备，只要镜头和传感器有一者发生变化，就需要重新采集大量的raw图像对神经网络进行重新训练，对于设备厂商来说，会制造多种设备，各设备的镜头和传感器常常会更换，即使是同一型号的设备，也常常会发生变化，这就造成每台设备都需要重新采集大量的raw图像，导致神经网络之前的采集工作急剧增加，提高了设备的生产时间及成本。
技术实现思路
基于上述现状，本专利技术的主要目的在于提供一种源图像数据库的获取方法及获取系统、神经网络的训练方法、训练装置、计算机可读存储介质、图像处理芯片、图像处理系统、电子设备，以解决由于镜头和传感器的更换导致的工作量大大增加的问题。为实现上述目的，本专利技术采用的技术方案如下：本专利技术的第一方面提供了一种源图像数据库的获取方法，所述源图像数据库用于训练神经网络，所述神经网络用于对采集单元采集的图像进行白平衡处理，所述获取方法包括步骤：S100：获取已知图像库，并得到所述已知图像库中各原始图像对应的光源信息；其中，所述已知图像库中的所述原始图像覆盖多个色温点，且各所述原始图像中带有标准色卡；S200：获取校正图像库，并计算所述校正图像库中各采集图像对应的光源信息；其中，所述校正图像库通过使用目标采集单元采集不同色温下的带标准色卡的采集图像形成；S300：根据多组色温点相同的所述原始图像和所述采集图像中对应的光源信息，建立由所述原始图像转换到所述采集图像的色温模型；所述色温模型包括转换矩阵c和转换系数z0，其中，所述原始图像的光源信息与所述转换矩阵c的乘积等于所述采集图像的光源信息与转换系数的乘积；S400：根据所述色温模型，对所述已知图像库的各所述原始图像的光源信息进行转换，得到目标图像库中各目标图像的光源信息；S500：根据所述已知图像库和所述目标图像库的光源信息将所述已知图像库的各所述原始图像的像素信息转换到所述目标图像库的各所述目标图像的像素信息，得到所述目标采集单元对应的源图像数据库；其中，所述校正图像库的采集图像的个数小于所述已知图像库的原始图像的个数，且二者的图像来源不同。优选地，所述步骤S100中获取已知图像库，具体包括：通过使用非目标采集单元在不同的场景下采集带标准色卡的所述原始图像，形成所述已知图像库；或者通过白平衡的公共数据集获取所述已知图像库。优选地，所述步骤S200中校正图像库通过使用目标采集单元采集不同色温下的带标准色卡的采集图像形成，具体包括：所述校正图像库通过使用目标采集单元在灯箱下采集不同标准光源的带标准色卡的采集图像形成。优选地，图像的光源信息包括所述图像的红色通道的亮度值lr、绿色通道的亮度值lg以及蓝色通道的亮度值lb，所述步骤S100中和所述步骤S200中得到光源信息的具体方法包括步骤：S001：将图像转换到RGB域；S002：分别对所述图像中标准色卡上未过曝的白块计算红色通道的像素均值、绿色通道的像素均值和蓝色通道的像素均值，三个均值分别为所述图像的红色通道的亮度值lr、绿色通道的亮度值lg以及蓝色通道的亮度值lb，其中，所述图像指所述原始图像或者采集图像。优选地，所述光源信息还包括标签；所述转换矩阵c为三维转换矩阵；所述步骤S300具体包括步骤：S310：根据公式(1)分别计算各所述原始图像的标签x1、y1和所述采集图像的标签x2、y2；其中，lr、lg、lb分别为所述原始图像或者所述采集图像的红色通道的亮度值、绿色通道的亮度值和蓝色通道的亮度值；S320：选择多组色温点相同的所述原始图像和所述采集图像；S330：建立三维转换矩阵c和转换系数z0，其中，根据公式(2)、(3)以及各组对应的所述原始图像的标签x1、y1和所述采集图像的标签x2、y2，计算所述转换矩阵c和转换系数z0；所述步骤S400具体包括：根据公式(2)、(3)以及转换矩阵c、转换系数z0将所述已知图像库的各所述原始图像的标签x1、y1进行转换，得到目标图像库中各目标图像的标签x2、y2，其中，将公式(3)中的x2、y2替换为x3、y3，x′2、y′2替换为x′3、y′3。优选地，所述步骤S400还包括：将各目标图像的标签x3、y3带入公式(4)中的x、y，得到各所述目标图像的归一化后的红色通道的亮度值lr0、绿色通道的亮度值lg0和蓝色通道的亮度值lb0。优选地，所述步骤S500中，根据所述已知图像库和所述目标图像库的光源信息将所述已知图像库的各所述原始图像的像素信息转换到所述目标图像库的各所述目标图像的像素信息，具体包括步骤：S510：分别计算各所述原始图像的第一红色通道增益和第一蓝色通道增益，以及计算所述目标图像库中各所述目标图像的第三红色通道增益和第三蓝色通道增益；S520：根据所述原始图像的像素信息和所述第一红色通道增益、第一蓝色通道增益、第三红色通道增益和第三蓝色通道增益，将各所述原始图像的像素信息转换为所述目标图像库中各目标图像的像素信息。优选地，所述步骤S510具体包括：根据公式(5)计算所述第三红色通道增益r_gain3和所述第三蓝色通道增益b_gain3，根据公式(6)计算所述第一红色通道增益r_gain1和所述第一蓝色通道增益b_gain1；所述原始图像的像素信息包括第一红色像素值r1、第一蓝色像素值b1；所述目标图像的像素信息包括第三红色像素值r3、第三蓝色像素值b3；所述步骤S520具体包括：根据公式(7)计算各所述目标图像的像素信息；优选地，所述步骤S300中根据多组色温点相同的所述原始图像和所述采集图像中对应的光源信息，具体包括：为每一个所述采集图像从所述已知图像库中选取与其色温点相同的所述原始图像，从而形成多组对应的所述原本文档来自技高网...

【技术保护点】
1.一种源图像数据库的获取方法，所述源图像数据库用于训练神经网络，所述神经网络用于对采集单元采集的图像进行白平衡处理，其特征在于，所述获取方法包括步骤：/nS100：获取已知图像库，并得到所述已知图像库中各原始图像对应的光源信息；其中，所述已知图像库中的所述原始图像覆盖多个色温点，且各所述原始图像中带有标准色卡；/nS200：获取校正图像库，并计算所述校正图像库中各采集图像对应的光源信息；其中，所述校正图像库通过使用目标采集单元采集不同色温下的带标准色卡的采集图像形成；/nS300：根据多组色温点相同的所述原始图像和所述采集图像中对应的光源信息，建立由所述原始图像转换到所述采集图像的色温模型，所述色温模型包括转换矩阵c和转换系数z

【技术特征摘要】
1.一种源图像数据库的获取方法，所述源图像数据库用于训练神经网络，所述神经网络用于对采集单元采集的图像进行白平衡处理，其特征在于，所述获取方法包括步骤：
S100：获取已知图像库，并得到所述已知图像库中各原始图像对应的光源信息；其中，所述已知图像库中的所述原始图像覆盖多个色温点，且各所述原始图像中带有标准色卡；
S200：获取校正图像库，并计算所述校正图像库中各采集图像对应的光源信息；其中，所述校正图像库通过使用目标采集单元采集不同色温下的带标准色卡的采集图像形成；
S300：根据多组色温点相同的所述原始图像和所述采集图像中对应的光源信息，建立由所述原始图像转换到所述采集图像的色温模型，所述色温模型包括转换矩阵c和转换系数z0，其中，所述原始图像的光源信息与所述转换矩阵c的乘积等于所述采集图像的光源信息与转换系数的乘积；
S400：根据所述色温模型，对所述已知图像库的各所述原始图像的光源信息进行转换，得到目标图像库中各目标图像的光源信息；
S500：根据所述已知图像库和所述目标图像库的光源信息将所述已知图像库的各所述原始图像的像素信息转换到所述目标图像库的各所述目标图像的像素信息，得到所述目标采集单元对应的源图像数据库；
其中，所述校正图像库的采集图像的个数小于所述已知图像库的原始图像的个数，且二者的图像来源不同。


2.根据权利要求1所述的获取方法，其特征在于，所述步骤S100中获取已知图像库，具体包括：
通过使用非目标采集单元在不同的场景下采集带标准色卡的所述原始图像，形成所述已知图像库；或者
通过白平衡的公共数据集获取所述已知图像库。


3.根据权利要求1所述的获取方法，其特征在于，所述步骤S200中校正图像库通过使用目标采集单元采集不同色温下的带标准色卡的采集图像形成，具体包括：所述校正图像库通过使用目标采集单元在灯箱下采集不同标准光源的带标准色卡的采集图像形成。


4.根据权利要求1所述的获取方法，其特征在于，图像的光源信息包括所述图像的红色通道的亮度值lr、绿色通道的亮度值lg以及蓝色通道的亮度值lb，所述步骤S100中和所述步骤S200中得到光源信息的具体方法包括步骤：
S001：将图像转换到RGB域；
S002：分别对所述图像中标准色卡上未过曝的白块计算红色通道的像素均值、绿色通道的像素均值和蓝色通道的像素均值，三个均值分别为所述图像的红色通道的亮度值lr、绿色通道的亮度值lg以及蓝色通道的亮度值lb；
其中，所述图像指所述原始图像或者采集图像。


5.根据权利要求4所述的获取方法，其特征在于，所述光源信息还包括标签；所述转换矩阵c为三维转换矩阵；
所述步骤S300具体包括步骤：
S310：根据公式(1)分别计算各所述原始图像的标签x1、y1和所述采集图像的标签x2、y2；



其中，lr、lg、lb分别为所述原始图像或者所述采集图像的红色通道的亮度值、绿色通道的亮度值和蓝色通道的亮度值；
S320：选择多组色温点相同的所述原始图像和所述采集图像；
S330：建立三维转换矩阵c和转换系数z0，其中，



S340：



根据公式(2)、(3)以及各组对应的所述原始图像的标签x1、y1和所述采集图像的标签x2、y2，计算所述转换矩阵c和转换系数z0；
所述步骤S400具体包括：
根据公式(2)、(3)以及转换矩阵c、转换系数z0将所述已知图像库的各所述原始图像的标签x1、y1进行转换，得到目标图像库中各目标图像的标签x3、y3，其中，将公式(3)中的x2、y2替换为x3、y3，x′2、y′2替换为x′3、y′3。


6.根据权利要求5所述的获取方法，其特征在于，所述步骤S400还包括：将各目标图像的标签x3、y3带入公式(4)中的x、y，得到各所述目标图像的归一化后的红色通道的亮度值lr0、绿色通道的亮度值lg0和蓝色通道的亮度值lb0。





7.根据权利要求5所述的获取方法，其特征在于，所述步骤S500中，根据所述已知图像库和所述目标图像库的光源信息将所述已知图像库的各所述原始图像的像素信息转换到所述目标图像库的各所述目标图像的像素信息，具体包括步骤：
S510：分别计算各所述原始图像的第一红色通道增益和第一蓝色通道增益，以及计算所述目标图像库中各所述目标图像的第三红色通道增益和第三蓝色通道增益；
S520：根据所述原始图像的像素信息和所述第一红色通道增益、第一蓝色通道增益、第三红色通道增益和第三蓝色通道增益，将各所述原始图像的像素信息转换为所述目标图像库中各目标图像的像素信息。


8.根据...

【专利技术属性】
技术研发人员：杨远飞，徐会，
申请(专利权)人：珠海市杰理科技股份有限公司，
类型：发明
国别省市：广东;44