图像色彩校正模型训练方法、装置及电子设备制造方法及图纸

本申请公开了一种图像色彩校正模型训练方法、装置、计算机可读存储介质和电子设备。该包括：对三维RGB样本数据按照预设方式进行区间划分，得到所述三维RGB样本数据对应的多个区间段；通过所述三维RGB样本数据的所述多个区间段分别对图像色彩校正网络进行训练，更新所述图像色彩校正网络的参数，以得到所述图像色彩校正模型。能提高图像色彩校正网络的训练速度和训练后的图像色彩校正模型的准确度。

【技术实现步骤摘要】
图像色彩校正模型训练方法、装置及电子设备
本专利技术涉及机器学习领域，具体涉及一种图像色彩校正模型训练方法、装置、计算机可读存储介质及电子设备。
技术介绍
随着数字图像设备的广泛应用，图像色彩重现的一致性已逐渐成为当前研究的一个热点。图像的色彩信息往往是进行图像分析的重要依据，因此研究能真实反映观察对象本身色彩的色彩校正技术具有重要的研究意义。色彩校正的目标是研究在各种光照条件下如何描述物体本征颜色。目前色彩校正已经在医学图像、遥感图像、壁画图像、证照图像等众多图像处理场景中得到了应用，并且随着图像技术的进步，未来会更广泛地应用到人们的日常生活中。目前，受环境光和相机自身光学元件产生的影响，相机获得的原始图像信号和真实场景相比存在一定的误差。为了解决这一难题，已有一些针对图像色彩校正的方法相继提出，比如传统的基于偏最小二乘回归的颜色校正法以及传统的神经网络色彩校正方法等。传统的基于偏最小二乘回归色彩校正法能较好地解决如自变量之间的多重相关性、样本数相对较少的问题，但精度尚难以满足实际应用需求。传统的基于神经网络的色彩校正方法参数量偏大，本文档来自技高网...

【技术保护点】
1.一种图像色彩校正模型训练方法，包括：/n对三维RGB样本数据按照预设方式进行区间划分，得到所述三维RGB样本数据对应的多个区间段；/n通过所述三维RGB样本数据的所述多个区间段分别对图像色彩校正网络进行训练，更新所述图像色彩校正网络的参数，以得到所述图像色彩校正模型。/n

【技术特征摘要】
1.一种图像色彩校正模型训练方法，包括：
对三维RGB样本数据按照预设方式进行区间划分，得到所述三维RGB样本数据对应的多个区间段；
通过所述三维RGB样本数据的所述多个区间段分别对图像色彩校正网络进行训练，更新所述图像色彩校正网络的参数，以得到所述图像色彩校正模型。


2.根据权利要求1所述的方法，所述对三维RGB样本数据按照预设方式进行区间划分，包括：
基于当前训练轮数、训练的总轮数、前一轮训练误差和预设系数，确定选择函数的当前值；
当所述选择函数的当前值符合预设条件时，对所述三维RGB样本数据按照预设方式进行区间划分。


3.根据权利要求2所述的方法，所述当所述选择函数符合预设条件时，对所述三维RGB样本数据按照预设方式进行区间划分，包括：
当所述选择函数的当前值小于或等于第一预设值时，从所述三维RGB样本数据中选定m个划分点进行位置划分，所述位置划分为根据所述m个划分点，将所述三维RGB样本数据分成m种候选分块数据集，所述m为正整数；
分别对所述m种候选分块数据集进行回归运算，得到所述回归运算的回归误差；
将使得所述回归误差最小的划分点获取为优选划分点，并基于所述优选划分点对所述三维RGB样本数据进行区间划分。


4.根据权利要求3所述的方法，其中，每轮图像色彩校正网络训练时，所选取的所述优选划分点均不同。


5.根据权利要求2所述的方法，其中，所述当所述选择函数符合预设条件时，对所述三维RGB样本数据按照预设方式进行区间划分，包括：
当所述选择函数的当前值小于或等于第二预设值时，从所述三维RGB样本数据中选定p个子数据块，所述子数据块为三维数据；
分别对所述p个子数据块进行回归运算，得到所述回归运算的回归误差；
基于使得所述回归误差最小的子数据块，对所述三维RGB样本数据进行区间划分。


6.根据权利要求2所述的方法，其中，所述当所述选择函数符合预设条件时，对所述三维RGB样本数据按照预设方式进行区间划分，包括：
当所述选择函数的当前值大于第三预设值时，随机对所述三维RGB样本数据进行区间划分；或
当所述选择函数的当前值大于第三预设值时，均匀将所述三维RGB样本数据进行区间划分。


7.根据权利要求1-6任...

【专利技术属性】
技术研发人员：董家源，
申请(专利权)人：北京地平线机器人技术研发有限公司，
类型：发明
国别省市：北京;11