本发明专利技术实施例公开了一种白平衡增益的校正方法、装置、设备和介质。其中，该方法包括：根据目标图像中预设干扰色的颜色分布特征确定颜色分类结果；其中，所述预设干扰色的颜色分布特征通过预先训练的颜色网络模型进行确定；根据所述颜色分类结果和所述目标图像的亮度信息确定亮度影响权重；根据所述亮度影响权重对所述目标图像的初始白平衡增益进行校正，以根据校正后的白平衡增益对所述目标图像进行白平衡处理。本技术方案，能够有效区分目标图像中的白点和干扰色点，从而提高了图像白平衡增益校正的准确性和适应性。
【技术实现步骤摘要】
本专利技术涉及白平衡校正，尤其涉及一种白平衡增益的校正方法、装置、设备和介质。
技术介绍
1、人眼能够识别不同光源下物体的颜色，但目前视频监控系统前端设备(如网络摄像机)并没有人眼的适应性，在不同色温下捕获到同一图像的颜色并不相同。因此，为使其采集到的图像颜色最大程度接近人眼对颜色的感受，需要对图像进行白平衡校正以还原物体真实颜色。
2、现有技术通常是通过设置白区实现对图像的白平衡校正。其中，白区是指用于统计白平衡中白点落位的区域范围。具体的，将落入白区的统计点作为白点，而未落入白区的统计点作为非白点。但在实际应用中，由于场景的复杂性和局部颜色影响等干扰，落入白区的统计点可能并不是白点，某些彩色区域r/g/b(红/绿/蓝)三通道的特性可能也符合白区，因此会被当作白点校正，导致白平衡偏色。例如，大面积蓝色物体被当作高色温下的白点时导致画面偏黄；大面积黄色物体被当作低色温下的白点时导致画面偏蓝；大面积绿色被统计入白区时导致画面偏紫等。此时，大面积干扰色会对图像的白平衡校正产生不利影响。因此，如何区分白点和大面积干扰色是白平衡校正领域亟待解决的问题之一。
3、相关技术中，针对实况落点通过手动标定坐标点将白点和干扰色坐标位置标出，并赋予其不同权重以实现对图像的白平衡增益校正。然而，该方案存在以下局限性：其一，只能适用于特定场景，且当场景中有多个大面积干扰色类簇时，无法进行标定和区分，因而适应性较差；其二，无法很好区分白点和干扰色点，容易导致误检，因而错误率较高。
技术实现思路</p>1、本专利技术提供了一种白平衡增益的校正方法、装置、设备和介质，能够有效区分目标图像中的白点和干扰色点，从而提高了图像白平衡增益校正的准确性和适应性。
2、根据本专利技术的一方面，提供了一种白平衡增益的校正方法，所述方法包括：
3、根据目标图像中预设干扰色的颜色分布特征确定颜色分类结果；其中，所述预设干扰色的颜色分布特征通过预先训练的颜色网络模型进行确定；
4、根据所述颜色分类结果和所述目标图像的亮度信息确定亮度影响权重；
5、根据所述亮度影响权重对所述目标图像的初始白平衡增益进行校正，以根据校正后的白平衡增益对所述目标图像进行白平衡处理。
6、可选的，所述颜色网络模型的训练过程如下所示：
7、预先采集样本图像，并对所述样本图像进行预设干扰色分类标定，得到所述样本图像的干扰色标定图；
8、将所述样本图像转换到lab颜色空间中，得到所述样本图像在a通道和b通道的样本颜色图像；
9、将所述a通道和b通道的样本颜色图像进行连接输入到预设卷积网络中进行训练，同时将所述干扰色标定图作为所述样本颜色图像的标签，以对所述预设卷积网络中的网络参数进行更新，得到训练完成的颜色网络模型。
10、可选的，根据目标图像中预设干扰色的颜色分布特征确定颜色分类结果，包括：
11、将所述目标图像转换到lab颜色空间中，得到所述目标图像在l通道的目标亮度图像，以及在a通道和b通道的目标颜色图像；
12、将所述a通道和b通道的目标颜色图像进行连接输入到所述颜色网络模型中，得到颜色分类矩阵作为颜色分类结果。
13、可选的，根据所述颜色分类结果和所述目标图像的亮度信息确定亮度影响权重，包括：
14、对所述目标图像进行分块划分；
15、根据所述颜色分类矩阵确定所述目标图像中各个分块的干扰色占比；
16、根据各个分块的干扰色占比和所述目标图像在l通道的目标亮度图像确定各个分块的亮度影响权重。
17、可选的，根据各个分块的干扰色占比和所述目标图像在l通道的目标亮度图像确定各个分块的亮度影响权重，包括：
18、若目标分块的干扰色占比大于预设占比阈值，则确定所述目标分块的亮度影响权重为0；
19、若所述目标分块的干扰色占比等于0，则确定所述目标分块的亮度影响权重为1；
20、否则，根据所述目标亮度图像中目标分块对应位置的亮度梯度确定所述目标分块的亮度影响权重。
21、可选的，根据所述亮度影响权重对所述目标图像的初始白平衡增益进行校正，包括：
22、
23、其中，wgain表示所述目标图像校正后的白平衡增益，wgainm,n表示分块下标为(m,n)对应目标图像区域的初始白平衡增益；σm,n表示分块下标为(m,n)对应目标分块的亮度影响权重；m×n表示所述目标图像的分块总数。
24、可选的，在得到所述样本图像的干扰色标定图之后，所述方法还包括：
25、基于预设分割机制分别对所述样本图像和所述干扰色标定图进行分割，得到分割样本图像和分割干扰色标定图；
26、基于预设扩充机制分别对所述分割样本图像和分割干扰色标定图进行扩充操作，得到扩充样本图像集和扩充干扰色标定图集。
27、根据本专利技术的另一方面，提供了一种白平衡增益的校正装置，包括：
28、颜色分类结果确定模块，用于根据目标图像中预设干扰色的颜色分布特征确定颜色分类结果；其中，所述预设干扰色的颜色分布特征通过预先训练的颜色网络模型进行确定；
29、亮度影响权重确定模块，用于根据所述颜色分类结果和所述目标图像的亮度信息确定亮度影响权重；
30、白平衡校正模块，用于根据所述亮度影响权重对所述目标图像的初始白平衡增益进行校正，以根据校正后的白平衡增益对所述目标图像进行白平衡处理。
31、根据本专利技术的另一方面，提供了一种白平衡增益的校正电子设备，所述电子设备包括：
32、至少一个处理器；以及
33、与所述至少一个处理器通信连接的存储器；其中，
34、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的白平衡增益的校正方法。
35、根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的白平衡增益的校正方法。
36、本专利技术实施例的技术方案，根据目标图像中预设干扰色的颜色分布特征确定颜色分类结果；其中，预设干扰色的颜色分布特征通过预先训练的颜色网络模型进行确定；根据颜色分类结果和目标图像的亮度信息确定亮度影响权重；根据亮度影响权重对目标图像的初始白平衡增益进行校正，以根据校正后的白平衡增益对目标图像进行白平衡处理。本技术方案，能够有效区分目标图像中的白点和干扰色点，同时减少了人工标定的复杂性和不确定性，从而提高了图像白平衡增益校正的准确性和适应性。
37、应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...
【技术保护点】
1.一种白平衡增益的校正方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述颜色网络模型的训练过程如下所示：
3.根据权利要求2所述的方法，其特征在于，根据目标图像中预设干扰色的颜色分布特征确定颜色分类结果，包括：
4.根据权利要求3所述的方法，其特征在于，根据所述颜色分类结果和所述目标图像的亮度信息确定亮度影响权重，包括：
5.根据权利要求4所述的方法，其特征在于，根据各个分块的干扰色占比和所述目标图像在L通道的目标亮度图像确定各个分块的亮度影响权重，包括：
6.根据权利要求5所述的方法，其特征在于，根据所述亮度影响权重对所述目标图像的初始白平衡增益进行校正，包括：
7.根据权利要求2所述的方法，其特征在于，在得到所述样本图像的干扰色标定图之后，所述方法还包括：
8.一种白平衡增益的校正装置，其特征在于，所述装置包括：
9.一种白平衡增益的校正电子设备，其特征在于，所述电子设备包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的白平衡增益的校正方法。
...
【技术特征摘要】
1.一种白平衡增益的校正方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述颜色网络模型的训练过程如下所示：
3.根据权利要求2所述的方法，其特征在于，根据目标图像中预设干扰色的颜色分布特征确定颜色分类结果，包括：
4.根据权利要求3所述的方法，其特征在于，根据所述颜色分类结果和所述目标图像的亮度信息确定亮度影响权重，包括：
5.根据权利要求4所述的方法，其特征在于，根据各个分块的干扰色占比和所述目标图像在l通道的目标亮度图像确定各个分块的亮度影响权重，包括：
6...
【专利技术属性】
技术研发人员：杨晓莉，
申请(专利权)人：西安宇视信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。