通道颜色校正和曲线映射驱动的无监督水果亮度校正方法技术

本发明专利技术公开了一种通道颜色校正和曲线映射驱动的无监督水果亮度校正方法。本发明专利技术通过设计特定的损失函数和网络结构，能够快速生成所需的亮度增强曲线参数，并通过增强曲线进行快速亮度校正，较好适应多变的曲率并保留表面颜色信息。本发明专利技术克服了训练深度学习亮度校正方法需要大规模数据集的问题，同时也无需建立低光条件与正常光照配对数据集，降低了数据收集和处理的难度。本发明专利技术建立了类球形水果图像曲线估计网络模型结构，通过跳层连接获取不同尺度亮度信息，通过稀疏的卷积核加快模型运算速度，同时避免模型过拟合。

【技术实现步骤摘要】

本专利技术涉及水果采后加工的一种水果亮度校正方法，尤其是涉及一种通道颜色校正和曲线映射驱动的无监督水果亮度校正方法。

技术介绍

1、在使用机器视觉方法对水果进行分级分选过程中，苹果、梨、柑橘等类球形水果的成像过程中具有中心区域比边缘区域亮的问题(李江波.脐橙表面缺陷的快速检测方法研究[d].浙江大学,2012.)。不合理的光照分布会使水果的成像出现区域性曝光不足或曝光过度的现象，从而导致水果的表面特征信息无法准确地在图像上反映出来。因此，需要对类球形果表面亮度进行校正。

2、传统的图像处理方法如直方图均衡化、retinex方法和mask匀光算法等在一定程度上可以改善图像质量，但在处理类球形水果图像时存在一些限制。例如，直方图均衡化可能会导致灰度级减少，细节丢失；retinex方法运算复杂度高，可能产生光斑并掩盖缺陷；mask匀光算法对颜色干扰较为敏感。

3、gomez-sanchis等人(2008)基于类球形水果圆周创建高程模型的方法，假设类球形水果三维结构是完美的球形，使用朗伯反射模型分析亮度的不均匀分布，并使用静态水果的环形区域本文档来自技高网...

【技术保护点】

1.一种通道颜色校正和曲线映射驱动的无监督水果亮度校正方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种通道颜色校正和曲线映射驱动的无监督水果亮度校正方法，其特征在于，所述步骤2中，类球形水果图像曲线估计网络模型M包括7个深度可分离卷积块、3个最大池化层和3个双线性插值上采样层；类球形水果图像曲线估计网络模型M的输入作为第一深度可分离卷积块的输入，第一深度可分离卷积块依次经第一最大池化层、第二深度可分离卷积块、第二最大池化层、第三深度可分离卷积块和第三最大池化层后与第四深度可分离卷积块相连，第四深度可分离卷积块与第一双线性插值上采样层相连，第三深度可分离卷积块的输...

【技术特征摘要】

1.一种通道颜色校正和曲线映射驱动的无监督水果亮度校正方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种通道颜色校正和曲线映射驱动的无监督水果亮度校正方法，其特征在于，所述步骤2中，类球形水果图像曲线估计网络模型m包括7个深度可分离卷积块、3个最大池化层和3个双线性插值上采样层；类球形水果图像曲线估计网络模型m的输入作为第一深度可分离卷积块的输入，第一深度可分离卷积块依次经第一最大池化层、第二深度可分离卷积块、第二最大池化层、第三深度可分离卷积块和第三最大池化层后与第四深度可分离卷积块相连，第四深度可分离卷积块与第一双线性插值上采样层相连，第三深度可分离卷积块的输出与第一双线性插值上采样层的输出拼接融合后输入到第五深度可分离卷积块中；第五深度可分离卷积块与第二双线性插值上采样层相连，第二深度可分离卷积块的输出与第二双线性插值上采样层的输出拼接融合后输入到第六深度可分离卷积块中；第六深度可分离卷积块与第三双线性插值上采样层相连，第一深度可分离卷积块的输出与第三双线性插值上采样层的输出拼接融合后输入到第七深度可分离卷积块中，第七深度可分离卷积块...

【专利技术属性】
技术研发人员：饶秀勤，朱逸航，徐涛，许旭锋，何叶帆，黄心瑶，吴頔华，
申请(专利权)人：浙江大学，
类型：发明
国别省市：