【技术实现步骤摘要】
本专利技术涉及色彩空间矫正，具体为一种xr系统中色彩空间矫正的方法。
技术介绍
1、随着xr技术的日益发展和广泛应用，色彩空间矫正系统变得越来越重要，这是因为xr技术在虚拟现实和增强现实中广泛使用，在这些应用中，准确且一致的色彩呈现对于用户体验至关重要，xr技术已经成为了最有前景的领域之一，预计未来几年内将会有更多的xr应用出现。这将促进xr技术与其他领域的融合，从而需要更加准确的色彩表示，色彩科学的进步使得我们能够更好地理解人眼识别颜色的方式，以及如何在显示器上模拟真实的颜色。这些进展也为色彩空间矫正系统的发展提供了基础，在xr应用中，用户体验是至关重要的，准确和一致的色彩呈现可以提高用户沉浸感和参与度，从而增强用户体验，并且高质量的显示器已经成为了xr技术的标准配置，这些显示器可以呈现更加逼真的颜色和细节，但同时也需要更加准确的色彩空间矫正系统来确保显示的内容一致性，考虑环境对色彩变化的影响，否则会影响虚拟场景的真实感，所以，在此提出了一种xr系统中色彩空间矫正的方法。
2、在现有的技术中，xr系统色彩空间矫正的过程中，室内和室外光照条件下的色彩表现会有所不同，在进行色彩空间矫正时需要考虑光照环境对色彩变化的影响，否则会导致xr系统中图像的亮度以及饱和度会发送变化，在极端的光照条件下，色彩空间矫正系统可能无法完全还原物体的真实颜色，导致色彩失真或变形，影响虚拟场景的真实感，所以，在此提出一种xr系统中色彩空间矫正的方法，可以在xr系统色彩空间矫正的过程中训练视觉感知模型，通过借鉴视觉感知模型，根据不同光照条件下人
技术实现思路
1、针对现有技术中会受到光照环境对色彩变化影响的不足，本专利技术提供了一种xr系统中色彩空间矫正的方法，具备在不同的光照环境下呈现出相似的颜色效果的优点。
2、为实现上述目的，本专利技术提供如下技术方案：一种xr系统中色彩空间矫正的方法，色彩空间矫正方法步骤为：
3、s1：收集具有不同光照条件下的真实场景图像数据，作为训练集用于训练视觉感知模型；
4、s2：训练一个视觉感知模型，学习和提取图像中的特征，帮助对颜色空间进行矫正；
5、s3：使用交叉验证方法进行模型调优，避免出现拟合的情况；
6、s4：在矫正前确定一组适合当前环境的可控制色彩空间矫正参数，呈现在不同光照条件下更接近人眼的感知的的颜色；
7、s5：使用训练好的视觉感知模型和调整好的颜色矫正参数对颜色空间进行矫正，使用视觉感知模型提取图像特征；
8、s6：将提取到的特征映射到颜色空间矫正参数上，得到矫正后的颜色值，然后在xr系统中呈现矫正后的场景。
9、s1：收集具有不同光照条件下的真实场景图像数据，作为训练集用于训练视觉感知模型；收集具有不同光照条件的真实场景图像数据，使用相机以及传感器进行数据捕捉，采集涵盖了不同光照强度、色温和光照方向条件的图像数据，对数据进行据进行预处理，使用滤波算法高斯滤波去除图像中的噪声，同时使用直方图均衡化调整图像的亮度、对比度和饱和度，当做训练集数据。
10、s2：训练一个视觉感知模型，学习和提取图像中的特征，帮助对颜色空间进行矫正；使用带有标注的图像的类别信息数据集进行模型训练，基于卷积神经网络cnn，使用交叉熵损失定义适当的损失函数，衡量模型预测结果与真实标签之间的差异，通过反向传播算法计算梯度，使用优化算法随机梯度下降来更新模型参数，以最小化损失函数，随机梯度下降优化算法如下：
11、
12、其中：θt是在时间步t的模型参数权重；α是学习率learning rate，表示每次更新时沿梯度方向前进的步长；是损失函数关于参数θ的梯度，针对训练集中的第i个样本x(i),y(i)计算得到，然后使用卷积操作来提取输入图像的局部特征，通过滤波器卷积核在图像上进行滑动计算，对于二维图像，卷积操作可以表示为：
13、
14、其中：x是输入图像，w是卷积核，b是偏置项，f是激活函数，y是卷积层输出的特征图，操作提取得到图像的局部特征。
15、s3：使用交叉验证方法进行模型调优，避免出现拟合的情况；确定学习率超参数，配合k折交叉验证k-fold cross-validation将训练集分成k个子集，依次使用其中k-1个子集作为训练集，剩余的1个子集作为验证集，进行k次训练和验证，其中：学习率调优方法公式为：
16、
17、θt+1表示更新后的模型参数，θt表示当前的模型参数，η表示学习率，▽j(θt表示损失函数关于模型参数的梯度。
18、s4：在矫正前确定一组适合当前环境的可控制色彩空间矫正参数，呈现在不同光照条件下更接近人眼的感知的的颜色；确定色彩空间映射参数color space mappingparameters：将输入色彩空间映射到目标色彩空间，以使图像在不同光照条件下更接近人眼感知的颜色，通过颜色校正矩阵的色彩映射公式实现，公式如下：
19、[[r′g′b′]＝[m11 m12 m13m21 m22 m23m31 m32 m33]×[r gb]]
20、其中：r'、g'、b'分别表示矫正后的红、绿、蓝通道的值m_{ij}表示颜色校正矩阵的元素，得到图像在不同光照条件下更接近人眼感知的颜色。
21、s5：使用训练好的视觉感知模型和调整好的颜色矫正参数对颜色空间进行矫正，使用视觉感知模型提取图像特征；将图像从其原始的颜色空间转换到目标颜色空间，rgb到lab色彩空间，rgb到lab的转换公式如下:
22、l＝116*f(y/yn)-16a＝500*(f(x/xn)-f(y/yn))
23、b＝200*(f(y/yn)-f(z/zn))
24、其中：x、y、z为rgb通道值，xn、yn、zn为参考白点的参数，f(t)为非线性转换函数，转换后通过gamma矫正方法进行矫正。
25、s5：使用训练好的视觉感知模型和调整好的颜色矫正参数对颜色空间进行矫正，使用视觉感知模型提取图像特征；通过在特征提取层获取特征数据基础上进行特征池化、特征归一化，特征提取层涉及卷积操作，将输入图像映射到高维的特征空间中，并且调整特征提取层的参数，获得不同维度和抽象程度的特征。
26、s6：将提取到的特征映射到颜色空间矫正参数上，得到矫正后的颜色值，然后在xr系统中呈现矫正后的场景；使用sigmoid非线性函数，将提取到的特征映射到颜色空间矫正参数上，sigmoid非线性函数以导数表：x是自变量，y是因变量，sigmoid函数的取值范围在0到1之间，当x趋近于正无穷大时，y趋近于1；当x趋近于负无穷大时，y趋近于0，sigmoid函数公式表示为：
27、
28、基于映射到颜色空间矫正本文档来自技高网...
【技术保护点】
1.一种XR系统中色彩空间矫正的方法，其特征在于：色彩空间矫正方法步骤为：
2.根据权利要求1所述的一种XR系统中色彩空间矫正的方法，其特征在于：S1：收集具有不同光照条件下的真实场景图像数据，作为训练集用于训练视觉感知模型；收集具有不同光照条件的真实场景图像数据，使用相机以及传感器进行数据捕捉，采集涵盖了不同光照强度、色温和光照方向条件的图像数据，对数据进行据进行预处理，使用滤波算法高斯滤波去除图像中的噪声，同时使用直方图均衡化调整图像的亮度、对比度和饱和度，当做训练集数据。
3.根据权利要求1所述的一种XR系统中色彩空间矫正的方法，其特征在于：S2：训练一个视觉感知模型，学习和提取图像中的特征，帮助对颜色空间进行矫正；使用带有标注的图像的类别信息数据集进行模型训练，基于卷积神经网络CNN，使用交叉熵损失定义适当的损失函数，衡量模型预测结果与真实标签之间的差异，通过反向传播算法计算梯度，使用优化算法随机梯度下降来更新模型参数，以最小化损失函数，随机梯度下降优化算法如下：
4.根据权利要求1所述的一种XR系统中色彩空间矫正的方法，其特征在于：S
5.根据权利要求1所述的一种XR系统中色彩空间矫正的方法，其特征在于：S4：在矫正前确定一组适合当前环境的可控制色彩空间矫正参数，呈现在不同光照条件下更接近人眼的感知的的颜色；确定色彩空间映射参数Color Space Mapping Parameters：将输入色彩空间映射到目标色彩空间，以使图像在不同光照条件下更接近人眼感知的颜色，通过颜色校正矩阵的色彩映射公式实现，公式如下：
6.根据权利要求1所述的一种XR系统中色彩空间矫正的方法，其特征在于：S5：使用训练好的视觉感知模型和调整好的颜色矫正参数对颜色空间进行矫正，使用视觉感知模型提取图像特征；将图像从其原始的颜色空间转换到目标颜色空间，RGB到Lab色彩空间，RGB到Lab的转换公式如下:
7.根据权利要求1所述的一种XR系统中色彩空间矫正的方法，其特征在于：S5：使用训练好的视觉感知模型和调整好的颜色矫正参数对颜色空间进行矫正，使用视觉感知模型提取图像特征；通过在特征提取层获取特征数据基础上进行特征池化、特征归一化，特征提取层涉及卷积操作，将输入图像映射到高维的特征空间中，并且调整特征提取层的参数，获得不同维度和抽象程度的特征。
8.根据权利要求1所述的一种XR系统中色彩空间矫正的方法，其特征在于：S6：将提取到的特征映射到颜色空间矫正参数上，得到矫正后的颜色值，然后在XR系统中呈现矫正后的场景；使用Sigmoid非线性函数，将提取到的特征映射到颜色空间矫正参数上，Sigmoid非线性函数以导数表：x是自变量，y是因变量，Sigmoid函数的取值范围在0到1之间，当x趋近于正无穷大时，y趋近于1；当x趋近于负无穷大时，y趋近于0，Sigmoid函数公式表示为：
...【技术特征摘要】
1.一种xr系统中色彩空间矫正的方法，其特征在于：色彩空间矫正方法步骤为：
2.根据权利要求1所述的一种xr系统中色彩空间矫正的方法，其特征在于：s1：收集具有不同光照条件下的真实场景图像数据，作为训练集用于训练视觉感知模型；收集具有不同光照条件的真实场景图像数据，使用相机以及传感器进行数据捕捉，采集涵盖了不同光照强度、色温和光照方向条件的图像数据，对数据进行据进行预处理，使用滤波算法高斯滤波去除图像中的噪声，同时使用直方图均衡化调整图像的亮度、对比度和饱和度，当做训练集数据。
3.根据权利要求1所述的一种xr系统中色彩空间矫正的方法，其特征在于：s2：训练一个视觉感知模型，学习和提取图像中的特征，帮助对颜色空间进行矫正；使用带有标注的图像的类别信息数据集进行模型训练，基于卷积神经网络cnn，使用交叉熵损失定义适当的损失函数，衡量模型预测结果与真实标签之间的差异，通过反向传播算法计算梯度，使用优化算法随机梯度下降来更新模型参数，以最小化损失函数，随机梯度下降优化算法如下：
4.根据权利要求1所述的一种xr系统中色彩空间矫正的方法，其特征在于：s3：使用交叉验证方法进行模型调优，避免出现拟合的情况；确定学习率超参数，配合k折交叉验证k-fold cross-validation将训练集分成k个子集，依次使用其中k-1个子集作为训练集，剩余的1个子集作为验证集，进行k次训练和验证，其中：学习率调优方法公式为：
5.根据权利要求1所述的一种xr系统中色彩空间矫正的方法，其特征在于：s4：在矫正前确定一组适合当前环境...
【专利技术属性】
技术研发人员：李翔，庞文刚，许轲扬，卢鹏程，姜三富，
申请(专利权)人：联通沃音乐文化有限公司，
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。