一种基于正则化极限学习机的图像光照校正方法技术

本发明专利技术公开了一种基于正则化极限学习机的染色织物图像光照校正方法，本发明专利技术步骤：获取图像，构建数据集；通过WOA对生成随机生成的种群优化筛选；通过SHO寻找最优解；将优化后的输入权重和隐层偏置通过RELM网络模型预测；对角映射模型实现图像的校正；输出光照校正结果。本发明专利技术可消除外界环境光照对摄影成像的影响，恢复物体真实的颜色，从而为基于计算机视觉的染色织物图像处理提供准确的颜色信息。模型具备优秀的预测精度，良好的收敛性和稳定性，提高了光照校正工作的效率与准确性。

【技术实现步骤摘要】

本专利技术属于图像光照校正，具体涉及一种基于正则化极限学习机的图像光照校正方法。

技术介绍

1、现在很多色差检测都是需要依靠人力进行人工检测，但是由于会存在很多主观性的因素，例如过久的劳动导致的疲劳，看被测物的角度不一样等，都会对色差检测的结果造成很大的误差。为了处理这个问题，就利用计算机来进行解决，因为计算机客观、不受主观因素的影响。但因为颜色会受很多因素影响，例如自身的“属性”，还有场景光源的不同也会导致物体呈现不同的颜色。在实际应用中，由于现场的环境存在各种各样的因素，比如光照不均匀、光照不稳定等等。当场景光源不一样的时候，采集的同样的被测物的色差也会受到很大的影响，会造成不小的误差。因此，就需要进行光照校正来让被这些采集的图像调整到同一个标准光源下，这样就能够处理光源可能不一样的问题。

2、当前在图像光照校正
中，很多人都在尽力将颜色恒常性用计算机模拟出来并将其应用到实际应用中去。turgay celik和zeki yetgin提出了一种统一灰度世界和灰边颜色恒常性的算法。gijsenij arjan等人提出了使用对光度的边缘进行本文档来自技高网...

【技术保护点】

1.一种基于正则化极限学习机的染色织物图像光照校正方法，其特征在于，该方法包括下列步骤：

2.如权利要求1所述的一种基于正则化极限学习机的染色织物图像光照校正方法，其特征在于，所述步骤1中，所述数据集是通过Gray-Edge算法的特征提取框架所获得的，

3.如权利要求1所述的一种基于正则化极限学习机的染色织物图像光照校正方法，其特征在于，步骤2中，所述通过WOA算法来优化得到SHO算法的初始种群的过程，包括：使用WOA算法从随机生成的种群中筛选得到SHO算法的初始种群。

4.如权利要求3所述的一种基于正则化极限学习机的染色织物图像光照校正方法，其特征在...

【技术特征摘要】

1.一种基于正则化极限学习机的染色织物图像光照校正方法，其特征在于，该方法包括下列步骤：

2.如权利要求1所述的一种基于正则化极限学习机的染色织物图像光照校正方法，其特征在于，所述步骤1中，所述数据集是通过gray-edge算法的特征提取框架所获得的，

3.如权利要求1所述的一种基于正则化极限学习机的染色织物图像光照校正方法，其特征在于，步骤2中，所述通过woa算法来优化得到sho算法...

【专利技术属性】
技术研发人员：周志宇，陈柳帆，
申请(专利权)人：浙江理工大学，
类型：发明
国别省市：