一种基于消色差先验引导的无监督颜色恒常方法技术

本发明专利技术公开了一种基于消色差先验引导的无监督颜色恒常方法，涉及图像处理领域，包括：设计U型编解码颜色恒常网络模型，将网络公开大型无光源标签数据集作为训练集，输入网络模型进行训练；设计空间注意力机制，加入模型进一步提升性能；设计无监督训练方法，训练过程不依赖场景中光源实际颜色的知识，训练网络检测彩色图像转换成灰度或者梯度后的消色差像素，并根据损失函数梯度调整网络参数，直到最大迭代次数，输出网络模型；将带有真实光源标签的测试集图像输入训练好的网络模型，输出颜色校正的图像。经本发明专利技术改进后的网络模型在图像光源估计与真值的误差、图像的视觉效果和设备的兼容性得到了明显提升。

【技术实现步骤摘要】

本专利技术属于图像处理，具体为一种基于消色差先验引导的无监督颜色恒常方法。

技术介绍

1、物体的颜色属性,是人眼感知世界中重要的组成部分。物体的颜色在不同光源下会发生改变,但是人眼能够在不同光源条件下保持对物体颜色感知恒定，此特性被称作人眼的颜色恒常性。与人眼不同,在成像设备采集的数字图像中，光源会导致图像中的物体颜色发生变化，这些颜色变化会影响图像下游任务如图像理解、图像分割等算法的性能。在实际应用中，拍摄的图像往往会受到多种条件如环境、灯光、天气的影响,图像的成像质量也因此降低，需要采用图像处理算法尽可能消除数字图像中场景光源的影响,将图像中物体的颜色还原到标准光源下，这类还原图像物体颜色的方法统称为颜色恒常性算法。

2、颜色恒常性算法通常分为两类,一类是基于统计的算法，一类是基于学习的算法。统计算法具有无监督的特性,通过分析图像中的颜色统计规律，寻找图像中的灰色像素，进行光源估计,无需对数据进行标注。例如基于retinex理论的white patch、max rgb和greyworld算法。这些算法易于理解计算且相对简单，但是对图像场景条本文档来自技高网...

【技术保护点】

1.一种基于消色差先验引导的无监督颜色恒常方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于消色差先验引导的无监督颜色恒常方法，其特征在于，步骤1中构建空间通道注意力机制模块S包括以下步骤：

3.根据权利要求1所述的基于消色差先验引导的无监督颜色恒常方法，其特征在于，所述图像光源估计网络S-SqueezeUnet包括输入层、隐藏层、输出层，所述输入层用于输入原始图像，所述隐藏层用于对输入图像进行卷积计算及反卷积计算，所述输出层用于输出光照估计；所述隐藏层采用由4对编码层和译码层构成的编码器-译码器结构，具体包括编码层1～4以及译码层1～4，各层的处理过...

【技术特征摘要】

1.一种基于消色差先验引导的无监督颜色恒常方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于消色差先验引导的无监督颜色恒常方法，其特征在于，步骤1中构建空间通道注意力机制模块s包括以下步骤：

3.根据权利要求1所述的基于消色差先验引导的无监督颜色恒常方法，其特征在于，所述图像光源估计网络s-squeezeunet包括输入层、隐藏层、输出层，所述输入层用于输入原始图像，所述隐藏层用于对输入图像进行卷积计算及反卷积计算，所述输出层用于输出光照估计；所述隐藏层采用由4对编码层和译码层构成的编码器-译码器结构，具体包括编码层1～4以及译码层1～4，各...

【专利技术属性】
技术研发人员：万敏杰，佘梦云，顾国华，陈钱，贺晴，钱惟贤，王佳节，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：