固定式摄像机颜色校正的方法和装置制造方法及图纸

技术编号:7935595 阅读:209 留言:0更新日期:2012-11-01 05:27
提供用于图像颜色校正的方法和装置。从固定式摄像机中获取的图像中的一种或多种颜色通过从获取于所述固定式摄像机的一个或多个先前图像中获取一个或多个历史背景模型;从获取于所述固定式摄像机的一个或多个当前图像中获取实时背景模型和实时前景模型;根据所述一个或多个历史背景模型产生参考图像;以及处理所述参考图像、所述实时背景模型和所述实时前景模型以产生所述图像中的一组经过颜色校正的前景物体来校正。所述一组经过颜色校正的前景物体可选地被处理以对至少一个前景物体的颜色进行分类。

【技术实现步骤摘要】

本专利技术一般地涉及数字视频监视、视频事件检索和视频处理,更具体地说,本专利技术涉及颜色校正技术。
技术介绍
监视系统通常可以预先警告安全人员潜在的危威和/或为调查危险情况提供便利。为了进行调查,安全人员必须主动搜索视频图像以找出相关人员或事件进行取证。事实上,有关人员或车辆外貌的信息经常限于一些缺乏唯一、可靠地辨识物体所需的持久性的特征。但在现实世界中,此类信息在整理搜索和帮助发现物体方面非常有用,尤其是与其他信息结合使用时。 当辨识人员身份时,此类特征通常被称为“辅助生物特征信息”(softbiometrics)。最重要的辅助生物特征信息之一是衣服颜色,因为它能容易观察和记住,并且可以从视频图像中提取。类似地,在辨识车辆时,颜色通常是唯一可行的提示。因此,对于许多监视应用来说,用户可通过颜色信息发现重要事件。例如,当对可疑活动报告进行跟踪调查(例如,查找具有特定样式、型号和颜色的涉事车辆)时,或者当执行零售监视(例如,将从商店拿走货品的顾客与其出门相关联)时,颜色信息可帮助辨识。辨识物体颜色极具挑战性,因为颜色不能保证恒常性。例如,当观察环境中物体的全景图像时,感知的(和真实的)物体颜色可能呈现为绿色。但是,当隔离出物体图像的一部分(例如,提取整个图像的不变的一部分)时,它的颜色可能实际由另一颜色的像素组成。例如,从整个图像提取的绿色像素在隔离提取的部分中可能呈现为灰色像素或蓝色像素。像素可能在全景中“呈现”为绿色是因为人们会无意识地发现场景中的颜色偏红,并正确地补偿以感知绿色-物体的真实反射率(reflectance)。类似地,人们会将不同日内时间或不同照明条件下来自同一摄像机的图像看成另一种颜色,并且由完全不同的颜色像素构成。因此需要改进的图像颜色校正方法和装置。
技术实现思路
一般地,提供了用于图像颜色校正的方法和装置。根据本专利技术的一个方面,从固定式摄像机中获取的图像中的一种或多种颜色通过以下步骤而被校正从获取于所述固定式摄像机的一个或多个先前图像中获取一个或多个历史背景模型;从获取于所述固定式摄像机的一个或多个当前图像中获取实时背景模型和实时前景模型;从所述一个或多个历史背景模型产生参考图像;以及处理所述参考图像、所述实时背景模型和所述实时前景模型以产生所述图像中的一组经过颜色校正的前景物体。所述一组经过颜色校正的前景物体可选地被处理以例如使用颜色量化分类方法或直方图颜色分类方法对至少一个前景物体的颜色进行分类。所述参考图像可以是显著最优地接近漫射白光照明(diffuse white lighting)下场景的历史背景模型的线性组合。所述参考图像可以显著地进行局部优化以补偿局部照明和阴影。在一个实施方式中,所述参考图像、所述实时背景模型和所述实时前景模型通过局部应用一种或多种颜色校正算法以显著地优化从所述参考图像到所述实时背景模型的映射来处理。例如,所述映射可应用于所述实时前景模型以获取图像中的一组经过颜色校正的前景物体。通过参考下面的详细描述和附图,可以更全面地理解本专利技术以及本专利技术进一步的特征和优点。附图说明图I是描述包含本专利技术特征的颜色校正过程的示例性实施方式的流程图;图2更详细地示出了图I中的参考图像计算; 图3更详细地示出图I中的颜色校正和颜色分类;以及图4示出可用于实现本专利技术的一个或多个方面和/或元件的计算机系统。具体实施例方式本专利技术提供改进的图像颜色校正方法和装置。根据本专利技术的一个方面,提供颜色适应(chromatic adaptation)算法,其根据认识到摄像机是固定式的并且背景模型可用而执行颜色校正。所公开的颜色适应算法补偿照明影响并恢复物体的真实反射率。颜色适应技术I.白斑法(white patch)根据Retinex算法,可使用三种不同的波段(实践中为红色、绿色、蓝色)独立地实现颜色恒常性。请参阅例如“The Retinex Theory of Color Vision”(Retinex色觉理论,发表于科学美国人,第237卷,第108-128页,再版于McCann,第III卷,第125-142页,1977年)。假设存在单一全局均匀光源,并且场景中存在将反射每种颜色的最大值的物体。这样,Retinex理论提出光源为(rmax,gmax,bmax),并且通过由该光源归一化每个像素,可实现颜色恒常性。此方法通常被称为白斑算法,因为假设图像中最亮的斑块为白色。2.灰色世界法(gray world)在灰色世界算法中,假设场景中的空间反射率平均值是无色的(achromatic)。在这种情况下,归一化基于均值比(μ '/ μ Ur> μ Cg/ μ \、μ Cb/ μ Ub),其中上标C和U分别表示标准的(canonical)和未知的光源。例如,灰色世界方法可以归一化以恢复与光源无关的反射率,然后量化为预定数量的颜色,以恢复具有特定颜色的物体。3.灰度边缘法(gray edge)灰度边缘方法已显示出对于复杂自然场景非常有用,并且还非常有效。请参阅例如J. van de Wei jer等人所著的“Edge-Based Color Constancy”(基于边缘的颜色恒常性,发表于IEEE Trans, on Image Processing,第9期,第16卷,2007年9月)。所述灰度边缘方法基于灰度边缘假设,其假设场景中的平均边缘差别是无色的。为进行灰度边缘颜色校正,按通道应用Sobel滤波器。使用如下所示的梯度幅度Vr|(/,7)| = \dr,x(^A+\dr,y(^AV s 1(/, y)| = g’x (/, y)| +1 ,,{u y)|Vb\(ij} = I 之』,y.)| +1 匕’加·)|来判定权重因子,以便更强调强边缘。计算边缘像素(ra、ga、ba)的加权平均值。然后通过以下公式缩放输入通道(A,pgu、、P的每个像素 r r s b' '、l,J,~~.U+S Sa+^ K+^ J在示例性实施方式中,ε = O. 128以防止归一化的r、g、b值当除以非常小的数时 超出色域。灰色世界和灰度边缘技术都需要表示均匀白光照明下的场景的标准图像。事实上,可能无法获得这样的图像。J. P. Renno等人所著的“Application and Evaluation ofColour Constancy in Visual Surveillance”(视觉监视中颜色恒常性的应用和评价,发表于在北京召开的第二届IEEE联合国际VS-PETS研讨会记录中,2005年10月15至16日,301-308)提出和测试了多种根据各种用来发现具有最大颜色范围的图像的度量来选择标准图像的方法。类似地,对于灰色世界方法和灰度边缘方法而言,准确的颜色校正依赖于相对于标准图像的图像内容。在实时视频中,场景内容将因为物体(人或车辆)移入前景而随时间发生变化。因此,重要的是根据背景模型的照明针对当前图像执行颜色适应。实际上,能采取的最佳措施是使用最新的背景模型。这些方法被认为“使用背景模型”。最后,强度归一化允许量化(特别是指量化为黑和白)适应于场景亮度和日内时间。强度归一化可以在颜色校正之前执行。根据每个通道的图像样本均值和方差归一化每个像素值。 /N r~MR V) °κ本文档来自技高网
...

【技术保护点】
一种用于校正从固定式摄像机中获取的图像中的一种或多种颜色的方法,包括:从获取于所述固定式摄像机的一个或多个先前图像中获取一个或多个历史背景模型;从获取于所述固定式摄像机的一个或多个当前图像中获取实时背景模型和实时前景模型;根据所述一个或多个历史背景模型产生参考图像;以及处理所述参考图像、所述实时背景模型和所述实时前景模型以产生所述图像中的一组经过颜色校正的前景物体。

【技术特征摘要】
...

【专利技术属性】
技术研发人员:L·M·布朗K·舍鲍姆R·S·费里斯S·U·潘坎蒂
申请(专利权)人:国际商业机器公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1