基于光照叠加的颜色恒常计算方法

颜色恒常性是人类视觉系统对外界视觉刺激中色彩感知的一种心理倾向,人类视觉的这种认知功能能够自适应地忽略外界光照变化,具有稳定的颜色感知能力.受到人类视觉系统对颜色感知的启发,针对如何有效消除外界光照对成像质量的影响,还原物理场景真实颜色并提供稳定的颜色特征这一问题,文中提出了一种基于光照叠加的颜色恒常计算方法,旨在有效消除外界光照的光谱成分变化对物体颜色的影响.首先,提出了MAX-MEAN方法对场景中的光照进行估计(简称MM估计),即通过场景中所有物体表面的平均反射和最大反射来估计场景中的光照;然后,基于MM估计提出了光照叠加的颜色恒常计算方法,得到最终的无色偏图像,并在公开的数据集SFU Gray-ball上包含11346幅室内室外场景图像进行仿真验证.实验结果表明,文中提出的光照叠加颜色恒常计算方法能够有效地估计光照信息并实现无色偏图像的计算.     

基于改进图像导数框架的颜色恒常性计算方法

在基于图像导数框架的颜色恒常性算法的基础上,进一步考虑边缘类型和颜色通道间的相关性对于光照色度估计的影响,提出一种基于改进图像导数框架的颜色恒常性计算方法。根据导数图像中像素的饱和度提出一种饱和度权值方案;基于光学特性对导数图像中的边缘进行分类,通过引入照度准不变量提出类型相关的边缘权值方案;将两种权值方案与图像导数框架相结合,并据此进行光照色度估计,利用von Kries对角变换对偏色图像进行校正。实验结果表明该算法有效提高了光照色度估计的准确性,改善了颜色恒常性算法的效果。     

深度残差学习下的光源颜色估计

目的 颜色恒常性通常指人类在任意光源条件下正确感知物体颜色的自适应能力,是实现识别、分割、3维视觉等高层任务的重要前提。对图像进行光源颜色估计是实现颜色恒常性计算的主要途径之一,现有光源颜色估计方法往往因局部场景的歧义颜色导致估计误差较大。为此,提出一种基于深度残差学习的光源颜色估计方法。方法 将输入图像均匀分块,根据局部图像块的光源颜色估计整幅图像的全局光源颜色。算法包括光源颜色估计和图像块选择两个残差网络：光源颜色估计网络通过较深的网络层次和残差结构提高光源颜色估计的准确性;图像块选择网络按照光源颜色估计误差对图像块进行分类,根据分类结果去除图像中误差较大的图像块,进一步提高全局光源颜色估计精度。此外,对输入图像进行对数色度预处理,可以降低图像亮度对光源颜色估计的影响,提高计算效率。结果 在NUS-8和重处理的ColorChecker数据集上的实验结果表明,本文方法的估计精度和稳健性较好;此外,在相同条件下,对数色度图像比原始图像的估计误差低10% 15%,图像块选择网络能够进一步使光源颜色估计网络的误差降低约5%。结论 在两组单光源数据集上的实验表明,本文方法的总体设计合理有效,算法精度和稳健性好,可应用于需要进行色彩校正的图像处理和计算机视觉等领域。     

基于LS-SVR融合算法的颜色恒常性研究

目标物的图像会因环境光源的不同而呈现不同的颜色值,为对图像中的内容进行准确研究,需将记录图像调整到标准光源下,这就是颜色恒常性研究.无监督恒常性算法具有运算量小且简单的优势,但受限于假设条件,为此提出采用图像的多特征进行融合研究来提高恒常性研究的通用性.采用基于结构风险最小化原则的LS-SVR算法来对5种基本算法提取图像的多特征进行融合,评估出环境光源的色度.以标准图像库中的图像作为研究对象,结果表明:在各种光照条件下,多特征融合的LS-SVR算法能取得比5种算法更小的误差,评估出来的场景光源更接近于实际光源,为目标场景的准确分析与识别提供了科学依据.     

场景语义引导下的改进灰度世界算法

色彩恒常性的实现中,灰度世界算法通常因自然图像间场景差异导致较弱的光源估计性能.针对上述问题,提出了一种以场景语义为引导的改进灰度世界算法.首先,使用灰度化图像计算稠密SIFT描述子以避免彩色图像偏色干扰,SIFT描述子集合由词袋模型进一步生成无序视觉词汇;其次,以视觉词汇对应像素平均亮度为权重,基于空间金字塔匹配算法构建金字塔结构的亮度加权词频直方图;然后,采用直方图交叉核函数计算图像间场景语义相似度,并依据该相似度检索与测试图像场景语义相似的候选图像集;最后,所有候选图像的像素统计分布在经孤立森林算法移除异常值后被用于自适应推断,并更新灰度世界算法的固定假设,改进后灰度世界算法通过光源估计实现色彩恒常性.在ColorChecker,Cube+和NUS共3类公开色彩恒常数据集中的实验结果表明,所提算法在单相机测试中的光源估计角度误差较同类型灰度世界改进算法下降接近20%,且可在跨相机测试中取得对比算法中最低的光源估计角度误差.     

亮度补偿变换矩阵的颜色恒常性算法

颜色恒常性是计算机视觉的重要研究方向,旨在准确识别目标的真实颜色而不受场景光源变化的影响。目前提出的多种颜色恒常性算法,使用传统的Von Kries 对角变换矩阵对图像的估计照明进行校正,对低照度和强光照射条件下采集到的图像处理效果比较差。根据图像形成的数学模型和光学原理提出了亮度补偿对角变换矩阵的颜色恒常计算方法,该方法对图像颜色校正的同时根据图像像素亮度变化对图像的亮度进行补偿。通过采用多种颜色恒常性算法进行实验验证,该方法能够有效地校正低照度和强光照射图像的颜色、对比度和亮度,从而增强了图像的视见度。     

泡沫图像统计建模与恒常颜色校正算法研究

由于浮选现场的恶劣环境和复杂光照等问题,将导致采集到的泡沫图像不可避免地发生色偏.为了消除以上不利影响,提高后续颜色特征提取的准确性,本文提出了一种基于图像统计建模的泡沫图像恒常颜色校正算法.首先,通过对泡沫图像统计特性的分析,利用Contourlet变换和广义高斯分布函数对图像进行统计建模.其次,选取颜色恒常性标准图像库(Gray-ball)中已知真实光照的标准图像作为训练样本,建立其统计模型参数集,分别选用常用的5种颜色恒常性算法对其进行颜色校正,并以最小角度误差为每幅标准图像标记最佳颜色恒常性算法.最后,利用K最近邻分类算法将待校正的泡沫图像分至对应的恒常算法中,该算法即为原始泡沫图像的最佳恒常颜色校正算法.实验结果证明,该算法能够获得较好的颜色校正效果.     

人造光照下的单幅雾天图像复原

当前基于单幅雾天图像复原算法的研究都是在光照充足的情形下（白天）,这种情形下的光照主要来自天空光。然而,对于在光照主要来自人造光（夜间）的雾天图像复原算法的研究屈指可数。因此提出了新的基于人造光照下的雾天成像模型,并同时考虑了不均匀的环境光和对图像的光照补偿。检测出光源位置,根据光源的发光特性求出环境光和光照补偿系数,利用提出的新模型求出清晰的图像,使用基于边缘颜色恒常性（EBCC）来对颜色进行校正。实验结果表明,该算法优于其他算法。     

一种新的基于颜色恒常性的肤色分割算法

为了解决不同光照条件下的肤色分割问题,提出了一种新颖并且行之有效的解决方法。该方法先应用颜色恒常性算法对图像光照进行估计,根据光照估计的结果,在YCbCr颜色空间采用不同分布的高斯肤色模型,并利用动态阈值对图像进行分割。试验结果证明了算法的可行性和优越性。     

基于颜色恒常性的低照度图像视见度增强

在彩色成像过程中,低照度是导致图像降质的一个重要因素. 本文提出了一种新的基于颜色恒常性的低照度图像视见度增强算法. 为了避免场景光源的影响,提出了像素有效集的概念. 基于灰色调算法的灰度像素假设,利用有效像素估计光 照的颜色;在后处理阶段,利用有效像素的灰度级范围确定直方图剪裁的上下限. 实验表明,算法有效地校正了图像 的颜色、对比度和亮度,从而增强了图像的视见度,且不会产生Retinex 算法所固有的灰化效应和Halo 效应.     

基于LP滤波和Retinex的光照补偿

针对彩色图像进行光照补偿后难以保持色彩恒常性的问题,提出一种基于Retinex和低通(LP)滤波的彩色图像光照补偿方法.将图像从RGB空间转换到HSV空间,保持H和S分量不变,对V分量使用LP滤波器V分量的高频成分H和低频成分VL,对VL采用Retinex算法进行光照补偿,利用VH和经光照补偿的VL及双重框架运算的LP...     

一种新颖的多视点图像规正算法

在多视点图像系统中,由于场景光照或相机标定的原因,通常会导致同一对象在不同视点位置颜色外表的不一致。传统的亮度补偿算法难以有效地解决这个问题。基于Retinex颜色恒常性理论,提出了一种新颖的多视点图像规正算法,通过直方图均衡化、Retinex处理和颜色恢复手段,提取出反映物体本质特征的反射光系数来消除不一致光照的影响,在增强单视点图像对比度的同时,将视点间图像的颜色规正到一致的水平。     

最大差值图决策的低照度图像自适应增强算法

应用于光照分布不均的低照度图像,传统的图像增强算法会出现色彩失真、亮区过度增强等问题,因此提出一种最大差值图决策的低照度图像自适应增强算法。首先,提出最大差值图的概念,通过最大差值图粗略估计出初始光照分量;然后,提出交替引导滤波的算法,利用交替引导滤波对初始光照分量进行校正,实现光照分量的准确估计;最后,设计了图像亮度自适应的伽马变换,能够根据获取的光照分量自适应调整伽马变换参数,从而在增强图像的同时消除光照不均带来的影响。实验结果表明,增强后的图像有效消除了光照分布不均带来的影响,图像亮度、对比度、细节表现能力和色彩保真度都得到了明显提升,平均梯度提升了1倍以上,信息熵提升了14%以上。由于提出的算法对光照分量估计准确,自适应伽马变换针对低照度图像进行了优化,因此,对于夜间等弱光源条件下的彩色图像具有十分有效的增强效果。     

基于细节特征融合的低照度全景图像增强

为了提高低照度条件下采集的全景图像的视觉效果,提出一种基于细节特征加权融合的低照度全景图像增强算法.首先,利用双边滤波算法提取出图像的光照分量,并分别采用自适应伽马校正和对比度受限的自适应直方图均衡化算法对光照分量进行处理;然后,与原始光照信息进行加权融合得到校正后的光照分量,并在反射分量调整时,提出一种自适应调整函数来校正反射信息;最后,将光照分量与反射分量合并,以实现对低照度全景图像的增强.实验结果表明,所提出的算法在提高图像亮度的同时,可以增强图像细节信息,去除噪声,使增强后图像色彩信息更加丰富自然.     

光照色调颜色恒常性算法研究

提出了一种新的适合于实时处理视频图像颜色识别的光照色调颜色恒常性算法。该算法主要解决在视频颜色识别中，由于近点光源的发散作用和在复杂背景影响下所造成的目标对象在图像局部各点上的颜色识别问题。在彩色感知的光学原理和数学模型基础上推导出了光照校正算法，并利用色调校正实现颜色恒常性。通过试验分析评估了各种识别算法，如光照校正、色调校正、光照色调校正、以及线性回归算法对颜色的校正效果，最后将测得的颜色差值和色调差值进行对比，证明了本算法对点光源散射作用引起的光照变化具有良好的校正作用，并证明了其算法理论推导的合理性。该算法的运算复杂度为O(n)，因而适合于视频的实时处理。     

Color constancy for visual compensation of projector displayed image

The color of a displayed image by a projector can be distorted by features of the device, the ambient light, the projection screen, and also the observer. This has raised the need to correct the image during the display to eliminate these effects and to ensure a constancy of the color appearances. In this paper, we propose models for controlling the appearance of the displayed image. We argue that depending on the target application, the computational color constancy can be specified at different steps of the formation scheme of the sensed image by a human. Based on that observation and the image formation models, we reformulate the problem of the color constancy and we show that the resulting transformations cannot be explained by von Kries theory. Two compensation algorithms are deduced. The first allows preserving the appearance of the original image, and it can be used for the constancy of the acquired image whatever the environment conditions. The second algorithm allows to simulate appearances of a sensed image in a specific conditions. It can be used for the compensation of the screen reflectance or to create special effects or the camouflage. In addition, we propose a complementary operation for the contrast compensation which is derived from the Weber’s law. Experimental results show the merits of the proposed models and algorithms.     

图像引导滤波的局部多尺度Retinex算法

Retinex算法是一种用于消除由光照变化给图像所带来的负面影响的图像增强算法。该算法的求解通常需要基于入射分量分段光滑的假设,利用正则化的方法迭代求解,计算效率低。文中基于一项最近提出的研究——"图像引导滤波",提出一种非迭代的Retinex算法框架。基于反射分量也满足分段光滑的假设,采用两次图像引导滤波克服了图像噪声所带来的影响。然后在基于小波变换域图像融合策略的基础上,提出基于图像引导滤波的多尺度Retinex算法,实现图像细节增强与颜色保真之间的平衡。实验结果表明,与各种算法相比,该算法在克服噪声、细节增强和颜色保真方面能够取得更好的效果。