[发明专利]一种基于图像导数结构的颜色恒常性计算方法及系统

权利要求书

1.一种基于图像导数结构的颜色恒常性计算方法，其特征是，包括以下步 骤：

步骤1计算出图像的一阶导数图像和二阶导数图像，并用原始图像、一阶导 数图像和二阶导数图像的色度特征来构建图像的特征向量，以便进行图像的颜 色恒常性计算；

步骤2分别统计出原始图像，一阶导数图像和二阶导数图像的二值化色度直 方图，并通过逻辑或操作将这3个色度直方图进行融合，从而构成一个融合各阶 图像导数结构特征的色度直方图；

步骤3统计出训练图像集中所有图像融合的色度直方图特征向量，将其作为 神经网络的输入向量，将每幅训练图像对应的光照色度构成神经网络的输出向 量；

步骤4利用三重交叉验证的方法为神经网络设定隐藏层神经元个数，并利用 步骤3中得到的输入输出向量对神经网络进行训练；

步骤5对于测试图像，首先计算出其融合的色度直方图特征向量，并输入 到训练好的神经网络中，得到输出的光照色度；通过对角模型，对测试图像进 行光照校正，以得到白光下的图像颜色。

2.根据权利要求1所述的基于图像导数结构的颜色恒常性计算方法，其特 征是，步骤3中所述神经网络是基于极限学习机的神经网络学习算法，其用来进 行图像光照色度的预测。

3.一种基于图像导数结构的颜色恒常性计算系统，其特征在于，包括：

图像特征提取模块，其基于图像导数结构进行图像特征提取，提出色度直 方图特征向量；

神经网络训练和学习模块，其以图像特征提取模块所提取的色度直方图特 征向量作为神经网络训练模块的输入向量，利用三重交叉验证方法为神经网络 设定隐藏层神经元个数，并用神经网络进行训练，将每幅训练图像对应的光照 色度构成神经网络的输出向量输出；而对于待测试图像，首先计算出其融合的 色度直方图特征向量，将其输入到训练好的神经网络中，得到输出的光照色度； 以及，

图像光照估计模块，其利用训练好的神经网络来估计测试图像的光照色度， 通过对角模型对测试图像进行光照校正，以得到白光下的图像颜色。

4.根据权利要求3的所述基于图像导数结构的颜色恒常性计算系统，其特 征在于，所述图像导数结构是指原始图像的一阶导数图像和二阶导数图像。

5.根据权利要求3的所述基于图像导数结构的颜色恒常性计算系统，其特 征在于，所述图像特征提取是指，应用原始图像、一阶导数图像和二阶导数图 像的色度特征来构建图像的特征向量。

6.根据权利要求5的所述基于图像导数结构的颜色恒常性计算系统，其特 征在于，所述构建包括：首先，计算出图像的一阶导数图像和二阶导数图像； 其次，分别统计出原始图像，一阶导数图像和二阶导数图像的二值化的色度直 方图，并通过逻辑或操作将这3个色度直方图进行融合，从而构成一个融合各 阶图像导数结构特征的色度直方图；最后，统计出训练图像集中所有图像融合 的色度直方图特征向量，将其作为神经网络的输入向量。

7.根据权利要求3的所述基于图像导数结构的颜色恒常性计算系统，其特 征在于，所述神经网络训练和学习模块采用的神经网络是基于极限学习机的神 经网络训练和学习模块。