[发明专利]一种Grey Edge参数主动优化的稀土溶液颜色矫正方法

权利要求书

1.一种Grey Edge参数主动优化的稀土溶液颜色矫正方法，其特征在于，首先采用GreyEdge颜色恒常性算法，在该算法下加入区域划分参数，引用区域选择准则，对区域进行选取，来克服大块的单一颜色区域会使得到的场景光照偏向于该单一颜色的问题；其次针对不同的光照条件和稀土溶液级数导致其最优光照估计算法参数不一致，难以实现算法参数的自适应优化，采用基于变异的粒子群算法优化Grey Edge算法参数和区域划分参数，减小通过对角模型矫正后图像指定区域和标准图像指定区域之间的误差，实现较优的稀土溶液颜色矫正效果；所述Grey Edge颜色恒常性算法中加入区域划分参数，引用区域选择准则，对区域进行选取，区域选取步骤如下所述：

A1：将待矫正的图像根据参数N，划分成N×N个区域.，当N＝1时，表示图像不进行区域划分，由于图像的宽度和高度不一定是N的整数倍，因此在实际分块时，可能要舍弃图像的一些边缘像素；

A2：对于每个区域N_i,j，计算该区域RGB三通道的平均值和标准差(SR_i,j,SG_i,j,SB_i,j)；

A3：对于每个区域N_i,j，由式(1)计算其相关性系数；

A4：对于每个区域N_i,j，由式(2)设置标识F_i,j；

式中φ为预设的阈值，F_i,j＝1时表示区域被选中，否则为舍弃。

2.根据权利要求1所述的Grey Edge参数主动优化的稀土溶液颜色矫正方法，其特征在于，所述采用基于变异的粒子群算法优化Grey Edge算法参数和区域划分参数的方法为：

颜色恒常性理论中，光照估计一般分为两个步骤：首先估计出图像场景中的光照颜色，然后利用对角模型将图像矫正到标准光源下，采用角度误差作为图像矫正评价指标，即保证矫正后图像与标准图像的角度误差最小，如式(3)所示；由式(4)可知，矫正前颜色f^u＝(R_u,G_u,B_u)已知，则只需估计出待矫正图像中的未知光源e^u＝[R^u,G^u,B^u]和标准图像中的标准光源e^a＝[R^a,G^a,B^a]，即可得出矫正后颜色f^c＝(R_c,G_c,B_c)；由于光源估计中有Grey Edge算法参数n,p,σ，如式(5)；其中f(X)为图像X点处的RGB值，由于加入区域选取准则，f(X)与区域划分参数N有关；因此，基于光照估计的图像矫正问题，就转化为一个包含n,p,σ,N四个参数的优化问题，其公式如下：

0≤n≤2 (6)

1≤p≤20 (7)

1≤σ≤7 (8)

1≤N≤64 (9)

引用基于变异的粒子群算法优化上述四个参数，PSO是一种迭代的优化算法，每个粒子都代表问题的一个潜在解，每个粒子都有一个由适应度函数决定的适应度值，粒子的速度决定了粒子移动的方向和距离，速度随自身及其他粒子的移动进行动态调整，从而实现个体在可解空间的寻优；

粒子速度和位置更新公式可分别表述为式(10)和式(11)；

V_ij(t+1)＝wV_ij(t)+c₁r₁(L_ij(t)-X_ij(t))+c₂r₂(G_j(t)-X_ij(t)) (10)

X_ij(t+1)＝X_ij(t)+V_ij(t+1) (11)

其中：ω是惯性因子，c₁和c₂为学习因子,r₁和r₂为(0,1)间服从均匀分布的随机数；

结合区域划分参数N和Grey Edge算法，令任意的粒子位置P_i＝(n_i,p_i,σ_i,N_i)，同时对粒子P的每一维进行范围限制，n∈[0,2],p∈[1,20],σ∈[1,7],N∈[1,64]，粒子P的初始位置为上述范围中的整数，同时，迭代后粒子P_i每个维度都为通过式(11)计算并取整后的数；

为了避免粒子的高度聚集使得种群陷入局部最优，引用动态变异算子，扩大搜索空间，增强算法跳出局部最优的能力，动态变异算子分别用式(12)、(13)和(14)表示；

其中，d_j为寻优区间的第j维长度，D(G(t)-X_i(t))表示第i个粒子和全局最优位置G(t)之间的欧式距离，size为粒子数，ρ是服从高斯分布的随机数，η是服从柯西分布的随机数。

3.根据权利要求1所述的Grey Edge参数主动优化的稀土溶液颜色矫正方法，其特征在于，Grey Edge参数主动优化的稀土溶液图像颜色矫正方法步骤如下：

C1：初始化一定数量的粒子P₀,P₁,...,P_n；

C2：根据每个粒子P_i中的参数N_i，将未知光源下的图像分成N_i×N_i个区域；

C3：根据区域选择准则，确定有效区域，在每个区域中，利用式(5)，采用n_i,p_i,σ_i参数，估计出场景光源，将所有有效区域估计出的光照估计值取平均，得到整幅图像的光照估计值；

C4：采用对角模型式(4)，将图像矫正到标准光源下，根据式(3)，计算矫正后图像和标准光源下图像之间的角度误差，根据角度误差大小，判断粒子位置的优劣，更新个体极值P_best和群体极值G_best；

C5：若没有达到粒子最大进化代数，则利用式(12)和(13)对适应度差的各3个粒子进行随机的变异，将其余的粒子按式(10)和(11)更新速度和位置，返回步骤C2，否则算法结束，得出当前的全局最优粒子位置和适应度值，即n,p,σ,N4个参数的当前最优组合和最小角度误差。