[发明专利]一种基于视网膜生理机制的多光源颜色恒常方法在审
申请号: | 201810360434.0 | 申请日: | 2018-04-20 |
公开(公告)号: | CN108596986A | 公开(公告)日: | 2018-09-28 |
发明(设计)人: | 高绍兵;肖杨;南颖;唐华锦;燕锐 | 申请(专利权)人: | 四川大学 |
主分类号: | G06T7/90 | 分类号: | G06T7/90;G06T5/00;G06K9/62 |
代理公司: | 成都虹盛汇泉专利代理有限公司 51268 | 代理人: | 王伟 |
地址: | 610065 四川*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 多光源 颜色恒常 光源 视网膜 颜色恒常算法 高亮度区域 光源估计 生理机制 生物机制 实时处理 训练样本 非均匀 计算量 图像 研究 | ||
1.一种基于视网膜生物机制的多光源颜色恒常方法,其特征在于,包括:
S1、通过平滑算法得到初步光源结果;
S2、采用k-均值算法对步骤S1得到的初步光源结果进行基于亮度的分类,得到亮区域与暗区域;
S3、将S2得到的亮区域用模板滤波器进行滤波,初步得到亮区域的光源;
S4、通过将不同层次的亮区域的光源扩展加权得到暗区域的光源;
S5、通过合成亮区域的光源与暗区域光源,得到整个图像的光源图;
S6、对暗区域的光源进行平滑处理以及对步骤S5得到的整个图像的光源图进行集中处理;
S7、消除光源颜色,实现颜色恒常。
2.根据权利要求1所述的一种基于视网膜生物机制的多光源颜色恒常方法,其特征在于,所述步骤S1的计算式为:
其中,I(x,y)表示初步的光源结果,f(x,y)表示原始图像中的点,表示卷积运算,RF(x,y,σ,k)表示模拟ON型感受野神经元模型,x表示f(x,y)的横坐标,y表示f(x,y)的纵坐标,σ表示中心感受野尺度的大小,k为控制卷积模板形状的参数。
3.根据权利要求2所述的一种基于视网膜生物机制的多光源颜色恒常方法,其特征在于,RF(x,y,σ,k)的表达式为:
其中,λ表示中心-外周感受野的比值。
4.根据权利要求3所述的一种基于视网膜生物机制的多光源颜色恒常方法,其特征在于,所述步骤S4计算式为:
其中,ID为暗区域的光源,t表示当前层次亮区域的光源的亮度级别,It表示当前层次亮区域的光源,pt表示当前层次亮区域的光源的权值。
5.根据权利要求4所述的一种基于视网膜生物机制的多光源颜色恒常方法,其特征在于,各层次亮区域的光源计算式为:
其中,I(j+1)表示第j+1层亮区域的光源图像,I(j)表示第j层亮区域的光源图像,kernel表示n*n的全1模板滤波器,kernel的行数与列数相同均为n,sign(·)表示符号函数,sign(·)取值为0或1;初始迭代时I(0)=Ilight,Ilight表示亮区域估计光源的结果。
6.根据权利要求5所述的一种基于视网膜生物机制的多光源颜色恒常方法,其特征在于,所述pt为基于亮度值的一个线性或者非线性函数或者基于类别大小的一个线性或者非线性递增函数。
7.根据权利要求6所述的一种基于视网膜生物机制的多光源颜色恒常方法,其特征在于,步骤S6所述对暗区域的光源进行平滑处理,计算式为:
其中,Is表示当前估计的暗区域的光源图像,Id为平滑后的暗区域的光源图像,kernel表示n*n的全1模板,kernel的行数与列数相同均为n,sign(·)表示符号函数。
8.根据权利要求7所述的一种基于视网膜生物机制的多光源颜色恒常方法,其特征在于,步骤S6所述对步骤S5得到的整个图像的光源图进行集中处理,计算式为:
其中,Iδ(x)表示当前估计出的整个图像的光源图,Iδ′(x)表示归一化的整个图像的光源图,IR(x)表示整个图像的红色分量,IG(x)表示整个图像的绿色分量,IB(x)表示整个图像的黄色分量。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于四川大学,未经四川大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810360434.0/1.html,转载请声明来源钻瓜专利网。