[发明专利]一种多光源图像颜色恒常性计算方法

说明书

本发明提供了一种解决多光源图像颜色恒常性计算问题的方法。该方法的特征在于，通过对一幅在多光源条件下捕获的彩色图像采取网格划分的方法把该图像划分成若干个子区域，然后采用特定的颜色恒常性算法对每个子区域进行光源估算，再把所有子区域的光照估算值进行聚类分析，利用矫正模型把采集的多光源图像矫正到标准光源下，解决颜色恒常性的计算问题。该方法能够将多光源条件下图像颜色的恒常性计算问题转化为较为简易的单光源图像的颜色恒常性计算问题，可用于颜色科学、机器视觉、图像处理和图像理解等领域。

技术领域

本发明涉及一种多光源图像颜色恒常性计算方法，隶属于颜色科学领域范畴，可应用于颜色科学、机器视觉、图像处理和图像理解等领域。

背景技术

当照射物体表面的颜色光发生改变时，人们对该物体表面的颜色知觉仍然保持不变的知觉特性称之为颜色恒常性，属于知觉恒常性的一种类型。在计算机视觉领域有比较广泛的应用，比如基于颜色特征的物体识别、图像检索、图像分类以及人工智能等领域，尤其是随着现在科学技术的发展，在人工智能应用方面也越来越多。颜色恒常性主要分为单光源颜色恒常性和多光源颜色恒常性。目前，针对单光源的颜色恒常性算法较多，主要有灰度世界算法、白片假设算法、灰色阴影算法、灰度边缘算法以及二阶灰度边缘算法。对于一幅未知光源的图像，场景光源和物体的反射率均是未知的，因此目前所有的颜色恒常性算法都是基于一定的假设条件提出的。颜色恒常性计算的核心问题就是如何能够精确无误的估计一幅未知的图像的光源颜色值，然后再利用矫正模型矫正到标准光源下，实现颜色恒常性。

相比单光源颜色恒常性计算，多光源颜色恒常性计算更为复杂，影响因素更多，所以研究相对较少。目前，多光源颜色恒常性算法主要有Kawakami等人提出的室外场景下纹理目标物体的颜色恒常性计算算法，Ebner提出的基于局部空间平均颜色的多光源颜色恒常性计算算法；这些算法对场景光源和相机的假设在现实条件下是很难满足的，这大大限制了算法的适用性。基于矩形网格划分的多光源颜色恒常性计算方法，通过对一幅多光源图像采取矩形网格划分成若干个色块，划分后的每个色块近似于光源光谱分布均匀，可以将复杂的多光源颜色恒常性计算转化为简易的单光源颜色恒常性计算。该方法无需对场景光源做出假设限制，无需先验知识，也不需要庞大的数据集作为训练。

发明内容

本发明的目的是在于解决多光源照明条件下所捕获图像的颜色恒常性计算恢复问题，提供了一个解决多光源图像颜色恒常性计算的方法。

为了实现上述目的，本发明采用如下技术方案：

一种多光源图像颜色恒常性计算方法，该方法的特征在于：采取网格划分的方法，将一幅多光源图像划分为若干个子区域，每个子区域的照明光源具有均匀的光谱分布特性，再对每个子区域采用特定的颜色恒常性算法进行处理，从而将复杂的多光源图像的颜色恒常性计算问题转化为了单光源图像的颜色恒常性计算问题；所述的网格划分为正方形的网格划分；所述的特定的颜色恒常性算法为灰度世界算法(Grey-world)、白片假设算法(White-Patch)、灰色阴影算法(Shades of Grey)、灰度边缘算法(Grey-Edge)和二阶灰度边缘算法(2nd Grey-Edge)。

所述的灰度世界算法、白片假设算法、灰色阴影算法、灰度边缘算法和二阶灰度边缘算法所使用的网格划分尺寸依次是22像素×22像素、11像素×11像素、16像素×16像素、17像素×17像素和4像素×4像素。

所述的技术方案的实现步骤为：本发明的目的是通过如下措施来达到的：首先输入一幅多光源图像，然后设置矩形网格的大小，对图像进行区域划分，再对获得的每个子区域进行图像的颜色恒常性计算。可采用的网格划分核心代码为：