[发明专利]一种采用神经网络直接校正RGB值的图像颜色校正方法

权利要求书

1.一种采用神经网络直接校正RGB值的图像颜色校正方法，其特征在于，步骤如下：

步骤一、建立基于神经网络算法的图像RGB颜色校正模型，直接将相机拍摄的图像RGB值校准至的标准的RGB颜色空间；

步骤二、训练上述神经网络RGB颜色校正模型的参数；

步骤三、校正新图像的RGB值：将相机拍摄的图像的RGB值作为步骤一中神经网络的输入，在神经网络的输出端即可得到颜色校正后的图像RGB值。

2.根据权利要求1所述的一种采用神经网络直接校正RGB值的图像颜色校正方法，其特征在于，所述的步骤一具体为：

建立的基于神经网络算法的图像颜色校正模型，包括输入层、输出层和隐含层；所述的神经网络隐含层的神经元数量为n₁，输入变量和输出变量均为3×1向量，分别表示颜色校正前后的颜色RGB值；参数ω₁是n₁×3矩阵，表示输入层与隐含层之间的权重；参数b₁是n₁×1向量，表示输入层与隐含层之间的偏差；参数ω₂是3×n₁矩阵，表示隐含层与输出层之间的权重，参数b₂是3×1向量，表示隐含层与输出层之间的偏差；隐含层采用对数S型传递函数，输出层采用线性传递函数；神经网络的输入变量是相机拍摄的颜色的RGB三个分量值：R_M,G_M,B_M；输出变量是经过神经网络校正的颜色的RGB分量值：R_O,G_O,B_O。

3.根据权利要求1所述的一种采用神经网络直接校正RGB值的图像颜色校正方法，其特征在于，所述的步骤二具体为：

2.1，拍摄颜色校准卡：将颜色校准卡置于需要测量颜色的位置，采用相机对其拍照，得到相机拍摄的颜色校准卡中的每个彩色色块的RGB值；

2.2，训练神经网络参数：对相机测量得到的颜色校准卡的彩色色块的RGB值进行归一化处理，作为神经网络的输入，对颜色校准卡的彩色色块的实际RGB值进行归一化处理，作为神经网络的期望输出值，以实际输出和期望输出的误差的平方和最小为目标，应用梯度算法训练神经网络的参数，即神经网络的权重和偏差；

2.3，检验神经网络参数的训练效果：计算经过神经网络校正之后数码相机测量的每个纯彩色色块的RGB值相对于实际值的误差，统计出误差的均值和均方差；计算经过神经网络校正之后相机测量的每个纯彩色色块的颜色色调Hue值相对于实际值的误差，统计出误差的均值和均方差；

从图像颜色的RGB值计算颜色的Hue值的方法如下：

其中，H表示颜色的Hue值，R、G、B分别为颜色的RGB值的红、绿、蓝分量，θ为参数。

4.根据权利要求3所述的一种采用神经网络直接校正RGB值的图像颜色校正方法，其特征在于，所述的步骤二中网络参数的训练算法具体为：将输入和期望输出的颜色RGB值归一化至区间[-1,1]，按照误差反向传播原理，采用负梯度法优化网络参数，使得实际输出和期望输出的误差的平方和最小化。