[发明专利]颜色恒常性的多假设分类

说明书

一种用于估计源图像的场景照明颜色的设备，所述设备用于：确定一组候选光源，并且针对每个所述候选光源，确定所述源图像的相应校正；针对每个所述候选光源，对所述源图像应用所述相应校正，以形成相应的一组校正图像；针对所述一组校正图像中的每个校正图像，实施训练数据驱动模型以估计所述相应校正图像的相应非彩色概率；以及基于对所述一组校正图像的所述估计的非彩色概率，获得所述源图像的所述场景照明颜色的最终估计。这种方法可以评估多个候选照明以确定所述场景照明颜色的估计，这可以在校正场景照明时提高图像质量，从而在目标图像中实现自然图像外观。

技术领域

本发明涉及为了对数字图像执行自动白平衡(Auto White Balancing，AWB)而准确地估计场景照明颜色。

背景技术

数码相机拍摄的图像的颜色受场景中主要光源颜色的影响。考虑场景光源的影响并生成规范外观的图像(就像在非彩色光源下拍摄的图像一样)是数字摄影管道的重要组成部分。这个问题称为颜色恒常性，因为对于人类观察者来说，尽管物体被不同的光源照射，但物体的颜色通常看起来是不变的。实现这种效果的计算方法称为自动白平衡(AutoWhite Balancing，AWB)。

AWB的问题变成以下问题：估计场景的照明颜色，并调整图像的颜色以使其看似就像在非彩色(白色)光源下拍摄的图像。

三色光敏传感器响应以标准方式建模，使得：

ρ_k(X)＝∫_ΩE(λ)S(λ,X)R_k(λ)dλk∈{R,G,B}        (1)

其中ρ_k(X)是像素位置X处的颜色通道k的强度，λ是光的波长，使得：E(λ)表示光源的光谱，S(λ,X)是像素位置X处的表面反射率，R_k(λ)是通道k的相机光谱灵敏度(cameraspectral sensitivity，CSS)，考虑了可见波长Ω的光谱。

然后计算颜色恒常性的目标变成估计全局照明颜色其中：

由于在每个像素X处产生相同图像值的光源颜色和表面反射率的组合非常多，因此为方程(2)中的每个k找到是不适定的。

例如，如果在图像中呈现黄褐色布像素，则可以将其分解并解释为在黄色光源下照射的白色布对象或在白色光源下照射的黄色布对象。在现实环境下，大量此类光源颜色和物体表面的组合可导致同样的像素测量观察结果。

过去对图像光源颜色估计的研究大致可分为基于统计的方法(其采用经典的数字图像统计汇总方法)和基于学习的方法(对未知场景光源进行估计)。

当代基于学习的回归方法经过优化，可以学习所考虑的特定目标任务的图像特征，对于光源估计，这构成了学习从输入图像直接到全局场景照明颜色的映射。就推理准确度而言，卷积神经网络式模型目前可以被认为是场景光源估计的最新技术。

然而，典型的回归式卷积方法会导致将输入图像仅映射到学习模型的目标空间中的单一颜色。即使在拍摄时现实环境中是全局场景光源的假设合理成立的情况下，根据定义，此类推理也必须折叠为光源颜色空间中的单点估计。因此，如果多个场景照明颜色可以合理地解释图像中记录的像素观察结果，则标准回归方法将无法识别或解释这一点。

此外，在标准回归方法中，没有提供关于所做出的特定光源推理的置信度的标志或指示。这是有问题的，因为在许多领域中，能够指示和推理其自身推理确定性的计算方法可以被认为具有很高的实用性。