结合深度卷积神经网络的智能白平衡研究

摘要

白平衡是带摄像头电子产品的必备功能,传统的白平衡算法对输入图片进行无区分性的处理,严重降低了处理效率和图片质量。本文结合深度卷积神经网络在传统白平衡方法中引入智能分类器,判断输入图片是否带有色偏,只针对色偏图片进行白平衡。本文的研究内容及学术贡献包括:(1)首次提出了先判断再处理的智能白平衡思想,仅对色偏图片进行针对性处理,而对正常图片直接输出;(2)应用提出的三随机数方法构建了一套有效的色偏图片分类训练集和测试集,训练集包括34250张图片,其中色偏图片的生成具有极强的随机性;(3)通过学习率衰减和交叉熵损失函数,对开源的VGG16网络模型进行优化,训练得到了一个收敛快、精度高的色偏图片二分类器。实验结果表明,识别正常图片和色偏图片的准确率分别为0.89和0.92。将该分类器与直方图平移方法结合,实现了智能白平衡。本文将人工智能引入到传统白平衡,实现了智能化图像处理,提高了处理效率和图片质量。