颜色恒常性

摘要： 颜色恒常性是人类特有的一种心理感知现象,为充分考虑人类在观察外界事物时的心理情绪感知和意识对图像物体或者对象语义的理解,本研究首先基于深度学习模型(Mask-RCNN)对图像内容中的对象类别进行语义分割,构建一个根据对象语义主题划分的图像分类集,在此基础上对经典灰度世界(GW)算法进行改进,将图像对象语义分类集的RGB三通道平均值,作为图像全局光照颜色估计结果,并与GW、WP、SoG和GE四种经典算法的性能进行对比。实验结果表明,本研究算法的还原角度误差的中值误差和均值误差均有明显降低,说明其具有更好的光照颜色估计效果。

摘要： 给定物体三刺激值,重建物体反射率在跨媒体颜色复制领域有着重要应用。常见的重建反射率算法包括基向量法、维纳估计法、加权伪逆方法等,这些方法大多都是为了建立由低维度三刺激值或者RGB向高维度光谱反射率的映射关系,以重建的反射率与原始反射率的接近程度为评价指标,并且需要光谱反射率数据进行训练。但是很多工业领域在产品设计时都需要考虑到颜色恒常性(CⅡ)问题,以保证产品颜色在不同光照条件下具有相近的颜色表现。光谱反射率是决定物体颜色恒常的重要属性,为解决重建反射率进行颜色复现后产生颜色恒常性问题,Takahama和Nyatani提出具有颜色恒常性的线性规划光谱反射率重建方法,测试结果发现该方法重建的反射率呈现出类似“台阶”的形状,与实际物体色反射率差别太大。之后,Berns等在Takahama和Nyatani算法基础上,增加了色相角等约束,但重建出的反射率波动太大。Li和Luo提出具有光滑约束的二次规划颜色恒常性重建反射率算法,重建的反射率具有光滑性,比较接近实际物体色的反射率。提出一种非线性约束优化方法重建物体反射率,使之具有良好的颜色恒常性和光滑性。文中使用标准Munsell色卡中1 560个色块测量的反射率数据集对新算法进行测试,并与其他方法进行比较。结果表明,该方法不仅在重建反射率的颜色恒常性指标上远比Takahama和Nyatani方法,Berns等的方法以及Li和Luo的方法要好,而且重建反射率与原始反射率接近程度指标:均方根误差(RMSE)和拟合优度系数(GFC)也好于其他方法。因此该新方法对重建反射率时具有颜色恒常性要求的行业有着重要的应用价值。

摘要： 针对视频白平衡中产生的画面颜色不稳定问题,提出了基于帧间一致光源颜色估计的视频白平衡方法。首先利用同一消色差物体表面颜色不变的性质,检测视频帧图像中反映光源颜色的灰点,获得单帧图像光源颜色估计。然后对相邻帧光源颜色估计结果进行自适应融合,得到帧间一致的光源颜色估计结果,并进行白平衡处理。通过帧间光源颜色的一致性,达到了画面颜色稳定的视频白平衡效果。实验结果表明,所提方法在保持了视频白平衡结果基本正确的同时,有效提高了视频白平衡结果的颜色稳定性。

摘要： 为解决产品包装存在图形元素饱和度低、颜色恒常性差的问题,设计图形元素的包装视觉优化系统.系统包括客户层、中心层与数据库层,用户通过客户层向系统提交指令.中心层接收指令并通过资源管理与视觉优化中心完成图形元素的资源管理以及视觉优化,其中,视觉质感优化模块从物质、语境、审美三个层面完成包装图形元素视觉质感优化;色彩增强模块通过颜色恒常性增强方法,保持色彩不变的同时提升图形元素的色彩饱和度,实现包装视觉优化.优化完成后,将优化结果反馈至客户层并存储于数据库层,以便中心层随时调用.经实验验证,该系统具有良好的视觉优化效果,能够提高图形元素的饱和度,同时保证颜色恒常性.

摘要： 借助于互补色小波,本文提出一种新的颜色恒常性统计方法.分析表明:标准光照图像的互补色小波子带关系,可以利用联合拉普拉斯分布来进行描述.统计学习标准光照图像,可获得拉普拉斯分布的参数,为图像建立起标准光照的基准模型.该基准模型可为光照偏移(颜色恒常偏移)的图像提供光照补偿依据,使偏光图像通过光照补偿恢复为标准光照图像,从而得到光照参数.基于该基准模型对补偿光照参数进行最大似然估计的实验结果表明:本文所提方法的处理效果与列出的最好文献算法相当,其在常用数据库上估计到的光照参数误差中值小0.1°,而均值和最大值则小0.3°.

摘要： 文章主要研究了几种基于视神经网络的图像增强方法.Retinex的基本概念是通过视网膜(人眼)和大脑皮层(大脑)的帮助,在观察一个物体的位置后,捕捉图像.根据视差理论,一个图像可以说是光照和物体反射率的产物.Retinex聚焦于图像的动态范围和颜色常性.迄今为止,研究者们提出了各种利用视神经网络增强图像对比度的方法.文章将讨论并比较了单尺度视Retinex(SSR)、多尺度Retinex(MSR)以及改进的Retinex图像增强(IRIE)和改进的MSR夜间增强(MSRINTE).

摘要： 近几年人工智能的兴起,计算机视觉也随之发展起来,其中颜色恒常性计算研究是当前的热门研究课题.合理的研究算法,可以有效提高白平衡的效果.本文介绍了颜色恒常性的研究起源和意义,并对两种成像相关模型做了详细概述,着重讲述了无监督算法的发展,分析了有监督算法中基于统计的和机器学习的光照估计方法的优缺点,最后提及了颜色恒常性的性能评价方式和发展趋势.

摘要： Retinex作为一种源自人类视觉系统研究的颜色恒常性模型,在解决光照不均、色偏等方面都有非常广泛的应用.本文首先介绍了Retinex理论的来源与后续的发展.然后根据当前研究现状将Retinex模型分为路径模型、PDE(Partial differential equations)模型、变分模型和中央周边(Center-Surround)模型4种类型,并对每一种类型进行综述.最后介绍了Retinex在图像增强方面的典型应用,并总结4种Retinex模型的优劣,展望了Retinex的未来发展方向.

摘要： 针对现有颜色恒常性算法选取亮像素方法的不足,提出一种新的图像亮像素统计算法来估计相机成像时照明光源的颜色信息.首先,在图像各个通道分别取亮值;然后,采用动态取交集的方法选取亮像素,确保所选取的亮像素能有效代表光源的颜色信息;最后,通过统计亮像素的中值来估计光源颜色.在目前广泛应用的3个图像数据集上,将提出算法与maxRGB、Grey World等其他基于统计颜色恒常性算法进行比较分析,结果表明:相比其他颜色恒常性算法,提出算法所计算的图像数据集角度误差中值平均降低38％ 左右,更能准确估计照明光源颜色信息.

摘要： 本着使增强前后图像色彩不发生偏差的原则,提出了基于颜色恒常性的图像增强客观质量评价标准,为了兼顾对图像可懂度的评价,提出了将图像清晰度与基于颜色恒常性的图像增强客观质量评价标准相结合的彩色图像增强结果客观质量评价新方法.实验证明本文提出的图像增强质量评价标准同主观质量评价标准具有良好的一致性,可以较好的反应图像增强结果的好坏.

摘要： 颜色恒常性是指当照明光发生变化时，虽然物体反射的颜色也随之变化，但是人眼对于物体颜色的认知恒常不变的现象。颜色恒常性是人眼的一种自动补偿特性，这种特性对于计算机视觉、模式识别有着重要的作用。对几种较为经典的颜色恒常性算法做了介绍和梳理，并进行了简单的对比实验，探讨了各自的适用条件。最后对SSR算法进行了改进，实验表明改进算法有效地减少了丢色现象。

摘要： 光学图像获取系统容易受到恶劣天气条件，如雨、雾、烟、沙尘等影响，使获取的图像质量下降，出现对比度降低、亮度不均、色彩失真等问题.本文结合人眼颜色恒常性的典型计算理论Retinex理论，针对恶劣天气条件下获得的图像，给出了图像增强的具体实现流程，进行了计算机仿真实验，并通过与直方图均衡化方法的比较，验证了本算法在恶劣天气条件下图像增强的效果.

摘要： 在航空影像的成像过程中,由于大气衰减、云层、烟雾、向阳、背阳等影响,使获取的影像质量下降,出现对比度降低、亮度不均、色彩失真等问题.本文结合人眼颜色恒常性的典型计算理论Retinex理论,模拟了人眼视觉的感知模型,通过一个像素和其周围像素的比较运算,获得对象表面的反射率影像,并基于“灰度世界”假设,对图像进行了后处理.本文给出了Retinex算法在航空影像增强中的具体实现流程,并进行了计算机仿真实验,结合方差和平均梯度等参数,对输入输出图像的对比度、细节完整性进行了比较,验证了算法在图像对比度、细节增强和色彩保真等方面的效果.

摘要： 本文基于颜色恒常性理论，介绍了其典型计算理论——Retinex理论在图像增强中的应用，并对Retinex算法进行了分类，详细论述了Retinex的路径法、递归法、中心环绕法和公式法的原理、实现、特点以及发展情况。针对三种典型算法：Frankle-McCann算法、MSR算法、多分辨率PNSD算法进行了计算机仿真，并提出用方差和平均梯度对仿真结果进行分析对比。最后还指出了Retinex算法的发展趋势和应用前景。

摘要： 为了去除农业机器人田间导航中自然光照对导航参数的提取的影响,在分析了图像成像原理的基础上,首先根据灰度世界理论估计出光照,采用对角颜色校正模型获得标准光照下的标准图像,然后采用基于超绿因子的阈值分割算法进行图像分割,最后采用结合最小二乘法的行扫描算法提取导航参数.田间导航试验表明,上述算法可以满足农业机器人导航系统的实时性和可靠性要求.

摘要： 为了去除农业机器人田间导航中自然光照对导航参数的提取的影响,在分析了图像成像原理的基础上,首先根据灰度世界理论估计出光照,采用对角颜色校正模型获得标准光照下的标准图像,然后采用基于超绿因子的阈值分割算法进行图像分割,最后采用结合最小二乘法的行扫描算法提取导航参数.田间导航试验表明,上述算法可以满足农业机器人导航系统的实时性和可靠性要求.

摘要： 为了去除农业机器人田间导航中自然光照对导航参数的提取的影响,在分析了图像成像原理的基础上,首先根据灰度世界理论估计出光照,采用对角颜色校正模型获得标准光照下的标准图像,然后采用基于超绿因子的阈值分割算法进行图像分割,最后采用结合最小二乘法的行扫描算法提取导航参数.田间导航试验表明,上述算法可以满足农业机器人导航系统的实时性和可靠性要求.

摘要： 为了去除农业机器人田间导航中自然光照对导航参数的提取的影响,在分析了图像成像原理的基础上,首先根据灰度世界理论估计出光照,采用对角颜色校正模型获得标准光照下的标准图像,然后采用基于超绿因子的阈值分割算法进行图像分割,最后采用结合最小二乘法的行扫描算法提取导航参数.田间导航试验表明,上述算法可以满足农业机器人导航系统的实时性和可靠性要求.

摘要： 为了去除农业机器人田间导航中自然光照对导航参数的提取的影响,在分析了图像成像原理的基础上,首先根据灰度世界理论估计出光照,采用对角颜色校正模型获得标准光照下的标准图像,然后采用基于超绿因子的阈值分割算法进行图像分割,最后采用结合最小二乘法的行扫描算法提取导航参数.田间导航试验表明,上述算法可以满足农业机器人导航系统的实时性和可靠性要求.

摘要： 本发明提供了一种处理实体。所述处理实体用于：通过以下步骤生成一种模型，其中，所述模型用于估计由相机捕获的源图像的场景照明颜色：获取图像集，其中，每个图像由相应的相机捕获，所述图像集整体包括由多个相机捕获的多个图像；通过将所述图像集中的每个图像分配到相应的任务使得所述同一任务中的多个图像存在一个共同点：这些图像的属性在预定范围内，从而形成任务集；通过重复执行以下操作，训练所述模型中的参数：选择至少一个任务，根据所述任务中的第一图像子集形成临时模型参数集，对照所述任务中的第二图像子集估计所述临时模型参数集的质量，根据所述临时参数集和所述估计质量更新所述模型中的所述参数。

摘要： 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。

摘要： 本发明公开了一种基于光源颜色分布限制的颜色恒常性方法。本发明步骤如下：步骤(1)为不同相机构建精准的色域范围，计算相机空间的黑体轨迹；步骤(2)依托黑体轨迹构建光源颜色分布的色域范围；步骤(3)利用已有颜色恒常性方法估计图像的光源颜色；步骤(4)对光源估计结果进行判断，若处于色域范围内则不作处理，若不在色域范围内则通过色域映射法将该光源估计结果映射到色域边界内；步骤(5)将校正后的色度点变换到RGB空间，色域映射得到的点是估计光源校正后的色度点。本发明将已有颜色恒常性方法光源估计不在色域内的结果映射在色域边界内，从而降低光源估计误差，以达到对各种不同颜色恒常性方法鲁棒性的提升。

摘要： 本发明公开了一种基于卷积自编码器的颜色恒常性方法，首先获取无色偏图像，并根据无色偏图像制作图像数据集；然后通过图像数据集对卷积自编码器进行训练，建立有色偏图像到无色偏图像的映射网络；最后通过映射网络实现图像的颜色恒常性。本发明能够实现良好的颜色恒常性效果，能通过利用卷积自编码器强大的编码能力，有效提取出原始图像中隐含的光源颜色信息，从而进行图像颜色校正。本发明在多个国际通用颜色恒常数据库上进行了测试，结果证明本发明的方法在使用较少的参数量情况下可以取得非常好的颜色恒常性效果。

摘要： 本发明公开了一种基于光源颜色分布限制的颜色恒常性方法。本发明步骤如下：步骤(1)为不同相机构建精准的色域范围，计算相机空间的黑体轨迹；步骤(2)依托黑体轨迹构建光源颜色分布的色域范围；步骤(3)利用已有颜色恒常性方法估计图像的光源颜色；步骤(4)对光源估计结果进行判断，若处于色域范围内则不作处理，若不在色域范围内则通过色域映射法将该光源估计结果映射到色域边界内；步骤(5)将校正后的色度点变换到RGB空间，色域映射得到的点是估计光源校正后的色度点。本发明将已有颜色恒常性方法光源估计不在色域内的结果映射在色域边界内，从而降低光源估计误差，以达到对各种不同颜色恒常性方法鲁棒性的提升。

摘要： 本发明属于农业机械自动化技术领域，公开了一种保持农田图像颜色恒常性的方法，该方法包括第一、在每个标准色温下，确定标准色卡图像中的红(R)、绿(G)、蓝(B)像素的数量，计算每个标准色温下，红色像素数量除以绿色像素数量(R/G)以及蓝色像素数量除以绿色像素数量(B/G)的值；第二、构建色温曲面；第三、采集田间图像，分割图像；第四、确定每个图像子块的初步色温值；第五、取每个图像子块的初步色温值的众数为整幅图像的色温值；第六、获得像素的增益；第七、获得矫正颜色偏差后的图像。本发明对图像中的信息量没有要求，对于处理颜色较单调的农田图像，具有广泛的适用性。本发明可以作为研发农田机器视觉技术的上游技术。

摘要： 由于不同环境光的照明颜色会使图像场景中物体颜色发生变化，为了还原图像中物体在人眼中的真实颜色，本发明公开了一种基于灰色表面提取的颜色恒常性算法，首先基于光照不变向量提取图像中的灰色像素，然后对这些像素采用灰度世界算法预测图像中的光源，并对图像进行色适应矫正。根据色适应结果循环迭代，继续检测图像中的灰色像素并进行色适应，直至满足设定阈值即停止算法。相较传统算法，本发明大幅度提升了光照估计精度。

摘要： 本发明公开了一种基于灰像素统计的颜色恒常性方法。基于对自然场景下多光谱图像中彩色像素与中性灰像素光谱分布的差异规律的研究。本发明的具体步骤如下：首先，取得一张偏色图像作为待修正图像；通过低通滤波将待修正图像分为基础层和细节层；在基础层图像上进行通道相关性检测；根据检测结果对待修正图像进行参数自适应的超像素分割；利用细节层图像，筛选出满足对比度要求的超像素；根据RGB通道间的分布差异规律，计算出筛选的超像素接近中性灰的程度；最终选取一定数量的最接近中性灰的超像素来估计场景光源颜色。本发明具有更高的准确性和鲁棒性，且算法复杂性较低，计算简单，更具有实时性。

摘要： 本发明公开了一种基于卷积自编码器的颜色恒常性方法，首先获取无色偏图像，并根据无色偏图像制作图像数据集；然后通过图像数据集对卷积自编码器进行训练，建立有色偏图像到无色偏图像的映射网络；最后通过映射网络实现图像的颜色恒常性。本发明能够实现良好的颜色恒常性效果，能通过利用卷积自编码器强大的编码能力，有效提取出原始图像中隐含的光源颜色信息，从而进行图像颜色校正。本发明在多个国际通用颜色恒常数据库上进行了测试，结果证明本发明的方法在使用较少的参数量情况下可以取得非常好的颜色恒常性效果。

摘要： 本发明公开了一种基于级联融合特征置信度加权的颜色恒常性方法，为无人驾驶、水下物体识别、三维物体重建等计算机视觉任务提供稳定的颜色特征，步骤为：(1)在自然场景光源下拍摄图像以及视频，制作应用于颜色恒常性方法的数据集；(2)根据光源颜色的特殊性发明基于级联融合特征置信度加权网络结构；(3)使用数据集对网络结构进行二阶段训练；(4)将估计出的场景光源从图像或者视频中移除，实现图像以及视频的颜色恒常性。本发明通过级联方式将图像中浅层边缘纹理特征与深层细粒度深层特征进行融合，充分利用图像中可以为光源估计提供更多信息的特征估计光源，解决了目前颜色恒常性方法在面对复杂环境时光源估计精确度低的问题，提高了颜色恒常性方法的精确性以及面对复杂环境时方法的稳健性。