[发明专利]基于纹理金字塔与正则化局部回归的色彩恒常方法

权利要求书

1.一种基于纹理金字塔与正则化局部回归的色彩恒常方法，其特征在于，包括以下步骤：

第一步，基于通用色彩恒常的算法框架，即Minkowski范式，根据不同的参数选择为融合算法构建一个算法候选集合；

第二步，将图像以不同的分辨率分割成重叠的块，然后采用威布尔分布参数来描述每一个块的纹理特征；

第三步，对于给定的待测试图像，根据定义的图像相似性准则，从训练数据库中选出K幅与待测图像纹理特征最相似的图像；

第四步，在融合阶段，根据这K幅参考图像，采用正则化局部回归估计待测图像的光照；

第五步，根据光照估计值，利用Von Kries模型将待测试图像映射到标准白光下，得到校正后的图像。

2.根据权利要求1所述的基于纹理金字塔与正则化局部回归的色彩恒常方法，其特征是，所述的Minkowski范式为：其中：是图像ρ(x)与尺度参数为σ的高斯滤波器的卷积，e为光照的颜色，为n阶导，p是Minkowski范式参数，k是归一化参数。

3.根据权利要求1所述的基于纹理金字塔与正则化局部回归的色彩恒常方法，其特征是，所述的威布尔分布参数为：其中：x′是高斯导数滤波器的角频率，Γ(·)表示伽玛函数，μ表示分布的位置，γ是分布的峰值，描述图像的颗粒度，γ越大表示图像纹理的颗粒度越小，θ是分布的宽度，描述图像的局部对比度，θ越大说明纹理的对比度越高。

4.根据权利要求1所述的基于纹理金字塔与正则化局部回归的色彩恒常方法，其特征是，所述的图像相似性准则是指：

Simage(X,Y)=Σl∈[0,L]wpatchl·Sl(X,Y)=12LS0(X,Y)+Σl∈[1,L]12L-l+1·Sl(X,Y),]]>

其中：S_image(X，Y)表示两幅图像X，Y的相似性，是第l层的权重，分辨率越高的层匹配越精确且权重越大，Sl(X，Y)是这两幅图像第l层的相似性，

其中：和分别表示图像X，Y的第l层分辨率上的第i块图像，和分别对应着和的威布尔分布的参数。