[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

说明书

技术领域

本发明涉及的是一种图像处理技术领域的方法，具体是一种基于纹理金字塔与正则化局部回归的色彩恒常方法。

背景技术

颜色作为视觉信息中最为基础也最为直接的特征之一，被广泛应用于计算机视觉领域中的图像检索、物体识别、人脸识别等。然而同一物体在不同光照下可能会显示出完全不同的颜色，因此颜色也是一种极不稳定的视觉特征。幸运的是，人类视觉系统具有色彩恒常特性，即在外界照射条件变化的时候，仍能得到物体表面的真正的颜色特征(一般指白光下物体表面的颜色)。色彩恒常的目的就是消除光照对图像颜色的影响，得到物体表面与光照无关的颜色特征，为计算机视觉系统提供类似于人类视觉系统的色彩恒常性感知功能。

色彩恒常方法通常可分为两类，一种是颜色不变性描述，另一种是基于图像的光照估计。颜色不变性描述不需要估计出图像的光照，而是直接从图像提取与光照无关的颜色描述子。图像的光照估计一般有两个步骤：首先估计出图像成像时的光照颜色，然后利用Von Kries模型将图像映射到标准白光下。基于图像的光照估计色彩恒常方法不但可以重建图像，还潜在地提取了对光照不变的颜色特征，因而有着广泛的应用。由于图像的光照估计本身是一个病态问题，现有的色彩恒常方法都基于特定的成像假设条件。根据采用的假设条件和前提的异同，现有方法大致分为两类：基于物理特征的算法和基于统计的算法。与基于统计的算法相比，基于物理特征的算法计算量小、实现速度快，它根据图像底层特征进行光照估计，如White-patch算法，灰度世界(Gray-world)算法和一般灰度世界(General gray-world)算法等。但是，目前还没有任何一种色彩恒常算法能够在所有的图像上都获取很好的性能，且不同算法在同一图像上得到的光照估计结果差异很大。

经过对现有技术文献的检索发现，Gijsenij和Gevers于2007年在“IEEE InternationalConference on Computer Vision and Pattern Recognition(IEEE计算机视觉与模式识别国际会议)”上发表的“Color constancy using natural image statistics(基于自然图像统计的色彩恒常)”中提出了一种基于自然图像统计的色彩恒常融合方法。NIS(Natural Image Statistics，自然图像统计)方法基于Gray edge算法框架，选择五种最具代表性的算法作为融合算法的候选集合，然后引入威布尔分布的参数来描述图像的纹理分布特征。利用K均值聚类将威布尔参数刻画的纹理空间划分为五个子空间，再根据待测试图像的纹理特征所处的子空间为其选择或者合并合适的色彩恒常算法进行光照估计。然而，NIS方法直接利用K均值算法对纹理空间进行划分是不合理的。通过实验发现，对不同纹理特征的图像使用单个算法后并没有形成明显的聚类效果。此外，该技术中采用的全局纹理特征不能全面地描述图像的纹理特性，仅使用全局纹理特征作为图像色彩恒常算法的选择依据影响了光照估计的精度。

又经检索发现，李兵等人于2009年在《Color Technology(色彩技术)》上发表的“Colorconstancy based on texture similarity(CCBTS)for natural images(基于纹理相似性的自然图像的色彩恒常)”中采用了全局纹理特征和局部纹理特征相结合的方式来描述图像的纹理特性，同时在融合阶段不再直接对纹理空间采用硬划分，而是根据欧式距离寻找与给定图像纹理最相似的几幅图像作为参考，再为其选择最合适的色彩恒常算法和融合算法。CCBTS方法的光照估计结果尽管优于单个算法，但与流行的融合方法相比仍存在较大的中值角度误差。

发明内容

本发明针对现有技术存在的上述不足，提供一种基于纹理金字塔与正则化局部回归的色彩恒常方法，利用基于威布尔分布的纹理金字塔来提取图像的纹理特征，然后依据一种改进的图像相似性准则为待测试图像在训练库中找到与其纹理最相似的参考图像集。在融合阶段，根据参考图像的信息，采用数据驱动和先验知识相结合的方法来合并现有的单个色彩恒常方法，从而有效地提高了光照估计的准确性，可广泛应用于目标追踪、物体识别及图像检索等。

本发明是通过以下技术方案实现的，本发明包括以下步骤：

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。

所述的Minkowski范式为：