[发明专利]一种基于单幅图像的颜色恒常性处理方法

说明书

技术领域

本发明涉及计算机视觉图像处理技术领域，尤其涉及一种基于单幅图像的颜色恒常性处理方法。

背景技术

在计算机视觉领域，常常需要从已得的二维数字图像中获取视觉处理相关信息，从而做出相应的判断处理。其中，基于图像中物体色彩进行处理的计算机视觉的算法在该领域应用得尤为广泛，如手势识别领域的肤色提取算法，就对图像中物体本质色彩的保持有着较高的要求。然而由于所摄物体往往处于较为复杂的光照环境，加上图像传感器本身带来的失真，常常会导致计算机通过传感器获取的二维数字图像的色彩相比物体本质色彩有较大的改变，造成了此类算法通过图像色彩进行行为判定时稳定性的下降。因此，在计算机视觉领域，人们常常需要对获取的二维数字图像进行预处理，恢复图像的本质色彩，提高后端处理算法的稳定性。

颜色恒常性是这一预处理领域运用得较为广泛的理论，其基本定义是，当照射在物体表面的光照强度或光照色彩发生变化时，人们对该物体表面颜色的直觉仍然保持不变，物体本身的颜色不是由入射光决定的，而是由物体本身的反射属性决定的。

自1977年Edwin Land首次提出RetinexTheory以来，颜色恒常性算法已经发展了Retinex算法、灰色世界算法、色谱映射算法、颜色相关性算法、Bayesian决策算法、神经网络颜色恒常性算法、基于参考色颜色恒常性算法等经典算法。Retinex算法的核心思想是基于颜色恒常性理论的定义进行设计的，该理论将一幅图像分为光照分量及反射分量，图像的光照部分往往属于图像的低频部分，而反射分量则包含了图像的本质颜色信息，为获取图像的本质色彩，需对图像的光照分量进行估计，随后计算出图像的反射分量，从而估计出图像的本质色彩。该算法由于其提出的较早且算法较为简单，得到了后人多方面的改进，其中包括SSR，MSR，MSRCR等算法。经过Retinex算法处理的图像，在光照较强的环境下，图像表面会生成一层“白膜”，这是该类算法普遍的缺陷；灰色世界算法是颜色恒常性算法中最为简单的算法，它是通过求取场景的颜色平均值来实现颜色恒常性，这种平均值被称为灰色世界，灰色世界认为某光源的色彩是由一幅图像的所有像素色彩的加权平均决定的。因此，该算法通过将这个平均值和标准光源下的表面颜色的平均值进行比较，就可以得知未知光源下的图像颜色估计。然而这种算法的精确度并不高，同时当图像颜色平均值和灰色世界的假设不相符时算法就失败了；色谱映射算法是一种适用于Mondrian表面的颜色恒常性算法，并且是以后许多算法的理论基础。该算法的核心思想是寻找出能够将未知光源映射到标准光源的对角转换矩阵，其成功之处不在于得到一种场景光源的估计，而是得到了一组与给定图像数据相一致的理想光源集合；颜色相关性算法通过建立各种光源和该光源下图像颜色的相关性矩阵来解决颜色估计问题；Bayesian决策算法的基本原理是，首先通过样本图像得到特定光源下的表面色彩的后验概率分布，其次再根据损耗函数的计算成本来得到最佳的光源估计。虽然说该决策算法能够获得最佳的光源估计，但是它需要事先对先验子和损耗函数做出规定，而这种先验子和损耗函数的计算通常是很复杂的；神经网络颜色恒常性算法是一种通过神经网络训练来估计光源色彩的方法。该算法多采用双层感知机结构，即两个隐含层的感知机。对于该方法，首先需要运用较多的图像数据对神经网络进行训练，而实际训练和测试所碰到的色彩色谱比整个理论上的色彩空间要小很多，因此该算法对于复杂多变的光照环境的适应性及稳定性并不强；而基于参考色的颜色恒常性算法，其图片中往往需要一颗用于做为参考色的白色小球，该图像算法根据图像中特定位置的参考颜色对光照环境进行估计，从而对图像本质色彩进行恢复。由于本算法需要参考色物体的辅助，使得本算法的适用性并不高。

发明内容

为解决现有技术存在的缺点和不足，本发明提供一种基于单幅图像的颜色恒常性处理方法，本发明处理方法在系统后方级联了改进的去雾处理方法及灰色世界处理方法，增强了Retinex处理方法的恢复效果。

本发明技术方案如下：

一种基于单幅图像的颜色恒常性处理方法，其特征在于如下步骤：

(1)运用中值滤波对图像进行初步处理，消除掉突变像素点，从而减轻MeanShift算法运算时的压力，中值滤波窗口可选用5*5方形窗口；

(2)将获取的二维数字图像I使用参数h＝(H_s，h_r，h_l)进行MeanShift算法平滑处理获得图像I_M，具体步骤如下：

对图像未被标记为处理的像素点做如下处理，