[发明专利]一种基于白色物体的白平衡校对方法

权利要求书

1.一种基于白色物体的白平衡校对方法，其特征在于，包括：

S1，利用获取的大量白色物体样本通过不断的训练学习，建立白色物体对比模型；

S2，利用上述的白色物体对比模型应用于现场抓拍，通过识别图像并提取图像中白色物体区域，计算其像素均值和颜色增益值，从而调整颜色实现图像的白平衡校对；

所述步骤S1具体包括：

S11，大量收集白色物体图像，建立物体样本数据库；

S12，建立模型，利用上述样本进行模型训练，实现白色物体自动识别；

所述步骤S2具体包括：

S21，模型应用于现场抓拍，保存用户舌头和白色物体的合影图像；

S22，识别用户图像的白色物体，通过上述的白色物体对比模型，采用识别技术，基于算法从样本数据中学习，逐步提取图像的高层特征，对特征进行分类，完成识别；

S23，提取用户图像的白色物体区域且对该区域边界进行切割，保留区域中间部分；

S24，计算区域中间部分各像素点的均值，作为白色物体的颜色值；

S25，把物体颜色值与标准白色颜色值进行对比，得出两者之间的颜色增益值；

S26，基于上述增益值，对用户图像进行整体的颜色调整；

S27，输出已进行颜色调整的用户图像。

2.根据权利要求1所述的白平衡校对方法，其特征在于，所述步骤S11具体包括：

S111，大量收集白色物体的静态图像；

S112，把上述收集的静态图像进行灰度处理，计算各静态图像每个像素点的灰度值，使上述图像都呈现黑白灰状态；

S113，将经过灰度处理后的静态图像样本分成测试图像和训练图像两类，均存储在服务器上，建立白色物体样本数据库。

3.根据权利要求2所述的白平衡校对方法，其特征在于，所述步骤S112中计算每个像素点的灰度值所运用的公式为灰度处理加权平均法公式：

f(i,j)＝0.30R(i,j)+0.59G(i,j)+0.11B(i,j)

其中，i、j代表一个像素点在二维空间向量的位置，即：第i行，第j列。

4.根据权利要求1所述的白平衡校对方法，其特征在于，所述步骤S12具体包括：

S121，系统建立模型，把上述白色物体样本的训练图像传输给模型反复训练，自动识别图像的白色物体；

S122，判断模型训练次数是否达到系统预设的阈值，如果否，则转到S121，如果是，则转到S123；

S123，模型训练停止，通过损失函数的计算，得出模型识别准确率；

S124，判断由上述得出的准确率是否达到某一阈值，如果否，则重新调整样本的类别信息，如果是，则转到S125；

S125，将模型与白色物体样本数据库的测试图像进行试运行测试，测试准确率达到预设的阈值后把模型应用于现场抓拍。

5.根据权利要求4所述的白平衡校对方法，其特征在于，所述步骤S124中的样本类别信息包括物体的材质和尺寸。

6.根据权利要求4所述的白平衡校对方法，其特征在于，所述步骤S122中模型训练次数的阈值为20万次，所述步骤S124中模型训练准确率阈值为80％，所述步骤S125中模型测试准确率阈值为80％。

7.根据权利要求1所述的白平衡校对方法，其特征在于，所述步骤S22中识别技术所基于的算法为卷积神经网络算法。

8.如权利要求1至权利要求7任一所述的白平衡校对方法，其特征在于，所述白色物体为白色纸巾。