[发明专利]一种基于梯度保持的结构一致立体图像颜色校正方法

权利要求书

1.一种基于梯度保持的结构一致立体图像颜色校正方法，其特征在于：包括以下步骤：

步骤S1：利用SIFT特征提取和匹配分别对参考图像和目标图像进行特征提取和像素匹配，获取结构图像和匹配图像；

步骤S2：利用结构相似性算法生成匹配图像和目标图像的置信度图，然后对图像置信度较低的区域进行局部映射，生成初始颜色校正结果图像；

步骤S3：利用梯度保持算法对初始颜色校正结果图像的颜色和结构进行有参考的优化，得到最终的结果图像；

步骤S1中，结构图像的获取包括以下步骤：

步骤S111：首先对目标图像和参考图像进行SIFT特征点提取，再将两幅图像对应的SIFT特征点进行匹配；

步骤S112：将目标图像进行像素分割，实现图像由整体到局部区域的转变；

步骤S113：对局部区域进行穷举搜索，查找没有特征点的局部区域，对没有特征点的同一区域添加特征点；

步骤S114：以参考图像和目标图像每个区域内的特征点为中心，分别计算该点3*3邻域内的像素均值，再将参考图像和目标图像内对应区域的像素均值做差，最后将均值色差添加到目标图像对应的区域，进而实现目标图像的颜色校正；

步骤S114中，所述将均值色差添加到目标图像对应的区域，采用如下映射函数：

式中，(x,y)是目标图像中的空间位置，I_f(x,y)是(x,y)处校正后的像素值，j表示迭代次数，当j＝1时，的初始值是I_o(x,y)，I_o(x,y)是(x,y)处目标图像的像素值，(x_t,y_t)是目标图像的第i个分割区域中的一个SIFT关键点，(x_r,y_r)是参考图像中与对应的区域中的一个SIFT特征点，M表示3×3邻域内的像素均值，k表示区域S中的特征点数目。

2.根据权利要求1所述的一种基于梯度保持的结构一致立体图像颜色校正方法，其特征在于：步骤S113中还包括，采用十字分割的方法保证每个局部区域至少有12个特征点；首先在目标图像上添加12个特征点，再利用距离该区域最近的已有的特征点和参考图像中相匹配的特征点，在参考图像中添加对应区域的特征点，这样能保证参考图像和目标图像中添加的特征点最大限度的匹配。

3.根据权利要求1所述的一种基于梯度保持的结构一致立体图像颜色校正方法，其特征在于：步骤S1中，匹配图像的获取具体为：利用sift flow提取参考图像和目标图像的特征信息，生成匹配图像，即像素目标图像。

4.根据权利要求1所述的一种基于梯度保持的结构一致立体图像颜色校正方法，其特征在于：步骤S2中，对图像置信度较低的区域进行局部映射所采用的映射公式为：

式中，I_i表示映射后的图像，称为初始结果图像，I_i(x,y)表示(x,y)位置对应的像素值，I_f表示步骤S1中SIFT特征匹配获取的结构图像，I_m表示匹配图像，c表示置信映射图像，R表示设置的阈值，这里取0.5。

5.根据权利要求1所述的一种基于梯度保持的结构一致立体图像颜色校正方法，其特征在于：步骤S3具体为：获取使以下积分方程最小的最优图像J，即为最终的结果图像：

这里对图像的三个通道分别进行优化，c表示在RGB颜色空间中三个颜色通道中的一个，表示目标图像，表示初始结果图像，Ω表示整个图像区域，表示梯度，边界条件是用来保证J^c的梯度和的梯度在图像的边界处相匹配；前一项用来保留图像J^c的梯度，后一项确保最终的结果图像J的颜色信息和初始结果图像相同；权重φ和用来平衡梯度和颜色信息的优化程度，其中，φ用来改变图像边界处的梯度信息，使其更有层次感，增加图像的细节信息；用来消除图像结构可能的变型。