[发明专利]一种基于深度学习的快速自动白平衡和颜色矫正方法

权利要求书

1.一种基于深度学习的快速自动白平衡和颜色矫正方法，其特征在于，包括以下步骤：

数据预处理步骤，其包括：

将标准无色差图像RGB1转成RAW图，然后将RAW图经过去马赛克变换(Demosiac)变成图像RGB2；

将图像RGB1经过反gamma变换转成线性图像RGB3，然后将线性图像RGB3经过颜色空间转换变成图像HSV1；

将图像RGB2经过颜色空间转换变成图像HSV2；

选取图像HSV1的颜色通道和图像HSV2的亮度通道，合成新的图像HSV3；

新的图像HSV3经过颜色空间转换变成新的图像RGB4；

根据新的图像RGB4的白点对应图像RGB2的pixel，算出监督标注(label)r_gain，b_gain，g_gain；

网络训练步骤，其包括：

把上述数据预处理后的图像RGB2经过颜色扰动，水平垂直方向翻转和随机裁剪数据增强处理后送入网络；

网络输出3个AWB Gain：r_pred，g_pred，b_pred，以及6个颜色矫正矩阵参数c01，c02，c11，c12，c21，c22；

其中根据label r_gain，g_gain，b_gain和网络输出r_pred，g_pred，

b_pred计算出一组loss，记作awb_loss；

对颜色矫正矩阵参数进行无监督训练，给c01，c02，c11，c12，c21，c22赋予初值，然后根据网络输出值r_pred，g_pred，b_pred对图像RGB2进行白平衡矫正(AWB)；根据c01，c02，c11，c12，c21，c22对白平衡矫正后的图像进行颜色矫正得到cc_out，用cc_out和预处理出来的图像RGB4计算一组loss，记作color_loss；

给每个loss赋予不同的权值，相加得到总loss；

根据总loss更新网络模型参数，并得到初始模型；

得到初始模型后，在采集和标注好的数据集里进行微调(fine-tune)得到更适配图像传感器(Image sensor)的模型。