本發(fā)明屬于計(jì)算機(jī)視覺和圖像處理
技術(shù)領(lǐng)域：
，具體涉及一種基于相機(jī)響應(yīng)函數(shù)的場景光源估計(jì)準(zhǔn)確性提升方法的設(shè)計(jì)。
背景技術(shù)：
：顏色恒常性是指當(dāng)照射物體表面的光源顏色發(fā)生變化時(shí)，人們對該物體表面顏色的知覺仍然保持不變的知覺特性，計(jì)算性顏色恒常是指通過一些算法賦予成像設(shè)備(如數(shù)碼照相機(jī))這一能力。顏色恒常計(jì)算方法主要有基于學(xué)習(xí)的算法和靜態(tài)的方法，靜態(tài)的方法由于估計(jì)誤差較大，精度上難以滿足工程需要；基于學(xué)習(xí)的算法通過學(xué)習(xí)復(fù)雜的圖像特征，可以得到較為準(zhǔn)確的光源估計(jì)。目前基于學(xué)習(xí)的算法還無法應(yīng)用推廣，除了計(jì)算量比較大之外，還有一個(gè)重要的原因是，不同相機(jī)擁有不同的顏色敏感性相機(jī)響應(yīng)函數(shù)，這會(huì)造成在一個(gè)相機(jī)拍攝的圖像集上學(xué)習(xí)的算法參數(shù)，無法有效用于其它相機(jī)拍攝的圖像上的場景光源估計(jì)，即相機(jī)間的交叉光源估計(jì)性能比較差。計(jì)算性顏色恒常領(lǐng)域的研究人員早已致力于研究相機(jī)響應(yīng)函數(shù)對于顏色適應(yīng)的影響，比較典型的有FinlaysonGD等于1994年提出的方法，參考文獻(xiàn)：FinlaysonGD,DrewMS,FuntBV.Spectralsharpening:sensortransformationsforimprovedcolorconstancy.[J].JournaloftheOpticalSocietyofAmericaA,1994,11(5):1553-63。該方法通過簡化光源變換特征從而提升顏色恒常算法的性能，可以明顯提升基于學(xué)習(xí)的方法對同一相機(jī)拍攝的圖像的估計(jì)光源的準(zhǔn)確性，然而仍然無法提升不同相機(jī)間的場景光源估計(jì)準(zhǔn)確性。目前，還沒有一個(gè)基于學(xué)習(xí)的顏色恒常算法可以有效解決這個(gè)問題。技術(shù)實(shí)現(xiàn)要素：本發(fā)明的目的是為了解決現(xiàn)有技術(shù)中基于學(xué)習(xí)的方法無法有效提升不同相機(jī)間光源估計(jì)準(zhǔn)確性的問題，提出了一種基于相機(jī)響應(yīng)函數(shù)的場景光源估計(jì)準(zhǔn)確性提升方法。本發(fā)明的技術(shù)方案為：一種基于相機(jī)響應(yīng)函數(shù)的場景光源估計(jì)準(zhǔn)確性提升方法，包括以下步驟：S1、計(jì)算相機(jī)轉(zhuǎn)換矩陣：通過最小二乘法，計(jì)算訓(xùn)練圖像使用的相機(jī)顏色敏感性響應(yīng)函數(shù)到測試圖像使用的相機(jī)顏色敏感性響應(yīng)函數(shù)對同一給定表面反射率的響應(yīng)值之間的轉(zhuǎn)換矩陣，得到相機(jī)轉(zhuǎn)換矩陣；S2、轉(zhuǎn)換訓(xùn)練圖像組：將一組已知真實(shí)光源的訓(xùn)練圖像及其真實(shí)光源利用步驟S1計(jì)算得到的相機(jī)轉(zhuǎn)換矩陣轉(zhuǎn)換為測試圖像相機(jī)下對應(yīng)的圖像與真實(shí)光源；S3、計(jì)算測試圖像回歸矩陣：利用靜態(tài)光源估計(jì)方法估計(jì)步驟S2中轉(zhuǎn)換后的圖像的光源，將每一幅圖像對應(yīng)的所有估計(jì)結(jié)果及交叉項(xiàng)作為其圖像的特征，得到相應(yīng)的特征矩陣；通過回歸的方法，計(jì)算得到測試圖像的特征與光源間的回歸矩陣；S4、估計(jì)測試圖像光源：對測試圖像提取與步驟S3中相同的圖像特征，與步驟S3得到的回歸矩陣相乘，得到測試圖像的估計(jì)光源。進(jìn)一步地，步驟S2具體為：將訓(xùn)練圖像中的每一個(gè)像素點(diǎn)的值均與步驟S1計(jì)算得到的相機(jī)轉(zhuǎn)換矩陣相乘，得到的值即為轉(zhuǎn)換后圖像對應(yīng)位置的像素值；再將訓(xùn)練圖像的真實(shí)光源與步驟S1計(jì)算得到的相機(jī)轉(zhuǎn)換矩陣相乘，得到的值即為轉(zhuǎn)換后圖像的真實(shí)光源。進(jìn)一步地，步驟S3中的靜態(tài)光源估計(jì)方法為greyworld與greyedge方法，具體過程如下：需要計(jì)算的特征分別為圖像R、G、B三個(gè)通道的均值以及三個(gè)通道邊緣的均值，引入交叉項(xiàng)，最終得到的特征為R、G、B三個(gè)通道的均值，R、G、B三個(gè)通道邊緣的均值，R通道與G通道相乘之后的均值開根號，R通道與B通道相乘之后的均值開根號，以及G通道與B相乘之后的均值開根號，共9個(gè)特征。進(jìn)一步地，步驟S3中的回歸的方法為非線性神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)或最小二乘法。本發(fā)明的有益效果是：本發(fā)明首先計(jì)算訓(xùn)練圖像到測試圖像之間的相機(jī)轉(zhuǎn)換矩陣，然后利用此矩陣將訓(xùn)練圖像及其真實(shí)光源轉(zhuǎn)換為測試圖像相機(jī)下對應(yīng)的圖像與真實(shí)光源，接著提取轉(zhuǎn)換后圖像的特征，學(xué)習(xí)特征與其真實(shí)光源之間的回歸矩陣，最后利用此回歸矩陣來完成測試圖像的光源估計(jì)，從而實(shí)現(xiàn)了不同圖像庫之間的光源估計(jì)。本發(fā)明沒有任何參數(shù)，相機(jī)間的轉(zhuǎn)換矩陣以及訓(xùn)練圖像特征與光源間的回歸矩陣均只需計(jì)算一次便可以確定下來，可直接用于估計(jì)由不同訓(xùn)練圖像所使用的相機(jī)拍攝得到的圖像的光源，可以有效地提升不同相機(jī)間光源估計(jì)的準(zhǔn)確性。附圖說明圖1為本發(fā)明提供的一種基于相機(jī)響應(yīng)函數(shù)的場景光源估計(jì)準(zhǔn)確性提升方法流程圖。圖2為本發(fā)明實(shí)施例一的SONYDXC930相機(jī)響應(yīng)函數(shù)曲線圖。圖3為本發(fā)明實(shí)施例一的CANON5D相機(jī)響應(yīng)函數(shù)曲線圖。圖4為本發(fā)明實(shí)施例二的原始待校正圖像。圖5為本發(fā)明實(shí)施例二的利用光源顏色值進(jìn)行校正后的圖像。具體實(shí)施方式下面結(jié)合附圖對本發(fā)明的實(shí)施例作進(jìn)一步的說明。不同相機(jī)具有不同的顏色敏感性響應(yīng)函數(shù)，這種不同可以通過學(xué)習(xí)一個(gè)相機(jī)轉(zhuǎn)換矩陣去除，基于此本發(fā)明提供了一種基于相機(jī)響應(yīng)函數(shù)的場景光源估計(jì)準(zhǔn)確性提升方法，如圖1所示，包括以下步驟：S1、計(jì)算相機(jī)轉(zhuǎn)換矩陣：通過最小二乘法，計(jì)算訓(xùn)練圖像使用的相機(jī)顏色敏感性響應(yīng)函數(shù)到測試圖像使用的相機(jī)顏色敏感性響應(yīng)函數(shù)對同一給定表面反射率的響應(yīng)值之間的轉(zhuǎn)換矩陣，得到相機(jī)轉(zhuǎn)換矩陣。S2、轉(zhuǎn)換訓(xùn)練圖像組：將一組已知真實(shí)光源的訓(xùn)練圖像及其真實(shí)光源利用步驟S1計(jì)算得到的相機(jī)轉(zhuǎn)換矩陣轉(zhuǎn)換為測試圖像相機(jī)下對應(yīng)的圖像與真實(shí)光源。將訓(xùn)練圖像中的每一個(gè)像素點(diǎn)的值均與步驟S1計(jì)算得到的相機(jī)轉(zhuǎn)換矩陣相乘，得到的值即為轉(zhuǎn)換后圖像對應(yīng)位置的像素值；再將訓(xùn)練圖像的真實(shí)光源與步驟S1計(jì)算得到的相機(jī)轉(zhuǎn)換矩陣相乘，得到的值即為轉(zhuǎn)換后圖像的真實(shí)光源。S3、計(jì)算測試圖像回歸矩陣：利用靜態(tài)光源估計(jì)方法估計(jì)步驟S2中轉(zhuǎn)換后的圖像的光源，將每一幅圖像對應(yīng)的所有估計(jì)結(jié)果及交叉項(xiàng)作為其圖像的特征，得到相應(yīng)的特征矩陣；通過回歸的方法，計(jì)算得到測試圖像的特征與光源間的回歸矩陣。本發(fā)明實(shí)施例中，靜態(tài)光源估計(jì)方法采用greyworld與greyedge方法，具體過程如下：需要計(jì)算的特征分別為圖像R、G、B三個(gè)通道的均值以及三個(gè)通道邊緣的均值，引入交叉項(xiàng)，最終得到的特征為R、G、B三個(gè)通道的均值，R、G、B三個(gè)通道邊緣的均值，R通道與G通道相乘之后的均值開根號，R通道與B通道相乘之后的均值開根號，以及G通道與B相乘之后的均值開根號，共9個(gè)特征。S4、估計(jì)測試圖像光源：對測試圖像提取與步驟S3中相同的圖像特征，與步驟S3得到的回歸矩陣相乘，得到測試圖像的估計(jì)光源。經(jīng)過步驟S4之后計(jì)算得到的圖像的場景光源顏色估計(jì)值可以直接用于后續(xù)的計(jì)算機(jī)視覺應(yīng)用，比如用輸入的原彩色圖像的每個(gè)顏色分量除以上述步驟S4計(jì)算出來的光源顏色值，以達(dá)到去除彩色圖像中光源顏色的目的。此外圖像的色調(diào)校正，白平衡處理也需要用到步驟S4估計(jì)的場景光源顏色。下面以一個(gè)具體實(shí)施例對本發(fā)明提供的一種基于相機(jī)響應(yīng)函數(shù)的場景光源估計(jì)準(zhǔn)確性提升方法作進(jìn)一步說明：實(shí)施例一：從目前國際公認(rèn)的用于估計(jì)場景光源顏色的圖像庫網(wǎng)站上下載人工合成的表面S，并下載該圖像庫由SONYDXC930相機(jī)拍攝的321幅色偏圖像T及其真實(shí)光源L作為訓(xùn)練集。同時(shí)下載另一個(gè)圖像庫一幅由CANON5D相機(jī)拍攝的圖像IMG_0332.png作為測試圖像，圖像大小為1460*2193。訓(xùn)練集圖像與測試圖像都沒有經(jīng)過任何相機(jī)本身的預(yù)處理(如白平衡，gamma值校正)。則本發(fā)明的詳細(xì)步驟如下：S1、計(jì)算相機(jī)轉(zhuǎn)換矩陣：通過最小二乘法，計(jì)算訓(xùn)練圖像使用的相機(jī)(SONYDXC930)顏色敏感性響應(yīng)函數(shù)到測試圖像使用的相機(jī)(CANON5D)顏色敏感性響應(yīng)函數(shù)對同一給定表面反射率的響應(yīng)值之間的轉(zhuǎn)換矩陣，得到相機(jī)轉(zhuǎn)換矩陣。具體計(jì)算SONYDXC930到CANON5D的相機(jī)轉(zhuǎn)換矩陣過程如下：首先根據(jù)公式(1)計(jì)算SONYDXC930相機(jī)對一給定表面反射率S的響應(yīng)值R1：R1＝CSS1×S(1)式中CSS1表示SONYDXC930的相機(jī)顏色敏感性響應(yīng)函數(shù)，其函數(shù)曲線如圖2所示。然后根據(jù)公式(2)計(jì)算CANON5D相機(jī)對一給定表面反射率S的響應(yīng)值R2：R2＝CSS2×S(2)式中CSS2表示CANON5D的相機(jī)顏色敏感性響應(yīng)函數(shù)，其函數(shù)曲線如圖3所示。最后由公式(3)，并結(jié)合最小二乘法，計(jì)算得到SONYDXC930到CANON5D的相機(jī)轉(zhuǎn)換矩陣C。R2＝R1×C(3)最終計(jì)算結(jié)果為：C=3.70870.5401-0.3009-0.00501.59030.72280.01040.01710.5392]]>S2、轉(zhuǎn)換訓(xùn)練圖像組：將一組已知真實(shí)光源的訓(xùn)練圖像(321幅色偏圖像T)及其真實(shí)光源L利用步驟S1計(jì)算得到的相機(jī)轉(zhuǎn)換矩陣C轉(zhuǎn)換為測試圖像相機(jī)下對應(yīng)的圖像TC與真實(shí)光源LC。具體計(jì)算訓(xùn)練集圖像轉(zhuǎn)換為測試圖像相機(jī)下對應(yīng)的圖像的過程如下：將訓(xùn)練集圖像的每一個(gè)像素點(diǎn)均與步驟S1計(jì)算得到的圖像轉(zhuǎn)換矩陣C相乘，以訓(xùn)練集中一幅圖像apples2_syl-cwf.gif的一個(gè)像素點(diǎn)(0.296，0.326，0.0948)為例，轉(zhuǎn)換后變?yōu)椋?.2960.3260.0948*3.70870.5401-0.3009-0.00501.59030.72280.01040.01710.5392=1.24530.58550.0598]]>得到的值(1.2453，0.5855，0.0598)即為轉(zhuǎn)換后圖像對應(yīng)位置的像素值。上述過程主要以圖像的單個(gè)像素點(diǎn)為例子來闡述，實(shí)際計(jì)算時(shí)是在整幅圖像的所有像素點(diǎn)上進(jìn)行的。具體計(jì)算訓(xùn)練集圖像真實(shí)光源L到測試圖像相機(jī)下對應(yīng)的真實(shí)光源的過程如下：將訓(xùn)練集圖像的真實(shí)光源與步驟S1計(jì)算得到的圖像轉(zhuǎn)換矩陣C相乘，以上述訓(xùn)練集中圖像apples2_syl-cwf.gif的真實(shí)光源(0.4557，0.4604，0.7618)為例，轉(zhuǎn)換后變?yōu)椋?.45570.46040.7618*3.70870.5401-0.3009-0.00501.59030.72280.01040.01710.5392=1.70951.28060.4234]]>得到的值(1.7095，1.2806，0.4234)即為轉(zhuǎn)換后圖像對應(yīng)的真實(shí)光源。S3、計(jì)算測試圖像回歸矩陣：利用靜態(tài)光源估計(jì)方法估計(jì)步驟S2中轉(zhuǎn)換后的圖像的光源，將每一幅圖像對應(yīng)的所有估計(jì)結(jié)果及交叉項(xiàng)作為其圖像的特征，得到相應(yīng)的特征矩陣；通過回歸的方法，計(jì)算得到測試圖像的特征與光源間的回歸矩陣。其中靜態(tài)光源估計(jì)方法包括greyworld、greyedge、whitepatch等多種經(jīng)典的靜態(tài)估計(jì)光源的方法。本發(fā)明實(shí)施例中，采用greyworld、greyedge兩種靜態(tài)方法估計(jì)光源，以上述訓(xùn)練集中圖像apples2_syl-cwf.gif為例，使用greyworld估計(jì)光源方法，計(jì)算得到R、G、B三個(gè)通道的均值分別為(0.1600，0.7254，0.1146)，利用greyedge估計(jì)光源方法，計(jì)算得到R、G、B三個(gè)通道邊緣的均值分別為(0.1572，0.7295，0.1133)。引入交叉項(xiàng)后，圖像apples2_syl-cwf.gif的特征矩陣為f為：f＝[0.16000.72540.11460.15720.72950.11330.34070.13540.2883]該步驟中回歸的方法可以為非線性神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、最小二乘法等線性與非線性的回歸方法。本發(fā)明實(shí)施例中采用最小二乘法作為回歸方法，具體計(jì)算過程為：由公式(4)并結(jié)合最小二乘法，計(jì)算得到測試圖像對應(yīng)的回歸矩陣R：L＝F×R(4)式中F表示由所有訓(xùn)練集圖像的特征矩陣f共同組成的矩陣。最終計(jì)算結(jié)果為：R=-12.9915-7.6758-2.64354.4385-1.1675-1.795019.897112.89496.65033.1322-0.4298-1.01705.84802.7373-0.05222.36391.74403.281025.558421.176410.6852-3.6503-5.0820-4.0196-40.6794-20.4598-7.3044]]>S4、估計(jì)測試圖像光源：對測試圖像IMG_0332.png提取與步驟S3中相同的圖像特征，得到特征矩陣為：[0.25830.41400.32770.24640.45710.29650.32700.29090.3684]與步驟S3得到的回歸矩陣R相乘，得到測試圖像的估計(jì)光源：[0.25830.41400.32770.24640.45710.29650.32700.29090.3684]*-12.9915-7.6758-2.64354.4385-1.1675-1.795019.897112.89496.65033.1322-0.4298-1.01705.84802.7373-0.05222.36391.74403.281025.558421.176410.6852-3.6503-5.0820-4.0196-40.6794-20.4598-7.3044=1.46011.33221.0858]]>(1.4601，1.3322，1.0858)歸一化之后變?yōu)?0.3765，0.3435，0.2800)，(0.3765，0.3435，0.2800)即為最終估計(jì)的測試圖像的光源顏色。下面以一個(gè)具體實(shí)施例對本發(fā)明最終估計(jì)的測試圖像的光源顏色以圖像的色調(diào)校正為例作一個(gè)實(shí)際應(yīng)用時(shí)的簡單示范：實(shí)施例二：利用步驟S4計(jì)算得到的各個(gè)顏色分量下的光源顏色值，分別校正原始輸入圖像的每個(gè)顏色分量的像素值。以步驟S4中輸入的測試圖像的一個(gè)像素值(0.459，0.545，0.472)為例，校正后的結(jié)果為(0.459/0.3765，0.545/0.3435，0.472/0.2800)＝(1.2191，1.5866，1.6857)，然后將校正后的值乘上標(biāo)準(zhǔn)白光系數(shù)得到(0.7038，0.9160，0.9732)作為最終輸出的校正圖像的像素值，原始輸入圖像的其它像素值也做類似的計(jì)算，最后得到校正后的彩色圖像。如圖4所示為原始的待校正圖像，對其利用步驟S4計(jì)算得到的光源顏色值進(jìn)行色調(diào)校正后的圖像如圖5所示。本領(lǐng)域的普通技術(shù)人員將會(huì)意識(shí)到，這里所述的實(shí)施例是為了幫助讀者理解本發(fā)明的原理，應(yīng)被理解為本發(fā)明的保護(hù)范圍并不局限于這樣的特別陳述和實(shí)施例。本領(lǐng)域的普通技術(shù)人員可以根據(jù)本發(fā)明公開的這些技術(shù)啟示做出各種不脫離本發(fā)明實(shí)質(zhì)的其它各種具體變形和組合，這些變形和組合仍然在本發(fā)明的保護(hù)范圍內(nèi)。當(dāng)前第1頁1 2 3