本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及一種基于光照差異的顏色補(bǔ)償方法。

背景技術(shù)：

視覺目標(biāo)跟蹤是機(jī)器視覺研究領(lǐng)域中的一個熱點問題，其主要任務(wù)是在視頻序列中獲取興趣目標(biāo)的運動軌跡，已經(jīng)被廣泛應(yīng)用于視頻監(jiān)控、智能交通等研究領(lǐng)域。目前來說，具有挑戰(zhàn)性的問題仍亟待解決：1)跟蹤目標(biāo)自身的姿勢變化、尺度變化和形變等內(nèi)在因素；2)跟蹤過程出現(xiàn)亮度變化、部分遮擋和背景復(fù)雜等外在因素。

對于多攝像機(jī)的監(jiān)控網(wǎng)絡(luò)，視野重疊情況的跨攝像機(jī)的多目標(biāo)跟蹤解決方案，能將目標(biāo)從一個攝像機(jī)視角移動到另一個攝像機(jī)視角時辨識出他們的身份。

但是，以往的方法常常是建立基于顏色信息的外觀模型對目標(biāo)進(jìn)行辨識，因為行人的衣著顏色信息通常在具有時空信息約束的特定條件下能象征待匹配對象的唯一身份，而往往采集的顏色信息由于曝光過度，逆光和高光等原因會產(chǎn)生過暗或過亮的效果，會使得目標(biāo)的跟蹤和匹配精度大大下降。

技術(shù)實現(xiàn)要素：

針對目標(biāo)提取特征匹配上的不足，本發(fā)明提供了顏色歸一化方法作為預(yù)處理，來補(bǔ)償攝像機(jī)之間的顏色變化，并在此基礎(chǔ)上進(jìn)行連續(xù)跟蹤。為了消除光照差別帶來的影響，在進(jìn)行特征提取之前，首先用顏色歸一化方法作為預(yù)處理來補(bǔ)償攝像機(jī)之間的顏色變化。顏色歸一化的本質(zhì)是建立一個對光照變化魯棒的外觀表達(dá)，目的是使原圖像在顏色歸一化之后，轉(zhuǎn)換后的圖像能與對應(yīng)目標(biāo)圖像有更多的顏色特征相似處。而且，rgb顏色空間在不同的信道之間耦合度較高，如果我們想要改變像素的顏色，這個像素所有信道的值都必須改變，從而導(dǎo)致基于rgb顏色空間的色彩校正或者顏色歸一化十分復(fù)雜也難以實現(xiàn)。因此，本文選擇各個信道之間關(guān)聯(lián)較低的cie-lab顏色空間進(jìn)行顏色校正，尤其是對難度較高的不同攝像機(jī)視角之間的顏色歸一化預(yù)處理。

當(dāng)傳統(tǒng)的三通道圖像顯示在任何常用的顏色空間，比如rgb空間中時，不同色彩通道的值是相互關(guān)聯(lián)的，這種關(guān)聯(lián)致使色彩校正和色彩變換過程變得十分復(fù)雜。通過最小化通道之間的關(guān)聯(lián)得到了lab顏色空間，由于該空間中的不同色彩通道只有很小的關(guān)聯(lián)，首先將源圖像的顏色特征由rgb空間經(jīng)由中間過渡空間轉(zhuǎn)換至lab空間，并計算待顏色補(bǔ)償?shù)脑磮D像和目標(biāo)圖像的lab顏色空間的統(tǒng)計學(xué)特性，并針對各個顏色通道基于目標(biāo)圖像的亮度等性能指標(biāo)對源圖像進(jìn)行顏色差異補(bǔ)償，這一過程也稱為基于cct轉(zhuǎn)換方法的顏色歸一化處理，源圖像經(jīng)過顏色歸一化后，經(jīng)由顏色差異補(bǔ)償?shù)膱D像使得不同視角的同一目標(biāo)具有較高的顏色特征相似性。

基于逆向多項式模型的魚眼圖像畸變校正方法，包括如下步驟：

步驟一：當(dāng)存在可匹配目標(biāo)時，分別提取原圖像和目標(biāo)圖像的rgb顏色空間；當(dāng)沒有可匹配的目標(biāo)時，選取整個圖像的色彩特征初始化cct模型；

步驟二：rgb顏色空間到lms顏色空間變換，顏色差異補(bǔ)償首先就要將源圖像和目標(biāo)圖像從rgb顏色空間變換到lab顏色空間。而這兩個顏色空間之間的轉(zhuǎn)換都需要先變換到lms空間后，再進(jìn)行后續(xù)處理。rgb顏色空間到lms顏色空間變換如下所示：

步驟三：將lms空間下的源圖像和目標(biāo)圖像都轉(zhuǎn)換到lab顏色空間，分別計算兩幅圖像每個通道的顏色統(tǒng)計特征，令和分別表示源圖像(目標(biāo)圖像)在lab顏色空間各個通道的像素平均值，和則分別表示源圖像(目標(biāo)圖像)不同顏色通道的標(biāo)準(zhǔn)差，則待轉(zhuǎn)換圖像的顏色差異通過公式(2)實現(xiàn)：

其中，ls(l′s)，αs(α′s)和βs(β′s)分別表示源圖像經(jīng)顏色歸一化的轉(zhuǎn)換后的圖像的l，a,b各個通道色彩值。

步驟四：針對各個顏色通道基于目標(biāo)圖像的亮度等性能指標(biāo)對源圖像進(jìn)行顏色差異補(bǔ)償，利用公式(2)得到cct轉(zhuǎn)換模型的九個關(guān)鍵參數(shù)，即計算得到cct轉(zhuǎn)換模型，以用來處理不同攝像機(jī)的圖像中觀察到的目標(biāo)，從而消除攝像機(jī)之間亮度變化帶來的影響；

步驟五：變換后圖像從lab顏色空間轉(zhuǎn)換回rgb顏色空間顯示，變換公式如(3)所示：

步驟六：利用btf算法以及補(bǔ)償前的算法針對prid2011標(biāo)準(zhǔn)集內(nèi)385個行人樣本進(jìn)行算法驗證，從相似度平均值來看，進(jìn)行顏色差異補(bǔ)償之后的相似度提升了近一半，有效增加了外觀關(guān)聯(lián)的可靠性；從運行時間來看，本文的時間負(fù)荷增加也不甚明顯。

本發(fā)明方法充分考慮了復(fù)雜環(huán)境的影響，以及傳統(tǒng)方法的一些缺陷，在保證目標(biāo)特征不丟失的情況下，有效實現(xiàn)了視野內(nèi)共同目標(biāo)的顏色轉(zhuǎn)換，在可靠特征提取算法的基礎(chǔ)上，有效對顏色差異較大的目標(biāo)進(jìn)行顏色補(bǔ)償，該方法有效增加了外觀關(guān)聯(lián)的可靠性，時間負(fù)荷增加也不甚明顯，體現(xiàn)了該算法的擴(kuò)展性和實用性。

附圖說明

圖1本發(fā)明具體實施方式的方法流程圖。

圖2本發(fā)明具體實施方式的場景顏色補(bǔ)償圖像；(a)中的圖像作為源圖像，(b)視角為目標(biāo)圖像，(c)為轉(zhuǎn)換得到亮度補(bǔ)償后的圖。

圖3本發(fā)明具體實施方式的目標(biāo)顏色補(bǔ)償以及直方圖對比圖(目標(biāo)1)；(a)左側(cè)第一列為源目標(biāo)，左側(cè)第二列表示顏色亮度補(bǔ)償?shù)哪繕?biāo)圖像，直方圖表示在進(jìn)行顏色空間補(bǔ)償之前的源目標(biāo)的灰度直方圖，(b)分別表示進(jìn)行顏色差異補(bǔ)償后的目標(biāo)圖像及其對應(yīng)直方圖分布。

圖4本發(fā)明具體實施方式的目標(biāo)顏色補(bǔ)償以及直方圖對比圖(目標(biāo)2)；(a)左側(cè)第一列為源目標(biāo)，左側(cè)第二列表示顏色亮度補(bǔ)償?shù)哪繕?biāo)圖像，直方圖表示在進(jìn)行顏色空間補(bǔ)償之前的源目標(biāo)的灰度直方圖，(b)分別表示進(jìn)行顏色差異補(bǔ)償后的目標(biāo)圖像及其對應(yīng)直方圖分布。

具體實施方式

下面結(jié)合附圖對本發(fā)明的具體實施，做詳細(xì)說明。

本實施方式的方法，軟件環(huán)境為windows7系統(tǒng)，仿真環(huán)境為matlab2010a，，基于pets2009標(biāo)準(zhǔn)數(shù)據(jù)集和校園環(huán)境下分別進(jìn)行測試，流程如圖1所示：

步驟一：基于包含較大的光照差異的場景pets2009s2l1，進(jìn)行顏色歸一化處理，利用本文提出的顏色差異補(bǔ)償算法，將圖2(a)中的圖像作為源圖像，以圖2(b)視角為目標(biāo)圖像，轉(zhuǎn)換得到亮度補(bǔ)償后的圖2(c)。

步驟二：針對單個目標(biāo)進(jìn)行了顏色差異補(bǔ)償?shù)膶嶒?，如圖3圖4所示。

由于當(dāng)前場景的不同視角的較大的光照差異，從顏色空間的角度提升兩個視角的關(guān)聯(lián)度，也必然提升了兩個視角內(nèi)同一目標(biāo)的外觀匹配的相似度。從實驗結(jié)果可以顯示化地看出，從顏色外觀上，明顯提升了兩幅圖像的顏色、亮度等外觀的相似度，并且完全不影響圖像的分辨率等性能指標(biāo)，對行人目標(biāo)進(jìn)行后續(xù)的跟蹤和關(guān)聯(lián)性能不會產(chǎn)生任何不良影響。當(dāng)然，關(guān)于同一區(qū)域的光照差異不僅存在與部署位置不同的不同攝像機(jī)中，還存在于隨時間變化的同一攝像機(jī)中，而且，本發(fā)明重點關(guān)注在光照變化的影響下，如何提升的行人目標(biāo)的外觀關(guān)聯(lián)性能。

圖3(a)中表示左側(cè)第一列為源目標(biāo)，圖3(a)中表示左側(cè)第二列表示顏色亮度補(bǔ)償?shù)哪繕?biāo)圖像，同理，圖3(a)中直方圖表示在進(jìn)行顏色空間補(bǔ)償之前的源目標(biāo)的灰度直方圖，而圖3(b)則分別表示進(jìn)行顏色差異補(bǔ)償后的目標(biāo)圖像及其對應(yīng)直方圖分布。從直方圖的角度進(jìn)行分析，源目標(biāo)的直方圖的峰值偏左表明亮度較高，而目標(biāo)圖像直方圖的峰值右表示亮度較低，從直方圖的變換結(jié)果可以看出，將直方圖的峰值普遍向右移動，降低了兩者的亮度差異；另外，補(bǔ)償前的直方圖的連續(xù)非零區(qū)段較短，圖像的對比度較低，而補(bǔ)償后的直方圖則將非零區(qū)段較為均勻的分布，對比度較高，而且色調(diào)比較豐富均勻，提升了特征分類的可靠性和穩(wěn)定性。

步驟三：利用btf算法以及補(bǔ)償前的算法針對prid2011標(biāo)準(zhǔn)集內(nèi)385個行人樣本進(jìn)行算法驗證，得到如表1所示的關(guān)于同一目標(biāo)在不同算法處理之后的關(guān)聯(lián)度平均值，以及運行速度平均值。從表中的相似度平均值來看，進(jìn)行顏色差異補(bǔ)償之后的相似度提升了近一半，有效增加了外觀關(guān)聯(lián)的可靠性；從運行時間來看，本文的時間負(fù)荷增加也不甚明顯。因此，綜合關(guān)聯(lián)效果和運行速度，選擇本文的算法進(jìn)行光照差異補(bǔ)償最為有效。

綜上所述，基于顏色空間的差異補(bǔ)償方法，在目標(biāo)特征不變的同時，提高了目標(biāo)的外觀匹配的相似度。從而大幅度提高了算法的實時性和靈活性。