本發(fā)明涉及一種星地一體化面陣相機色彩校正方法，尤其是針對星載相機原始圖像的色彩校正方法，能夠最大程度的還原原始圖像真實色彩信息?？蓮V泛應用于彩色面陣星載相機上，可以快速準確的獲得未知空間的色彩信息，增強地面圖形分析的準確度和魯棒性，對于深空探測領域具有廣泛的應用前景。
背景技術：
面陣成像相機在不同的光照條件和環(huán)境條件，采集的圖像的顏色與物體真實顏色之間存在一定程度的偏差。這種偏差將會影響后續(xù)圖像分析的準確度和魯棒性。在航天應用領域，由于太空環(huán)境和光照條件等的特殊性，對星載相機色彩的還原影響更為突出。
顏色校正算法一直以來都是成像領域的研究的熱點，也已經取得了一定的進展。較為經典的算法有灰度世界算法(Gray World Method,GWM)和完美反射算法(Prefect Reflector Method,PRM)。
灰度世界算法以灰度世界假設為前提，認為對于有著豐富色彩的圖像，R、G、B三種色彩分量的平均灰度值趨于同一個灰度值。因此，灰度世界算法存在很大的局限性，當圖像中顏色數量少或色彩較為單一時，該算法就會失效。完美反射法假設場景中最亮的部分反射了入射光，認為場景中含有能夠完全反射RGB三分量的物體，并將得到的反射最大值(Rmax、Gmax、Bmax)作為白色物體(光源)的顏色，以此為標準進行顏色校正。當被拍攝場景中沒有符合反射條件的物體出現(xiàn)，那么根據這個方法所估計的白色物體(光源)的顏色就會有較大偏差。以上兩種方法都會受到物體表面屬性、光源特性、成像設備的光敏特性等條件的限制，對色彩校正的精度帶來影響。
技術實現(xiàn)要素：
本發(fā)明所解決的技術問題：克服現(xiàn)有技術的不足，提供一種星地一體化面陣相機色彩校正方法，采用兩級校正的方式，校正了相機的固有色彩失真，并能夠適應環(huán)境的不同變化，采用基于Lab顏色空間的算法，與設備特性無關，使得校正更準確。
本發(fā)明的技術方案是：一種星地一體化面陣相機色彩校正方法，包括如下步驟：
步驟1：將星載相機在地面采用24色標準色板進行色彩標定，計算并保存顏色校正系數；
步驟2：在軌應用時，星載相機拍照獲取原始圖像；
步驟3：根據步驟1獲取的顏色校正系數對星載相機拍照獲取的原始圖像進行圖像色彩校正；
步驟4：將校正后的圖像由RGB顏色空間轉換到Lab顏色空間，得到Lab顏色空間的圖像I1；
步驟5：計算圖像I1在Lab顏色空間上的等效圓參數及偏色因子K：
K＝D/R，
其中，M、N分別為圖像的高和寬，aij、bij為Lab顏色空間圖像I1的第i行，第j列的a、b分量，da、db為Lab顏色空間圖像I1等效圓中心坐標，D為Lab顏色空間圖像I1等效圓中心距,Ra、Rb為Lab顏色空間圖像I1的a、b分量的標準差，R為Lab顏色空間圖像I1等效圓半徑，K為偏色因子；
如果K≤1，則圖像顏色較好，不需要進一步校正，退出本方法；如果K>1，則進如步驟6；
步驟6：將步驟2獲取的原始圖像由RGB顏色空間轉換到Lab顏色空間，計算其在Lab顏色空間上的等效圓參數R'a、R'b：
其中，a’ij、b’ij為原始圖像Lab顏色空間圖像第i行，第j列的a、b分量，d’a、d’b為原始圖像Lab顏色空間等效圓中心坐標,R’a、R’b為原始圖像Lab顏色空間a、b分量的標準差。
步驟7：計算獲得Lab顏色空間色彩初始校正系數：
步驟8：計算獲得加權修正系數：
其中avr表示求各參數的平均值；
步驟9：計算獲得Lab顏色空間色彩最終校正系數：
Ca＝C1a×Pa，Cb＝C1b×Pb；
步驟10：對步驟4獲得的Lab顏色空間的圖像I1進行色彩修正：
a″ij＝aij-Ca，b″ij＝bij-Cb；
其中a″ij、b″ij為修正后的Lab顏色空間圖像I1的第i行，第j列的a、b分量；
步驟11：對步驟10獲得的修正后的Lab顏色空間的圖像進行顏色空間轉換，獲得RGB顏色空間的圖像。
本發(fā)明與現(xiàn)有技術相比的優(yōu)點在于：本發(fā)明首先采用標準24色色板對相機進行了一級顏色校正，修正了由于傳感器、鏡頭等對光源濾波造成的顏色失真。再采用基于Lab顏色空間的顏色校正方法對在軌圖像進行二級校正，對環(huán)境和光照的偏差進行了補償。相較于現(xiàn)有技術而言，基于Lab顏色空間的色彩計算與設備無關，不會受到場景或者先驗知識的局限，兩級校正提高了計算的魯棒性和普適性，具有應用范圍廣，計算簡單等特點。
附圖說明
圖1為本發(fā)明方法計算流程。
具體實施方式
下面結合附圖1對本發(fā)明做進一步的詳細描述。
步驟1：將星載相機在地面測試階段采用24色標準色板進行色彩標定，計算并保存顏色校正系數；基于24色標準色板的色彩標定為通用算法，獲得的校正系數形式如下：
其中，Kr1～3、Kb1～3、Kc1～3為RGB顏色空間RGB顏色校正矩陣系數。
步驟2：在軌應用時，星載相機在軌拍照獲取原始圖像；
步驟3：根據步驟1獲取的顏色校正系數對獲取的圖像進行初級色彩校正；
其中，R’、G’、B’表示RGB顏色空間的原始圖像，R、G、B為初級校正后的圖像。
步驟4：將校正后的圖像由RGB顏色空間轉換到Lab顏色空間，得到Lab顏色空間的圖像I1，公式如下：
L＝0.0834R+0.2805G+0.00283B
a＝1.4727*(0.2213R-0.3390G+0.1177B)
b＝0.625*(0.1949R+0.6057G-0.8006B)
步驟5：計算圖像I1在Lab顏色空間上的等效圓參數及偏色因子K：
K＝D/R，
其中，M、N分別為圖像的高和寬，aij、bij為Lab顏色空間圖像I1的第i行，第j列的a、b分量，da、db為Lab顏色空間等效圓中心坐標，D為等效圓中心距,Ra、Rb為Lab顏色空間圖像I1的a、b分量的標準差，R為Lab顏色空間等效圓半徑，K為偏色因子；
如果K≤1，則圖像顏色較好，不需要進一步校正，如果K>1，則需要對圖像進行二級色彩修正，需進行下述步驟：
步驟6：將步驟2獲取的原始圖像由RGB顏色空間轉換到Lab顏色空間，計算其在Lab顏色空間上的等效圓參數R'a、R'b：
其中，a’ij、b’ij為原始圖像Lab顏色空間圖像第i行，第j列的a、b分量，d’a、d’b為原始圖像Lab顏色空間等效圓中心坐標,R’a、R’b為原始圖像Lab顏色空間a、b分量的標準差。
步驟7：計算Lab顏色空間色彩初始校正系數：
步驟8：計算加權修正系數：
其中avr表示求各參數的平均值，
步驟9：計算Lab顏色空間色彩最終校正系數：
Ca＝C1a×Pa，Cb＝C1b×Pb
步驟10：對步驟4獲得的Lab顏色空間的圖像I1進行色彩修正：
a″ij＝aij-Ca，b″ij＝bij-Cb；
其中a″ij、b″ij為修正后的Lab顏色空間圖像I1的第i行，第j列的a、b分量；
步驟11：對步驟10獲得的Lab顏色空間的圖像進行顏色空間轉換，獲得最終的RGB顏色空間的圖像。
本發(fā)明說明書中未作詳細描述的內容屬本領域技術人員的公知技術。