一种基于分类校正的彩色图像光源颜色估计方法

摘要

本发明公开了一种基于分类校正的彩色图像光源颜色估计方法，首先在一组已知光源颜色的图像上提取图像的边缘特征，然后通过最小二乘法进行学，得到边缘特征与光源之间的校正矩阵，再对待处理的测试图像提取边缘特征并与校正矩阵相乘，得到粗略的光源估计；之后通过在特征空间寻找K幅邻近图像的方式找到与待处理测试图像特征相近的一类训练图像，从而重新学，得到精准的光源估计。本发明涉及参数少，并且由于提取的特征简单且数量较少，所以还拥有计算简单、速度快等特点；此外，本发明是基于学的方法，所以处理效果好，精确度高，非常适合于对光源颜色的估计准确度要求比较高的场合。

主权项

一种基于分类校正的彩色图像光源颜色估计方法，其特征在于，包括以下步骤：S1、提取训练图像的边缘特征：将N幅已知光源的彩色图像作为原始训练集T，分别与高斯分布求导后的模板G做卷积运算，得到图像每个像素点对应的边缘值，提取边缘特征，得到N幅训练图像的边缘特征矩阵M；S2、学习校正矩阵：通过最小二乘法，学习由步骤S1计算得到的特征矩阵M与N幅训练图像的标准光源L之间的校正矩阵C；S3、粗略的光源估计：采用步骤S1中的方法提取测试图像的边缘特征，与步骤S2学习得到的校正矩阵C相乘，得到粗略的光源估计结果L1；S4、寻找与测试图像相对应的训练图像：对测试图像与原始训练集T分别去除光源，再采用S1中的方法分别提取边缘特征，形成特征空间；在特征空间中找出与测试图像特征相近的K幅训练图像，将其作为新的训练集TN；S5、精准的光源估计：重复步骤S1‑S4，每次将步骤S1中的训练集T替换为步骤S4中得到的新的训练集TN，训练图像数也相应的由N变为K，直到步骤S4中得到的TN与上一次操作中步骤S4得到的TN相同为止，把最后一次操作中步骤S3得到的光源估计结果L1作为最终光源估计结果。