一种基于视网膜视觉机制的彩色图像颜色恒常方法

摘要

一种基于视网膜视觉机制的彩色图像颜色恒常方法，属于图像处理技术领域，涉及彩色图像颜色恒常技术，尤其是一种基于视网膜视觉机制的彩色图像颜色恒常方法。本发明基于目前最新的视觉神经电生理研究成果，模拟人眼的视网膜视觉机制，建立近似感受野单拮抗模型实现色偏彩色图像的颜色恒常。本发明通过国际通用的颜色恒常测试数据库三百多幅不同场景和光照的图像验证，确认提出的算法比现有的颜色恒常算法更为有效；另外，本发明不仅能够实现色偏彩色图像颜色恒常，而且还具有图像颜色的增强功能，更符合人眼视觉特性。

主权项

1、一种基于视网膜视觉机制的彩色图像颜色恒常方法，包括以下步骤：步骤1：设定近似感受野模板大小及确定相应的模型参数；设定3×3像素的近似感受野模板，其中感受野中心区为近似感受野模板的中心像素点，其半径近似为0.5；感受野外周抑制区由近似感受野模板的周围8个像素点构成，即由周围8个抑制亚区构成，感受野外周抑制区的半径近似为设定高斯核函数和的参数步骤2：对原始彩色色偏图像的每一个像素点分别提取红色R、绿色G、蓝色B和黄色Y颜色分量I_R、I_G、I_B和I_Y，并计算各分量的n阶导数I_R⁽ⁿ⁾，I_G⁽ⁿ⁾，I_B⁽ⁿ⁾，I_Y⁽ⁿ⁾，n＝0、1或2；步骤3：利用公式$A_{R1}=A_{R2}=A_{R3}=\sqrt{{\left(I_R^{\left(n\right)}\right)}^2+{\left(I_G^{\left(n\right)}\right)}^2+{\left(I_B^{\left(n\right)}\right)}^2+{\left(I_Y^{\left(n\right)}\right)}^2}/I_R^{\left(n\right)}$$A_{G1}=A_{G2}=A_{G3}=\sqrt{{\left(I_R^{\left(n\right)}\right)}^2+{\left(I_G^{\left(n\right)}\right)}^2+{\left(I_B^{\left(n\right)}\right)}^2+{\left(I_Y^{\left(n\right)}\right)}^2}/I_G^{\left(n\right)}$$A_{B1}=A_{B2}=A_{B3}=\sqrt{{\left(I_R^{\left(n\right)}\right)}^2+{\left(I_G^{\left(n\right)}\right)}^2+{\left(I_B^{\left(n\right)}\right)}^2+{\left(I_Y^{\left(n\right)}\right)}^2}/I_B^{\left(n\right)}$$A_{Y1}=A_{Y2}=A_{Y3}=\sqrt{{\left(I_R^{\left(n\right)}\right)}^2+{\left(I_G^{\left(n\right)}\right)}^2+{\left(I_B^{\left(n\right)}\right)}^2+{\left(I_Y^{\left(n\right)}\right)}^2}/I_Y^{\left(n\right)}$计算出近似感受野模版的各个敏感度参数A_R1、A_R2、A_R3、A_G1、A_G2、A_G3、A_B1、A_B2、A_B3、A_Y1、A_Y2和A_Y3；其中：A_R1表示近似感受野模版中心区的红光敏感度，A_R2表示近似感受野模版中某一抑制亚区对中心区的红光抑制性作用的敏感度，A_R3表示近似感受野模版中另一抑制亚区对某一抑制亚区的红光抑制性作用的敏感度，A_G1表示近似感受野模版中心区的绿光敏感度，A_G2表示近似感受野模版中某一抑制亚区对中心区的绿光抑制性作用的敏感度，A_G3表示近似感受野模版中另一抑制亚区对某一抑制亚区的绿光抑制性作用的敏感度，A_B1表示近似感受野模版中心区的蓝光敏感度，A_B2表示近似感受野模版中某一抑制亚区对中心区的蓝光抑制性作用的敏感度，A_B3表示近似感受野模版中另一抑制亚区对某一抑制亚区的蓝光抑制性作用的敏感度，A_Y1表示近似感受野模版中心区的黄光敏感度，A_Y2表示近似感受野模版中某一抑制亚区对中心区的黄光抑制性作用的敏感度，A_Y3表示近似感受野模版中另一抑制亚区对某一抑制亚区的黄光抑制性作用的敏感度；依据步骤1所确定的近似感受野模板，将原始彩色色偏图像的每一个像素点作为一个近似感受野模型的中心区，与该像素点相邻的周围8个像素点作为近似感受野外周区的8个抑制亚区，按照从左至右、从上到下的顺序依次对每一个近似感受野模型进行下述步骤4至步骤9的操作：步骤4：根据公式$T_{\mathrm{Rc}}=I_{R(x_0,y_0)}{A}_{R1}{G}_1$$T_{\mathrm{Gc}}=I_{G(x_0,y_0)}{A}_{G1}{G}_1$$T_{\mathrm{Bc}}=I_{B(x_0,y_0)}{A}_{B1}{G}_1$$T_{\mathrm{Yc}}=I_{Y(x_0,y_0)}{A}_{Y1}{G}_1$计算出每个近似感受野模型中心区(x₀，y₀)像素点对红、绿、蓝、黄四色光兴奋反应大小T_Rc、T_Gc、T_Bc、T_Yc；其中为中心区(x₀，y₀)像素点上的红光分量，为中心区(x₀，y₀)像素点上的绿光分量，为中心区(x₀，y₀)像素点上的蓝光分量，为中心区(x₀，y₀)像素点上的黄光分量；步骤5：根据公式II_{R[(x，y)-(x+m，y+n)]}＝I_R(x+m，y+n)A_R3G₃II_{G[(x，y)-(x+m，y+n)]}＝I_G(x+m，y+n)A_G3G₃II_{B[(x，y)-(x+m，y+n)]}＝I_B(x+m，y+n)A_B3G₃II_{Y[(x，y)-(x+m，y+n)]}＝I_Y(x+m，y+n)A_Y3G₃计算出每个近似感受野模型外周抑制区内某一抑制亚区(x，y)受到周围另一抑制亚区(x+m，y+n)的红、绿、蓝、黄四色光的抑制性作用强度II_{R[(x，y)-(x+m，y+n)]}、II_{G[(x，y)-(x+m，y+n)]}、II_{B[(x，y)-(x+m，y+n)]}、II_{Y[(x，y)-(x+m，y+n)]}；其中I_R(x+m，y+n)为另一抑制亚区(x+m，y+n)的红光分量，I_G(x+m，y+n)为另一抑制亚区(x+m，y+n)的绿光分量，I_B(x+m，y+n)为另一抑制亚区(x+m，y+n)的蓝光分量，I_Y(x+m，y+n)为另一抑制亚区(x+m，y+n)的黄光分量；m表示另一抑制亚区(x+m，y+n)在x方向上距某一抑制亚区(x，y)的距离，n表示另一抑制亚区(x+m，y+n)在y方向上距某一抑制亚区(x，y)的距离；步骤6：根据公式${\mathrm{II}}_{R(x,y)}=\underset{(x+m,y+n)\in N/(x,y)}{\Sigma }{I}_{R(x+m,y+n)}{A}_{R3}{G}_3$${\mathrm{II}}_{G(x,y)}=\underset{(x+m,y+n)\in N/(x,y)}{\Sigma }{I}_{G(x+m,y+n)}{A}_{G3}{G}_3$${\mathrm{II}}_{B(x,y)}=\underset{(x+m,y+n)\in N/(x,y)}{\Sigma }{I}_{B(x+m,y+n)}{A}_{B3}{G}_3$${\mathrm{II}}_{Y(x,y)}=\underset{(x+m,y+n)\in N/(x,y)}{\Sigma }{I}_{Y(x+m,y+n)}{A}_{Y3}{G}_3$计算出每个近似感受野模型外周抑制区内某一抑制亚区(x，y)受到周围其它所有抑制亚区的红、绿、蓝、黄四色光的抑制性作用强度的线性总和II_R(x，y)、II_G(x，y)、II_B(x，y)、II_Y(x，y)；其中N/(x，y)表示感受野模型外周区中除去(x，y)抑制亚区的其他所有抑制亚区；步骤7：根据公式$T_{\mathrm{RN}}=\underset{(x,y)\in N}{\Sigma }\max \{A_{R2}{G}_2(I_{R(x,y)}-{\mathrm{II}}_{R(x,y)}),0\}$$T_{\mathrm{GN}}=\underset{(x,y)\in N}{\Sigma }\max \{A_{G2}{G}_2(I_{G(x,y)}-{\mathrm{II}}_{G(x,y)}),0\}$$T_{\mathrm{BN}}=\underset{(x,y)\in N}{\Sigma }\max \{A_{B2}{G}_2(I_{B(x,y)}-{\mathrm{II}}_{B(x,y)}),0\}$$T_{\mathrm{YN}}=\underset{(x,y)\in N}{\Sigma }\max \{A_{Y2}{G}_2(I_{Y(x,y)}-{\mathrm{II}}_{Y(x,y)}),0\}$计算出每个近似感受野模型外周抑制区内各抑制亚区对中心区总的红、绿、蓝、黄四色光的抑制性作用强度T_RN、T_GN、T_BN、T_YN；其中N表示感受野模型外周区中所有抑制亚区，max表示二者之中取较大者；步骤8：根据公式T_R＝max(T_Rc-T_GN，0)T_G＝max(T_Gc-T_RN，0)T_B＝max(T_Bc-T_YN，0)T_Y＝max(T_Yc-T_GN，0)计算出每一个感受野模型的红-绿互拮抗输出T_R和T_G，以及蓝-黄互拮抗的输出T_B和T_Y，取T_R、T_G和T_B三个输出作为每个感受野模型中心区(x₀，y₀)像素点的新的红色R、绿色G和蓝色B的分量；步骤9：将步骤8所得的所有中心区像素点的新的红色R、绿色G和蓝色B的分量按像素点一一合成，就得到一幅校正了色偏，即颜色恒常的彩色图像。