基于局部置信度与上下文信息的颜色恒常性计算研究

发布时间：2021-06-09 01:00

　　颜色恒常性计算的目的是消除图像场景中光照变化带来的影响,主要涉及两个阶段:一是估计图像场景中的光源颜色,二是利用估计结果校正图像。一些先进的算法采样局部图像块进行光源颜色估计,最后通过简单的池化方式（例如均值池化或中值池化）得到全局估计结果,不准确的局部估计很可能会影响全局估计结果。现有的图像块采样方法主要是基于随机采样或网格采样的方式,忽略了各像素的颜色值对光源颜色估计的影响。此外,行为研究表明图像空间中的上下文信息可以帮助人们提升颜色恒常性表达的一致性,现有方法往往忽略了上下文信息对颜色恒常性计算的作用。针对上述问题,本文开展基于局部置信度和上下文信息的颜色恒常性计算研究,主要研究内容如下:（1）阐述了颜色恒常性计算的相关背景以及研究现状,分析了本课题的研究意义,并介绍了颜色恒常性计算的基本理论和相关算法原理。（2）为获取与光源颜色信息有关的图像块,本文设计了一种基于亮暗像素的图像块采样方法,该方法能获取包含颜色梯度信息的图像块。进一步,在VGG-16网络结构基础上,构建基于局部图像块的光源颜色估计基准模型。实验验证了所提方法的有效性。（3）为有效整合所采样图像块的局部特征,考虑到... 

【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

不同颜色的光源对测量图像值影响图示

第一章 绪论Cheng 等人 2014 年的研究[25]表明，不能从颜色分布中获得的信息，在空间信息中也无法直接获取这些信息；空间信息只能间接帮助获取对估计光照有利的颜色信息。具体的来说，该方法在图像中的像素点中根据投影距离选择亮暗像素，通过主成分分析（Principal Components Analysis, PCA）得到所估计光照的方向，具体流程如图 1.2 所示。该方法主要依赖于图像场景中较大的颜色梯度，同时不依赖于图像场景中的内容。与同时代基于学习的颜色恒常性算法相比，该算法在精度不差于这些算法的同时，计算速度非常快，更具有实用性。并且该算法对亮暗像素的研究，对基于图像块的颜色恒常性算法有很大的启发。

的局部光源估计网络及其优化方法。全文共有五个章节，结构如图 1.3 所示，详情如下：第一章 绪论，本章介绍了颜色恒常性计算的研究背景和意义，概述了颜色恒常性计算的研究现状，概括了本文的主要研究内容和组织结构。第二章 颜色恒常性计算的基本理论，概述了颜色恒常性计算的常用方法光源颜色估计的前提假设，图像校正方法，常用数据集以及性能评价标准。第三章 基于局部置信度的光源颜色估计算法，本章首先详细阐述了亮暗像素的选取方法以及图像块的选取方法；其次，介绍了 VGG-16 深度卷积神经网络模型；接着介绍了局部光源颜色估计的基准网络，然后介绍置信度网络及置信度池化的局部到全局回归方式；最后通过实验验证相关方法的有效性。第四章 基于局部上下文信息的光源颜色估计算法，受人眼视觉感知机制启发，本章首先引入上下文信息进行的光源颜色估计；接着利用两阶段的连续优化网络，对初步的估计结果进行进一步调整；最后进行试验分析。第五章 总结与展望，本章总结了主要研究内容以及所提方法的优缺点，同时指出下一步研究的方向。

【参考文献】：
博士论文
[1]自然图像的颜色恒常性计算研究[D]. 鹿瑞.北京交通大学 2010
[2]颜色恒常性计算研究[D]. 李兵.北京交通大学 2009



本文编号：3219581