基于生成对抗网络的图像颜色校正方法
发布时间：2021-01-04 04:20
图像处理最重要的依据是图像的颜色信息。由于成像设备和光照环境的差异性,拍摄到的图像颜色与实际人类视觉系统感知的颜色会有一定的偏差。然而这种颜色偏差会影响图像分析结果的准确性。因此,颜色校正显得尤为重要。颜色校正属于颜色恒常性问题。针对成像设备对光照条件异常敏感导致采集到的图像颜色特征大幅变化的问题,本文运用传统的颜色校正算法对图像的颜色进行校正。采用的传统颜色校正算法包括灰度世界算法和视网膜算法,其中视网膜算法又包括SSR（Single Scale Retinex）、MSR（Multi Scale Retinex）和MSRCR（Multi Scale Retinex with Color Restore）。本文利用几种不同的传统颜色校正算法分别对含雾图像、低照度图像进行颜色校正,通过对比度、平均梯度、信息熵以及无参考图像质量评价NR-IQA（No-Reference Image Quality Assessment）几种不同的客观图像质量评价标准,对校正后的图像进行评价。通过客观评价结果得出具有色彩恢复因子的MSRCR算法优于其他算法,因为图像的细节信息保留得最完整,更加符合真实场景的...
【文章来源】：山东师范大学山东省
【文章页数】：50 页
【学位级别】：硕士
【部分图文】：
人眼成像过程
) ( , )rr rI x y k I x y （3-5）( , ) ( , )gg gI x y k I x y （3-6）( , ) ( , )bb bI x y k I x y （3-7）3.2 视网膜算法视网膜[24]算法由 Land 于 1963 年提出，Retinex 是视网膜（Retina）和大脑皮层（Cortex）两个单词的组合。视网膜算法具有动态范围压缩和颜色恒常性，物体的颜色与光源强度的绝对值没有关系，而是由物体对光线的反射能力决定的。该算法经常被用于解决图像处理的问题。物体反射光线的能力是该算法重要的理论基础。在视网膜理论中入射图像、反射图像以及人眼接收到的图像分别为 L ( x , y )、R ( x , y )、 I ( x , y )，接收到的图像是入射图像和反射图像的乘积，即：I ( x , y ) L ( x , y ) R ( x , y)（3-8）原理图如图所示：
该算法经常被用于解决图像处理的问题。物体反射光线的能力是该算法重要的理论基础。在视网膜理论中入射图像、反射图像以及人眼接收到的图像分别为 L ( x , y )R ( x , y )、 I ( x , y )，接收到的图像是入射图像和反射图像的乘积，即：I ( x , y ) L ( x , y ) R ( x , y)（3-8原理图如图所示：图 3-1 原理示意图视网膜算法处理流程图如下所示：
本文编号：2956138
【文章来源】：山东师范大学山东省
【文章页数】：50 页
【学位级别】：硕士
【部分图文】：
人眼成像过程
) ( , )rr rI x y k I x y （3-5）( , ) ( , )gg gI x y k I x y （3-6）( , ) ( , )bb bI x y k I x y （3-7）3.2 视网膜算法视网膜[24]算法由 Land 于 1963 年提出，Retinex 是视网膜（Retina）和大脑皮层（Cortex）两个单词的组合。视网膜算法具有动态范围压缩和颜色恒常性，物体的颜色与光源强度的绝对值没有关系，而是由物体对光线的反射能力决定的。该算法经常被用于解决图像处理的问题。物体反射光线的能力是该算法重要的理论基础。在视网膜理论中入射图像、反射图像以及人眼接收到的图像分别为 L ( x , y )、R ( x , y )、 I ( x , y )，接收到的图像是入射图像和反射图像的乘积，即：I ( x , y ) L ( x , y ) R ( x , y)（3-8）原理图如图所示：
该算法经常被用于解决图像处理的问题。物体反射光线的能力是该算法重要的理论基础。在视网膜理论中入射图像、反射图像以及人眼接收到的图像分别为 L ( x , y )R ( x , y )、 I ( x , y )，接收到的图像是入射图像和反射图像的乘积，即：I ( x , y ) L ( x , y ) R ( x , y)（3-8原理图如图所示：图 3-1 原理示意图视网膜算法处理流程图如下所示：
本文编号：2956138
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2956138.html
