深度残差学习下的光源颜色估计
目的 颜色恒常性通常指人类在任意光源条件下正确感知物体颜色的自适应能力,是实现识别、分割、3维视觉等高层任务的重要前提.对图像进行光源颜色估计是实现颜色恒常性计算的主要途径之一,现有光源颜色估计方法往往因局部场景的歧义颜色导致估计误差较大.为此,提出一种基于深度残差学习的光源颜色估计方法.方法 将输入图像均匀分块,根据局部图像块的光源颜色估计整幅图像的全局光源颜色.算法包括光源颜色估计和图像块选择两个残差网络:光源颜色估计网络通过较深的网络层次和残差结构提高光源颜色估计的准确性;图像块选择网络按照光源颜色估计误差对图像块进行分类,根据分类结果去除图像中误差较大的图像块,进一步提高全局光源颜色估计精度.此外,对输入图像进行对数色度预处理,可以降低图像亮度对光源颜色估计的影响,提高计算效率.结果 在NUS-8和重处理的ColorChecker数据集上的实验结果表明,本文方法的估计精度和稳健性较好;此外,在相同条件下,对数色度图像比原始图像的估计误差低10％～15％,图像块选择网络能够进一步使光源颜色估计网络的误差降低约5％.结论 在两组单光源数据集上的实验表明,本文方法的总体设计合理有效,算法精度和稳健性好,可应用于需要进行色彩校正的图像处理和计算机视觉等领域.
视觉光学、颜色恒常性、光源颜色估计、深度残差学习、对数色度
24
TP391.41(计算技术、计算机技术)
国家自然科学基金项目61876057,61403116
2020-03-18（万方平台首次上网日期，不代表论文的发表时间）
共15页
2111-2125
