一种彩色数字影像色度校正方法及系统技术方案

一种彩色数字影像色度校正方法及系统，包括构建典型色彩样本光谱反射率数据集，在源光源条件下计算数据集中各色彩样本色度信息并以主波长及色纯度为依据进行样本分组，求解目的光源条件下每组子集中各样本的色度信息；分别以源及目标光源条件下各分组样本子集色度信息为输入输出端，拟合构建神经网络；针对源光源下任一色度信息，通过分组判别方法确定对应神经网络，并依此预测其对应目标光源下色度信息。本发明专利技术可保证彩色影像色度信息在不同光照条件下映射的准确性，且实施方便。

【技术实现步骤摘要】
一种彩色数字影像色度校正方法及系统
本专利技术属于彩色数字影像记录与再现
，具体涉及一种基于典型色彩样本光谱反射率数据集的彩色数字影像色度校正方法及系统。
技术介绍
彩色数字影像系统是客观事物信息记录与再现的重要载体之一。在实际应用中，受不同客观环境条件及不同彩色影像设备自身差异性的影响，彩色数字影像色度信息记录与再现的光源条件存在多样性。为保证彩色数字影像信息记录与再现过程中颜色信息的准确性，需要借助特定的色彩校正方法以实现不同光源条件下影像色度信息的准确映射。针对此问题，目前业界最为常用的解决方法为利用色适应变换方法，以实现同一色彩信息在不同光照场景条件下的准确映射。该方法通过模拟人眼色觉适应特性，通过结合不同光源色度信息，实现由原始光源下物体色度信息到目标光源下物体色度信息的模拟预测，进而保证影像客体色彩信息传递的准确性。目前，在彩色数字影像记录与再现领域，业界提出了诸多经典色适应变换方法，如VonKries方法,WrongVonKries方法，Bradford方法,Helson方法,Bartleson方法以及Hunt方法等。参考文献1.H.R.Kang.Computationalcolortechnology[M].SocietyofPhotoOptical，2006.参考文献2.M.R.Luo.Areviewofchromaticadaptationtransforms[J].ReviewofProgressinColorationandRelatedTopics，2000.此类方法通过人眼色觉适应机理的模拟，在一定程度上解决了彩色数字影像系统不同光源条件下色度信息准确映射的问题。然而，由于上述色适应变换方法的构建皆基于人眼视觉心理物理学实验，即上述方法主要以人眼视觉主观匹配为构建基础，故在色度校正的客观准确性方面存在较为明显的缺陷。为此，在目前研究应用领域，已有研究者致力于从客观角度构建色度校正方法，以实现更高精度的彩色数字影像色度校正，如参考文献3所述。参考文献3.RokKreslinetal.LinearChromaticAdaptationTransformBasedonDelaunayTriangulation[J].MathematicalProblemsinEngineering，2014.然而，受理论方法水平等主客观因素的制约，上述客观方法在色度校正准确性方面同样存在诸如饱和色彩区域误差过大等较为明显的缺陷。针对以上问题，目前学术界与工业界尚未提出相应解决方法，以实现不同照明场景条件下影像色彩色度信息的准确映射与传递。
技术实现思路
本专利技术的目的是为了解决
技术介绍
中所述问题，提出一种基于典型色彩样本光谱反射率数据集的彩色数字影像色度校正方法及系统。本专利技术的技术方案为提供一种彩色数字影像色度校正方法，包括以下步骤：步骤1，选取M个典型色彩样本，以各典型色彩样本可见光范围内的光谱反射率数据构成典型色彩样本光谱反射率数据集Gs；步骤2，以步骤1中各典型色彩样本的光谱反射率数据为基础，利用如下色度学公式分别计算各样本在源光源Ls条件下的色度信息，并组成典型色彩样本色度数据集Gc，X＝k∫x(λ)E(λ)S(λ)dλ,Y＝k∫y(λ)E(λ)S(λ)dλ,Z＝k∫z(λ)E(λ)S(λ)dλ,k＝100/[∫y(λ)E(λ)dλ],其中，X、Y、Z表示色度三刺激值，λ表示可见光各波段波长；x(λ)、y(λ)、z(λ)为人眼视觉匹配函数，照明光源E(λ)采用源光源Ls相应的相对光谱功率分布曲线，颜色物体光谱反射率S(λ)采用样本相应可见光范围内的光谱反射率数据，k为参数；步骤3，计算典型色彩样本色度数据集Gc中各样本主波长及色纯度信息，以主波长为分组依据对典型色彩样本色度数据集Gs进行首次分组，随后以色纯度为分组依据对首次分组所得集合进行二次分组，记最终分组数量为T，得到T个子集；步骤4，针对步骤3二次分组后所得典型色彩样本色度数据集Gs的T个子集，分别以目的光源Lt为照明光源E(λ)，利用步骤2中所述色度学公式求解目的光源Lt条件下子集中各样本的色度信息；步骤5，针对各子集，分别以步骤3分组所得该子集的源光源Ls条件下各样本色度信息为输入端，以步骤4求解所得该子集的目的光源Lt条件下各样本色度信息为输出端，训练相应的BP神经网络；步骤6，针对源光源条件下某一色度信息Cs，计算主波长与色纯度信息，根据步骤3的分组方式，确定对应的子集及BP神经网络，并利用该BP神经网络预测色度信息Cs在目的光源条件下所对应的色度信息Ct。而且，步骤3中以主波长对数据集Gs进行首次分组时将主波长为负值的所有样本作为一组，之后将其它样本以主波长为依据进行平均分组；随后将上述首次分组所得所有分组子集以色纯度为二次分组依据，进行平均分组。本专利技术提供一种彩色数字影像色度校正系统，包括以下模块：典型色彩样本光谱数据集构建模块，用于选取M个典型色彩样本，以各典型色彩样本可见光范围内的光谱反射率数据构成典型色彩样本光谱反射率数据集Gs；典型色彩样本色度数据集计算模块，用于以典型色彩样本光谱数据集构建模块中各典型色彩样本的光谱反射率数据为基础，利用如下色度学公式分别计算各样本在源光源Ls条件下的色度信息，并组成典型色彩样本色度数据集Gc，X＝k∫x(λ)E(λ)S(λ)dλ,Y＝k∫y(λ)E(λ)S(λ)dλ,Z＝k∫z(λ)E(λ)S(λ)dλ,k＝100/[∫y(λ)E(λ)dλ],其中，X、Y、Z表示色度三刺激值，λ表示可见光各波段波长；x(λ)、y(λ)、z(λ)为人眼视觉匹配函数，照明光源E(λ)采用源光源Ls相应的相对光谱功率分布曲线，颜色物体光谱反射率S(λ)采用样本相应可见光范围内的光谱反射率数据，k为参数；数据集分组模块，用于计算典型色彩样本色度数据集Gc中各样本主波长及色纯度信息，以主波长为分组依据对典型色彩样本色度数据集Gs进行首次分组，随后以色纯度为分组依据对首次分组所得集合进行二次分组，记最终分组数量为T，得到T个子集；分组子集色度信息求解模块，用于针对数据集分组模块二次分组后所得典型色彩样本色度数据集Gs的T个子集，分别以目的光源Lt为照明光源E(λ)，利用所述色度学公式求解目的光源Lt条件下子集中各样本的色度信息；神经网络训练模块，用于针对各子集，分别以数据集分组模块分组所得该子集的源光源Ls条件下各样本色度信息为输入端，以分组子集色度信息求解模块求解所得该子集的目的光源Lt条件下各样本色度信息为输出端，训练相应的BP神经网络；色度校正模块，用于针对源光源条件下某一色度信息Cs，计算主波长与色纯度信息，根据数据集分组模块的分组方式，确定对应的子集及BP神经网络，并利用该BP神经网络预测色度信息Cs在目的光源条件下所对应的色度信息Ct。而且，数据集分组模块中以主波长对数据集Gs进行首次分组时将主波长为负值的所有样本作为一组，之后将其它样本以主波长为依据进行平均分组；随后将上述首次分组所得所有分组子集以色纯度为二次分组依据，进行平均分组。本专利技术提出的一种基于典型色彩样本光谱反射率数据集的彩色数字影像色度校正技术方案，在确定典型色彩样本光谱反射率数据集以及色度校正源与目的光源的前提下，本文档来自技高网...

【技术保护点】
一种彩色数字影像色度校正方法，其特征在于，包括以下步骤：步骤1，选取M个典型色彩样本，以各典型色彩样本可见光范围内的光谱反射率数据构成典型色彩样本光谱反射率数据集Gs；步骤2，以步骤1中各典型色彩样本的光谱反射率数据为基础，利用如下色度学公式分别计算各样本在源光源Ls条件下的色度信息，并组成典型色彩样本色度数据集Gc，X＝k∫x(λ)E(λ)S(λ)dλ,Y＝k∫y(λ)E(λ)S(λ)dλ,Z＝k∫z(λ)E(λ)S(λ)dλ,k＝100/[∫y(λ)E(λ)dλ],其中，X、Y、Z表示色度三刺激值，λ表示可见光各波段波长；x(λ)、y(λ)、z(λ)为人眼视觉匹配函数，照明光源E(λ)采用源光源Ls相应的相对光谱功率分布曲线，颜色物体光谱反射率S(λ)采用样本相应可见光范围内的光谱反射率数据，k为参数；步骤3，计算典型色彩样本色度数据集Gc中各样本主波长及色纯度信息，以主波长为分组依据对典型色彩样本色度数据集Gs进行首次分组，随后以色纯度为分组依据对首次分组所得集合进行二次分组，记最终分组数量为T，得到T个子集；步骤4，针对步骤3二次分组后所得典型色彩样本色度数据集Gs的T个子集，分别以目的光源Lt为照明光源E(λ)，利用步骤2中所述色度学公式求解目的光源Lt条件下子集中各样本的色度信息；步骤5，针对各子集，分别以步骤3分组所得该子集的源光源Ls条件下各样本色度信息为输入端，以步骤4求解所得该子集的目的光源Lt条件下各样本色度信息为输出端，训练相应的BP神经网络；步骤6，针对源光源条件下某一色度信息Cs，计算主波长与色纯度信息，根据步骤3的分组方式，确定对应的子集及BP神经网络，并利用该BP神经网络预测色度信息Cs在目的光源条件下所对应的色度信息Ct。...

【技术特征摘要】
1.一种彩色数字影像色度校正方法，其特征在于，基于典型色彩样本光谱反射率数据集实现色度校正，包括以下步骤：步骤1，选取M个典型色彩样本，以各典型色彩样本可见光范围内的光谱反射率数据构成典型色彩样本光谱反射率数据集Gs；步骤2，以步骤1中各典型色彩样本的光谱反射率数据为基础，利用如下色度学公式分别计算各样本在源光源Ls条件下的色度信息，并组成典型色彩样本色度数据集Gc，X＝k∫x(λ)E(λ)S(λ)dλ,Y＝k∫y(λ)E(λ)S(λ)dλ,Z＝k∫z(λ)E(λ)S(λ)dλ,k＝100/[∫y(λ)E(λ)dλ],其中，X、Y、Z表示色度三刺激值，λ表示可见光各波段波长；x(λ)、y(λ)、z(λ)为人眼视觉匹配函数，照明光源E(λ)采用源光源Ls相应的相对光谱功率分布曲线，颜色物体光谱反射率S(λ)采用样本相应可见光范围内的光谱反射率数据，k为参数；步骤3，计算典型色彩样本色度数据集Gc中各样本主波长及色纯度信息，以主波长为分组依据对典型色彩样本光谱反射率数据集Gs进行首次分组，随后以色纯度为分组依据对首次分组所得集合进行二次分组，记最终分组数量为T，得到T个子集；步骤4，针对步骤3二次分组后所得典型色彩样本光谱反射率数据集Gs的T个子集，分别以目的光源Lt为照明光源E(λ)，利用步骤2中所述色度学公式求解目的光源Lt条件下子集中各样本的色度信息；步骤5，针对各子集，分别以步骤3分组所得该子集的源光源Ls条件下各样本色度信息为输入端，以步骤4求解所得该子集的目的光源Lt条件下各样本色度信息为输出端，训练相应的BP神经网络；步骤6，针对源光源条件下某一色度信息Cs，计算主波长与色纯度信息，根据步骤3的分组方式，确定对应的子集及BP神经网络，并利用该BP神经网络预测色度信息Cs在目的光源条件下所对应的色度信息Ct。2.根据权利要求1所述彩色数字影像色度校正方法，其特征在于：步骤3中以主波长对典型色彩样本光谱反射率数据集Gs进行首次分组时将主波长为负值的所有样本作为一组，之后将其它样本以主波长为依据进行平均分组；随后将上述首次分组所得所有分组子集以色纯度为二次分组依据，进行平均分组。3.一种彩色数字影像色度校正系统，其特征在于，用于基于典型色彩样本光谱反射率数据集实现色度校...

【专利技术属性】
技术研发人员：刘强，万晓霞，滕冲，郝佳，梁金星，李俊锋，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42