光源颜色的确定方法、装置、存储介质及电子设备制造方法及图纸

本申请实施例公开了一种光源颜色的确定方法、装置、存储介质及电子设备。该方法包括：将目标图像输入至机器学习模型，确定目标图像在预测空间中的空间位置；其中预测空间的维度个数是依据光源颜色算法中各参数的可选值数量确定的；根据在预测空间中目标图像的空间位置以及预先确定的样本类的类中心位置，确定匹配样本类；获取匹配样本类的目标维度，并根据所述目标维度确定与目标维度对应的目标参数值；将所述目标参数值代入光源颜色算法计算得到目标图像的光源颜色。通过执行本技术方案，可以实现采用无监督学习方式，在未知样本图像的光源颜色的情况下进行训练，提确定高光源颜色的准确性和易用性，以及增强光源颜色确定方式的适应性的效果。

【技术实现步骤摘要】
光源颜色的确定方法、装置、存储介质及电子设备
本申请实施例涉及图像处理
，尤其涉及一种光源颜色的确定方法、装置、存储介质及电子设备。
技术介绍
在自然环境下，人的视觉系统具有抵制场景中光源颜色变化的能力。比如，对同一个场景，无论是在早晨偏黄的阳光照射下，还是旁晚时分偏红的阳光照射下，我们的视觉系统所感知到的场景的颜色始终保持恒定，这种能力也被称为视觉系统的颜色恒常性。当前常见的光源颜色估计算法包括灰度世界法(GrayWorld)、完美反射法(White-Patch)等，这类方法原理简单、易于实现，但由于基于的假设太强，导致使用场景受限。例如对于灰度世界法，其假设是一幅彩色图像中的所有像素值的统计平均结果是灰色的，当遇到一些如大面积纯色的场景(如大面积黄色、蓝色等)时，这类算法的假设就明显不成立，导致对光源颜色的估计存在严重偏差；完美反射法的假设是画面中高亮区的颜色代表了光源颜色，这在一些光照均匀的场景(无明显高亮区)同样也会失效。因此，如何能够更加精确的确定图片的光源颜色，以及增加确定过程的适用场景，已经成为本领域技术人员亟待解决的技术难题。
技术实现思路
本申请实施例提供一种光源颜色的确定方法、装置、存储介质及电子设备，可以实现采用无监督学习方式，在未知样本图像的光源颜色的情况下进行训练，提确定高光源颜色的准确性和易用性，以及增强光源颜色确定方式的适应性的效果。第一方面，本申请实施例提供了一种光源颜色的确定方法，该方法包括：将目标图像输入至机器学习模型，确定目标图像在预测空间中的空间位置；其中，所述预测空间的维度个数是依据光源颜色算法中各参数的可选值数量确定的；根据在预测空间中目标图像的空间位置以及预先确定的样本类的类中心位置，确定匹配样本类；获取匹配样本类的目标维度，并根据所述目标维度确定与目标维度对应的目标参数值；将所述目标参数值代入光源颜色算法计算得到目标图像的光源颜色。进一步的，所述机器学习模型被设置为采用如下方式处理训练样本：将训练样本集中所有训练样本映射到预测空间中；根据训练样本在预测空间中的空间位置分布，进行聚类运算，得到至少两个样本类，以及每个样本类的类中心；根据预设规则，确定每个样本类的目标维度。进一步的，根据预设规则，确定每个样本类的目标维度，包括：根据各样本类在预测空间当前维度上类间离散度和/或类内离散度，并遍历所有维度，根据各维度上类间离散度和/或类内离散度确定每个样本类的目标维度。进一步的，将所述目标图像输入至预先训练好的机器学习模型，确定目标图像在预测空间中的空间位置，包括：将所述目标图像输入机器学习模型的光源颜色算法，分别代入光源颜色算法中各参数的可选值，得到光源计算值，作为目标图像在预测空间上每个维度的投影值；基于目标图像在预测空间上各维度的投影值，确定在预测空间中的空间位置。进一步的，所述光源颜色算法包括：广义灰度边缘算法。第二方面，本申请实施例提供了一种光源颜色的确定装置，该装置包括：目标图像输入模块，用于将所述目标图像输入至机器学习模型，确定目标图像在预测空间中的空间位置；其中，所述预测空间的维度个数是依据光源颜色算法中各参数的可选值数量确定的；匹配样本类确定模块，用于根据在预测空间中目标图像的空间位置以及预先确定的样本类的类中心位置，确定匹配样本类；目标参数值确定模块，用于获取匹配样本类的目标维度，并根据所述目标维度确定与目标维度对应的目标参数值；光源颜色计算模块，用于将所述目标参数值代入光源颜色算法计算得到目标图像的光源颜色。进一步的，所述装置还包括模型训练模块，用于：训练样本映射单元，用于将训练样本集中所有训练样本映射到预测空间中；样本类确定单元，用于根据训练样本在预测空间中的空间位置分布，进行聚类运算，得到至少两个样本类，以及每个样本类的类中心；目标维度确定单元，用于根据预设规则，确定每个样本类的目标维度。进一步的，根据预设规则，所述目标维度确定单元，具体用于：根据各样本类在预测空间当前维度上类间离散度和/或类内离散度，并遍历所有维度，根据各维度上类间离散度和/或类内离散度确定每个样本类的目标维度。第三方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请实施例所述的光源颜色的确定方法。第四方面，本申请实施例提供了一种电子设备，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本申请实施例所述的光源颜色的确定方法。本申请实施例所提供的技术方案，将目标图像输入至机器学习模型，确定目标图像在预测空间中的空间位置；其中，所述预测空间的维度个数是依据光源颜色算法中各参数的可选值数量确定的；根据在预测空间中目标图像的空间位置以及预先确定的样本类的类中心位置，确定匹配样本类；获取匹配样本类的目标维度，并根据所述目标维度确定与目标维度对应的目标参数值；将所述目标参数值代入光源颜色算法计算得到目标图像的光源颜色。通过采用本申请所提供的技术方案，可以实现提确定高光源颜色的准确性，以及增强光源颜色确定方式的适应性的效果。附图说明图1是本申请实施例一提供的光源颜色的确定方法的流程图；图2是本申请实施例三提供的光源颜色的确定装置的结构示意图；图3是本申请实施例五提供的一种电子设备的结构示意图。具体实施方式下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。颜色恒常性，是一种排除光源颜色的干扰而实现对场景颜色精确感知的能力。获得颜色恒常性对于当前的机器视觉应用，如图像检索、图像分类、目标识别与追踪等，具有重要意义。想要实现机器视觉的颜色恒常性能力，其关键，就是对场景光源颜色的精确估计。然而，在大部分应用情况下，我们很难直接或实时地获取场景光源的颜色信息，可以利用的信息主要就是相机实时拍摄的场景图像。而由Lambertian反射模型可知，相机成像图像的颜色主要由光源颜色、场景反射特性、相机响应特性这三方面因素来决定，虽然相机响应特性可以通过预先的标定来获得，但仅通过图像信息来反推光源颜色在数学上依然属于一个不适定问题(ill-posedproblem)。想要求解该问题，需要外部加入一些限制条件或者假设本文档来自技高网...

【技术保护点】
1.一种光源颜色的确定方法，其特征在于，包括：/n将目标图像输入至机器学习模型，确定目标图像在预测空间中的空间位置；其中，所述预测空间的维度个数是依据光源颜色算法中各参数的可选值数量确定的；/n根据在预测空间中目标图像的空间位置以及预先确定的样本类的类中心位置，确定匹配样本类；/n获取匹配样本类的目标维度，并根据所述目标维度确定与目标维度对应的目标参数值；/n将所述目标参数值代入光源颜色算法计算得到目标图像的光源颜色。/n

【技术特征摘要】
1.一种光源颜色的确定方法，其特征在于，包括：
将目标图像输入至机器学习模型，确定目标图像在预测空间中的空间位置；其中，所述预测空间的维度个数是依据光源颜色算法中各参数的可选值数量确定的；
根据在预测空间中目标图像的空间位置以及预先确定的样本类的类中心位置，确定匹配样本类；
获取匹配样本类的目标维度，并根据所述目标维度确定与目标维度对应的目标参数值；
将所述目标参数值代入光源颜色算法计算得到目标图像的光源颜色。


2.根据权利要求1所述的方法，其特征在于，所述机器学习模型被设置为采用如下方式处理训练样本：
将训练样本集中所有训练样本映射到预测空间中；
根据训练样本在预测空间中的空间位置分布，进行聚类运算，得到至少两个样本类，以及每个样本类的类中心；
根据预设规则，确定每个样本类的目标维度。


3.根据权利要求2所述的方法，其特征在于，根据预设规则，确定每个样本类的目标维度，包括：
根据各样本类在预测空间当前维度上类间离散度和/或类内离散度，并遍历所有维度，根据各维度上类间离散度和/或类内离散度确定每个样本类的目标维度。


4.根据权利要求1所述的方法，其特征在于，将所述目标图像输入至预先训练好的机器学习模型，确定目标图像在预测空间中的空间位置，包括：
将所述目标图像输入机器学习模型的光源颜色算法，分别代入光源颜色算法中各参数的可选值，得到光源计算值，作为目标图像在预测空间上每个维度的投影值；
基于目标图像在预测空间上各维度的投影值，确定在预测空间中的空间位置。


5.根据权利要求4所述的方法，其特征在于，所述光源颜色算法包括：广义灰度边缘算法。

【专利技术属性】
技术研发人员：孙岳，
申请(专利权)人：浙江宇视科技有限公司，
类型：发明
国别省市：浙江;33