土壤图像的亮度可控迁移方法技术

本发明专利技术提供的一种土壤图像的亮度可控迁移方法，包括以下步骤：S1.获取目标土壤的图像信息，基于Retinex理论将土壤图像分解成亮度层和反射率层，并确定出土壤图像中每个像素的在RGB颜色空间中的亮度，并基于像素的亮度组成亮度矩阵；S2.构建亮度优化目标模型，S3.基于亮度优化目标模型求解出土壤图像的像素(x,y)的亮度估计值并基于亮度估计值确定出土壤图像像素(x,y)的反射率R

【技术实现步骤摘要】
土壤图像的亮度可控迁移方法


[0001]本专利技术涉及一种土壤图像处理方法，尤其涉及一种土壤图像的亮度可控迁移方法。

技术介绍

[0002]对于土壤的土种识别大多基于机器学习实现，即将目标土壤的图像信息输入至训练好的识别网络中进行识别处理，从而输出相应的土种分类。
[0003]在将土壤图像输入至识别网络之前需要对土壤图像进行预处理，尤其是亮度的处理，这是保证最后土种准确分类识别的关键，现有技术中一般采用LR3M(Low
‑
Rank Regularized Retinex Model算法的简写)亮度增强算法或者采用LIME亮度增强算法来实现，但是，现有的算法存在以下缺陷：
[0004]如图2(b)所示：图2中的(a)为原始图像，图2(b)是利用LR3M亮度增强算法对原始图像进行亮度处理后的结果，该算法用三个通道的平均值来定义图像亮度，分别计算三个通道的反射率L，然后对L进行伽马增强，得到增强的图像，由于图像的亮度L是以三个通道的平均值来定义的，反射率R可能大于1，这将导致图像的一些像素被过度增强，出现白点，从而影响最终的土种识别。
[0005]如图2(c)所示：图2(c)是利用LIME亮度增强算法对原始图像进行亮度处理后的结果，该算法用图像的最大通道来定义图像的亮度L，也导致了同样的结果，因为一些像素的反射率R的值在其亮度L被平滑化后大于1，同样也出现了白点，从而导致最终土种识别结果的精确度差。
[0006]因此，为了解决上述技术问题，亟需提出一种新的技术手段。
>
技术实现思路

[0007]有鉴于此，本专利技术的目的是提供一种土壤图像的亮度可控迁移方法，能够对土壤图像的亮度进行平滑以及对反射率进行范围约束，从而有效避免亮度迁移过程中对纹理的影响，从而能够有效确保最终土壤图像亮度迁移结果的准确性，从而有效防止亮度过度增强，确保后续土种识别的精度，且算法过程相对于现有技术更加简洁，效率高。
[0008]本专利技术提供的一种土壤图像的亮度可控迁移方法，包括以下步骤：
[0009]S1.获取目标土壤的图像信息，基于Retinex理论将土壤图像分解成亮度层和反射率层，并确定出土壤图像中每个像素的在RGB颜色空间中的亮度，并基于像素的亮度组成亮度矩阵；
[0010]S2.构建亮度优化目标模型：
[0011][0012]其中：m和n表示图像的高度和宽度，L(x,y)表示土壤图像的像素(x,y)的初始亮
度，为土壤图像的像素(x,y)的亮度估计值；W
v
(x,y)为图像水平方向的平滑权重矩阵W
v
中对应于像素(x,y)的值，W
h
(x,y)为竖直方向上的平滑权重矩阵W
h
中对应于像素(x,y)的值，α为平衡权重，和分别表示图像水平和竖直方向的亮度梯度；
[0013]S3.基于亮度优化目标模型求解出土壤图像的像素(x,y)的亮度估计值并基于亮度估计值确定出土壤图像像素(x,y)的反射率R
c
(x,y)；c表示土壤图像的RGB颜色通道，c＝r,g,b；
[0014]S4.构建基于伽马变换的亮度迁移模型，并对伽马变换的亮度迁移模型的伽马因子γ进行优化，基于伽马变换的亮度迁移模型确定出亮度迁移后像素(x,y)的亮度值L
m
(x,y)；
[0015]S5.基于亮度迁移后亮度值L
m
(x,y)和反射率R
c
(x,y)合成亮度迁移后的土壤图像。
[0016]进一步，步骤S3中，通过如下方法求解出土壤图像的像素(x,y)的亮度估计值
[0017]S301.将亮度优化目标模型转换成矩阵形式：
[0018][0019]其中：为亮度估计值所构成的亮度估计矩阵的列向量，L为土壤图像的初始亮度值所构成的初始亮度矩阵L'的列向量，D
h
为土壤图像竖直方向上具有正向差分的离散梯度算子，D
v
为土壤图像水平方向上具有正向差分的离散梯度算子，W
h
'为竖直方向上的平滑权重矩阵W
h
矢量化形式，W
v
'为图像水平方向的平滑权重矩阵W
v
的矢量化形式，Diag(W
h
')为以W
h
'构建的对角矩阵，Diag(W
v
')为以W
v
'构建的对角矩阵；
[0020]S302.将公式(2)对求偏导数并令偏导数等于0：
[0021][0022]对公式(3)进行化简得：
[0023][0024]其中：1是mn*mn的单位矩阵；
[0025]S303.对公式(4)进行k次迭代计算：
[0026][0027]其中：
[0028]k≥2；ε为设定常数；
[0029]迭代的终止条件为：其中：θ1是控制迭代的阈值。
[0030]进一步，步骤S3中，反射率R
c
(x,y)通过如下方法确定：
[0031]其中：I
c
(x,y)为像素(x,y)在RGB颜色空间中第c个颜色通道的初始亮度。
[0032]进一步，基于伽马变换的亮度迁移模型确定出亮度迁移后像素(x,y)的亮度值L
m
(x,y)具体包括：
[0033]确定像素(x,y)的领域点集合NP(x,y)：
[0034]NP(x,y)＝{(x+1,y),(x
‑
1,y),(x,y+1),(x,y
‑
1)}；
[0035]确定像素(x,y)的领域信息NF(x,y)：
[0036][0037]构建基于伽马变换的亮度迁移模型并进行亮度迁移：
[0038]当亮度增强时：
[0039][0040]当亮度减弱时：
[0041]其中：A为控制输出值范围的常数；
[0042]基于伽马变换的亮度迁移模型对图像中的各个像素点进行亮度迁移处理。
[0043]进一步，步骤S4中，伽马因子γ优化采用如下伽马因子优化模型实现：
[0044][0045]对伽马因子优化模型进行迭代求解，得到最优的伽马因子γ；为设定的亮度偏移量，，H和W表示土壤图像的高度和宽度。
[0046]进一步，步骤S1中土壤图像的像素(x,y)的初始亮度L(x,y)通过如下方法确定：
[0047]其中：I
r
(x,y)为像素(x,y)在RGB颜色空间中R通道的亮度值，I
b
(x,y)为像素(x,y)在RGB颜色空间中B通道的亮度值，I
g
(x,y)为像素(x,y)在RGB颜色空间中G通道的亮度值。
[0048]本专利技术的有益效果：通过本专利技术，能够对土壤图像的亮度进行平滑以及对反射率进行范围约束，从而有效避免亮度迁移过程中对纹理的影响，从而能够有效确保最终土壤图像亮度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种土壤图像的亮度可控迁移方法，其特征在于：包括以下步骤：S1.获取目标土壤的图像信息，基于Retinex理论将土壤图像分解成亮度层和反射率层，并确定出土壤图像中每个像素的在RGB颜色空间中的亮度，并基于像素的亮度组成亮度矩阵；S2.构建亮度优化目标模型：其中：m和n表示图像的高度和宽度，L(x,y)表示土壤图像的像素(x,y)的初始亮度，为土壤图像的像素(x,y)的亮度估计值；W
v
(x,y)为图像水平方向的平滑权重矩阵W
v
中对应于像素(x,y)的值，W
h
(x,y)为竖直方向上的平滑权重矩阵W
h
中对应于像素(x,y)的值，α为平衡权重，和分别表示图像水平和竖直方向的亮度梯度；S3.基于亮度优化目标模型求解出土壤图像的像素(x,y)的亮度估计值并基于亮度估计值确定出土壤图像像素(x,y)的反射率R
c
(x,y)；c表示土壤图像的RGB颜色通道，c＝r,g,b；S4.构建基于伽马变换的亮度迁移模型，并对伽马变换的亮度迁移模型的伽马因子γ进行优化，基于伽马变换的亮度迁移模型确定出亮度迁移后像素(x,y)的亮度值L
m
(x,y)；S5.基于亮度迁移后亮度值L
m
(x,y)和反射率R
c
(x,y)合成亮度迁移后的土壤图像。2.根据权利要求1所述土壤图像的亮度可控迁移方法，其特征在于：步骤S3中，通过如下方法求解出土壤图像的像素(x,y)的亮度估计值S301.将亮度优化目标模型转换成矩阵形式：其中：为亮度估计值所构成的亮度估计矩阵的列向量，L为土壤图像的初始亮度值所构成的初始亮度矩阵L'的列向量，D
h
为土壤图像竖直方向上具有正向差分的离散梯度算子，D
v
为土壤图像水平方向上具有正向差分的离散梯度算子，W
′
h
为竖直方向上的平滑权重矩阵W
h
矢量化形式，W
′
v
为图像水平方向的平滑权重矩阵W
v
的矢量化形式，Diag(W
′...

【专利技术属性】
技术研发人员：曾绍华，夏燕，陈松柏，刘国一，吴雪，
申请(专利权)人：重庆市农业技术推广总站西藏自治区农牧科学院农业资源与环境研究所，
类型：发明
国别省市：