圖像處理中的顏色校正

圖像處理中的顏色校正

隨著數(shù)字圖像設(shè)備的廣泛應(yīng)用，顏色再現(xiàn)的一致性已成為當(dāng)前研究的熱點。圖像的顏色信息往往是進行圖像分析的重要依據(jù),因此研究能真實反映觀察對象本身顏色的顏色校正技術(shù)具有重要的研究意義。顏色校正屬于顏色恒常性問題。物體表面呈現(xiàn)的顏色與光源特性和光照條件有關(guān),隨著光照、視角的不同而改變。人的視覺系統(tǒng)具有顏色恒常性,能夠在一定程度上消除光照條件等對顏色的影響因素,正確地感知物體本身所固有的顏色。顏色校正的目標(biāo)是研究在各種光照條件下如何描述物體本征顏色。目前,顏色校正已經(jīng)在醫(yī)學(xué)圖像、遙感圖像、壁畫圖像、證照圖像等眾多圖像處理領(lǐng)域中得到了應(yīng)用。1要素的構(gòu)成光源﹑被拍攝的物體與圖像采集設(shè)備是圖像形成的三要素?？紤]到圖像主要通過顯示器進行顏色重現(xiàn),因此,影響圖像顏色失真的因素主要與光源、圖像采集設(shè)備和圖像顯示設(shè)備有關(guān)。1.1光源對顏色損失的影響光照是圖像生成的靈魂,彩色物體在不同的光源照射下顯示的顏色是有偏差的。這種偏差與光源的色溫、顯色性以及空間布局的幾何條件等因素有關(guān)。1同溫度時所產(chǎn)生的光色色溫是對光源顏色進行描述的一個色度量,它用物理學(xué)中的黑體加熱到不同溫度時所發(fā)出的光色來表達(dá)一個光源的顏色。偏紅色光源的色溫偏低;偏藍(lán)色光源的色溫偏高。同一種顏色,在自然光、鎢絲燈、鹵素?zé)舻炔煌庠聪滤尸F(xiàn)的顏色是不一樣的,這種差異是由光源的色溫不同造成的。2光顯色性的測定光源的顯色性是衡量光源視覺質(zhì)量的指標(biāo),它用顯色指數(shù)的量值描述其性能的優(yōu)劣。光源的顯色性與光源的光譜功率分布有關(guān)。日光和白熾燈這種具有連續(xù)光譜的光源,以及由450、540、610nm的光波以不同的比例混合出的一些非連續(xù)光譜光源、或含有上述三種光譜的光源都有較好的顯色性。1.2光電傳感器參數(shù)設(shè)置數(shù)碼相機作為一種新型的圖像采集設(shè)備,其顏色還原效果與光學(xué)系統(tǒng)和光電傳感器件(CCD、CMOS)的性能密切相關(guān),數(shù)碼相機的參數(shù)設(shè)置也會對圖像顏色造成影響。1光譜吸收法光學(xué)鏡頭是數(shù)碼相機的主要部件,顏色光通過它時要有能量的吸收,其吸收的比例隨顏色而變,稱為光譜吸收。正是這種原因造成了圖像顏色的失真。除此之外,像質(zhì)再好的鏡頭也有剩余像差,像差的存在必然影響圖像顏色的還原效果,尤其是在拍攝條件不理想時,如近距離拍攝時。2光電傳感器件與圖像器件的互聯(lián)互通光電傳感器件(CCD、CMOS)有對光譜選擇的性能,不同波長的光在CCD和CMOS上的光電轉(zhuǎn)換比例是不同的。從視覺考慮,要實現(xiàn)圖像顏色的真實重現(xiàn),數(shù)碼相機整個系統(tǒng)的光譜敏感度曲線應(yīng)該與CIE(CommissionInternationaldel’Eclairage,國際照明委員會)標(biāo)準(zhǔn)觀察者的光譜三刺激值曲線一致。事實上,滿足這一要求的光電傳感器件是不存在的。圖像器件是光電傳感器件和光電信號處理系統(tǒng)集成的一種器件。其中,許多因素對顏色的重現(xiàn)都有影響,如光電響應(yīng)的不均勻性、飽和輸出電壓、暗輸出電壓、傳感器的噪聲特性(如散粒噪聲、熱噪聲)等。3白平衡的應(yīng)用用數(shù)碼相機攝像時,曝光參數(shù)的選取、白平衡技術(shù)的使用、不同的拍攝模式均會對顏色的重現(xiàn)產(chǎn)生影響。曝光過度或曝光不足可以引起顏色的非線性失真;白平衡本身就是針對顏色的一種校正技術(shù),即使用不同光源時,對其顯色效果的一種光譜校正;攝像過程出現(xiàn)聚焦不準(zhǔn)或機械抖動等情況會引起圖像的模糊,也會影響彩色的真實重現(xiàn)。1.3用戶顏色失真的參數(shù)值以顯示器為圖像重現(xiàn)設(shè)備時,顯示器的亮度、對比度、γ值、白點、磷粉色度、黑點等都是影響顏色失真的參數(shù)。γ值是用來描述輸入和輸出的非線性關(guān)系的特性參數(shù),通常在1～3。顯示器白點指的是在紅、綠、藍(lán)三通道都以最大值驅(qū)動時得到的色度值。不同的顯示器有不同的磷粉,知道了磷粉的色度便確定了該顯示器的色域,即可以顯示的色彩范圍。2顏色空間轉(zhuǎn)換校正綜上所述,顏色失真是很難避免的。因此,顏色校正是圖像分析十分關(guān)鍵的一個預(yù)處理步驟。顏色校正方法可以分為三類:a)為基于映射的顏色校正方法,通過確定源顏色空間到目標(biāo)顏色空間的映射關(guān)系實現(xiàn)顏色空間的轉(zhuǎn)換。這類方法常用于數(shù)碼相機、掃描儀、顯示器、打印機等圖像輸入、輸出設(shè)備的顏色校正處理。b)基于光譜反射率還原的顏色校正方法,根據(jù)系統(tǒng)成像模型,由采集得到的顏色值還原對象物體的光譜反射率,進而結(jié)合標(biāo)準(zhǔn)光源的光譜功率分布得到標(biāo)準(zhǔn)顏色值。這類方法是以有限維線性模型為基礎(chǔ)的,顏色校正精度較高,但計算量較大。c)基于圖像分析的顏色校正方法,首先根據(jù)圖像的色度平均值及色度分布特性檢測圖像是否偏色以及偏色程度,進而對偏色圖像進行顏色校正。這類方法沒有光源的光譜功率分布、采集設(shè)備的光敏特性等條件的限制,僅利用圖像本身的特征進行分析,所以具有普遍的適用性。2.1幾種常用的顏色校正方法基于映射的顏色校正方法可以進一步分為簡單的參考白映射法、矩陣法,計算量較大的查找表法、多項式回歸法、人工神經(jīng)網(wǎng)絡(luò)法等。這幾種方法也是比較通用的、有代表性的顏色校正方法。對于不同的應(yīng)用,查找表的構(gòu)成、神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和多項式回歸模型等會有所不同。2.1.1調(diào)整各通道的顏色“參考白”映射法就是設(shè)法使被重現(xiàn)的圖像中的白點與理想的白點的顏色一致。通常是用一個白色卡片作為“參考白”,并把每個通道的顏色值調(diào)整到相等。其優(yōu)點是實現(xiàn)起來簡單,可以在一定的范圍內(nèi)達(dá)到色貌(colorappearancematching)匹配,同時能部分地消除光照的影響;缺點是過于簡單,僅適合于對顏色要求不高的場合。2.1.2刺激值轉(zhuǎn)換矩陣矩陣法的本質(zhì)就是用轉(zhuǎn)換矩陣實現(xiàn)顏色空間的轉(zhuǎn)換。矩陣法的思想是用參考色標(biāo)的三刺激值作為輸入,設(shè)備輸出顏色的三刺激值作為輸出,由下式求出轉(zhuǎn)換矩陣Mt。Mref,O(XYZ)=Mt·Mref,I(RGB)(1)其中:Mref,I(RGB)是參考色標(biāo)的三刺激值(R、G、B)組成的維數(shù)為3×n的輸入矩陣;Mref,O(XYZ)是設(shè)備輸出三刺激值(X、Y、Z)組成的維數(shù)為3×n的輸出矩陣;Mt是維數(shù)為3×3的轉(zhuǎn)換矩陣。求出轉(zhuǎn)換矩陣Mt后,就可以得到設(shè)備輸出的任一物體顏色三刺激值的向量。Mobj,O(XYZ)=Mt·Mobj,I(RGB)(2)其中:Mobj,I(RGB)和Mobj,O(XYZ)分別是物體三刺激值和設(shè)備輸出的物體顏色三刺激值的向量。矩陣法是設(shè)備校準(zhǔn)普遍采用的一種方法,簡便易實現(xiàn),但由于轉(zhuǎn)換矩陣維數(shù)太小,效果往往不太理想。2.1.3次采樣優(yōu)化算法設(shè)計查找表法是借助色度測量數(shù)據(jù)建表,為此必須選擇一定數(shù)量足以代表圖像的真實顏色列在表中。如果被重現(xiàn)的顏色不在顏色表中,可通過插值或近似的方法得到。查找表法需大量的標(biāo)準(zhǔn)色譜、色塊數(shù)據(jù)。色塊數(shù)量越多,顏色校正的精度越高。顏色校正中用得較多的是三維查找表。基于國際色彩聯(lián)盟標(biāo)準(zhǔn)的顏色管理系統(tǒng)采用了基于查找表的模型,描述了設(shè)備顏色空間與特征化文件連接空間(profileconnectionspace,PCS)之間的顏色轉(zhuǎn)換。根據(jù)插值策略的不同又可以把三維插值劃分為立方體性插值、三棱柱插值、金字塔插值和四面體插值。四面體是最小不可再分的三維立體,其運算復(fù)雜度最小;又因為插值精度也能夠滿足要求,所以四面體插值算法是目前應(yīng)用較為廣泛的一種三維插值方法。文獻(xiàn)設(shè)計了基于曝光系統(tǒng)色域特征的二次采樣優(yōu)化算法,將色域(colorgamut)劃分為許多較為規(guī)則的子空間集合,然后根據(jù)三角剖分思想將每個子空間劃分為多個四面體。通過這種方法得到的四面體將是相對規(guī)則的,同時也將滿足四面體插值的條件。在三維查找表實際應(yīng)用中可采用一些預(yù)搜索算法以進一步提高運算效率。2.1.4偏最小二乘組合分區(qū)回歸模型多項式回歸的原理就是利用一組方程組,對輸入的x1,x2,…,xp個變量通過選擇項組合,生成更高的d維(d≥p)的輸入數(shù)據(jù),這些數(shù)據(jù)通過線性組合對目標(biāo)數(shù)據(jù)進行擬合,同時再求出方程組的系數(shù)。?????R0=a11R+a12G+a13BG0=a21R+a22G+a23BB0=a31R+a32G+a33B(3){R0=a11R+a12G+a13BG0=a21R+a22G+a23BB0=a31R+a32G+a33B(3)這是一階多項式,式中也可以包括常數(shù)項。其中:R0、G0、B0表示RGB的校正目標(biāo)值;R、G、B表示數(shù)碼相機實際輸出的RGB值。對于更復(fù)雜的高階多項式,可以在一階多項式的基礎(chǔ)上加入RG、RB、GB、RGB、R2、G2、B2、R2G、R2B、RG2、R3等項構(gòu)成。隨著多項式項數(shù)的增加,回歸精度逐漸提高,但并不是階數(shù)越高、項數(shù)越多,校正效果就越好。雖然高次多項式對于訓(xùn)練數(shù)據(jù)的回歸精度較高,但整幅圖像質(zhì)量卻會下降,這主要是因為模型的推廣性能隨著次數(shù)的增加而降低。為了降低計算量、提高復(fù)雜度,并保證校正后的圖像的質(zhì)量,多采用項數(shù)為10的{R,G,B,RG,RB,GB,R2,G2,B2,1}模型。文獻(xiàn)采用最小二乘多項式回歸的顏色校正方法。在設(shè)定了標(biāo)準(zhǔn)采集環(huán)境之后,所有的采集圖像都可以通過式(4)進行顏色還原,在一定精度上將顏色和亮度回歸到標(biāo)準(zhǔn)顏色空間。Xstd=AT·Vother(4)其中:Xstd是校正后圖像的RGB三刺激值矩陣,維數(shù)為3×M;Vother是原始圖像所有像素的RGB值對應(yīng)的多項式的項所構(gòu)成的矩陣,維數(shù)為10×M;A是維數(shù)為J×3的轉(zhuǎn)換系數(shù)矩陣(J=10);M為原始圖像的像素總數(shù)。如圖1所示,(a)為數(shù)碼相機采集的原始圖像;(b)為顏色校正后的圖像;(c)為模擬色度失真的圖像;(d)為顏色校正后的圖像。實驗結(jié)果表明,經(jīng)過最小二乘多項式回歸顏色校正后的圖像,顏色和亮度在一定精度上回歸到D65標(biāo)準(zhǔn)光源下的顏色空間。即使采集的舌圖像存在較大的色度失真,通過顏色校正仍然可以恢復(fù)出可靠的數(shù)據(jù)。針對普通多項式回歸自變量之間多重相關(guān)性、樣本數(shù)相對較少的問題,偏最小二乘回歸由于將多元線性回歸分析、典型相關(guān)分析和主成分分析功能集為一體,能夠克服原有普通多項式回歸算法的局限性,獲得較好的校正效果。為了提高多項式回歸模型的精度,文獻(xiàn)提出對RGB顏色空間進行線性八叉樹分區(qū)回歸算法。該算法是在傳統(tǒng)整體回歸法的基礎(chǔ)上,對RGB空間進行有條件的逐步分區(qū)細(xì)化后再回歸,是對傳統(tǒng)回歸校正方法的一種優(yōu)化。這種方法可以明顯地提高校正精度。2.1.5各神經(jīng)元自適應(yīng)調(diào)整人工神經(jīng)網(wǎng)絡(luò)具有很強的非線性關(guān)系的擬合能力,其中誤差反向傳播(backpropagation,BP)神經(jīng)網(wǎng)絡(luò)應(yīng)用最為廣泛。由于BP神經(jīng)網(wǎng)絡(luò)具有模糊性、高速并行處理和非線性映射等特點,與顏色空間轉(zhuǎn)換的特征相吻合,可采用BP神經(jīng)網(wǎng)絡(luò)作為擬合模型進行圖像顏色校正。BP神經(jīng)網(wǎng)絡(luò)具有一個輸入層、一個輸出層和至少一個隱含層。增加隱藏層的層數(shù)不一定能提高網(wǎng)絡(luò)的精度和表達(dá)能力,一般情況下,選用一個隱含層就能滿足精度要求。BP算法是非循環(huán)多級網(wǎng)絡(luò)的訓(xùn)練算法,其學(xué)習(xí)過程由正向傳播和反向傳播組成,輸入值經(jīng)過非線性變換從輸入層經(jīng)隱含層單元逐層處理,并傳向輸出層,每一層神經(jīng)元的狀態(tài)將影響到下一層神經(jīng)元狀態(tài)。如果在輸出層的輸出值和期望值有一定的誤差,則轉(zhuǎn)入反向傳播,通過修改各神經(jīng)元權(quán)值使均方誤差最小。文獻(xiàn)采用輸入層3個神經(jīng)元節(jié)點,對應(yīng)于數(shù)碼相機實際輸出的R、G、B值;隱含層12個神經(jīng)元節(jié)點,采用的激活函數(shù)為Sigmoid函數(shù);輸出層3個神經(jīng)元節(jié)點,對應(yīng)于R、G、B的校正目標(biāo)值,采用的激活函數(shù)為線性函數(shù)。采用動量法和學(xué)習(xí)率進行自適應(yīng)調(diào)整,從而有效地抑制了網(wǎng)絡(luò)陷入局部極小或假飽和現(xiàn)象。BP神經(jīng)網(wǎng)絡(luò)的收斂速度較慢,學(xué)習(xí)次數(shù)相當(dāng)多才能達(dá)到期望的全局誤差,比較容易陷入局部極小。為此人們將遺傳算法(geneticalgorithm,GA)、模擬退火算法(simulatedannealingalgorithm,SAA)、蟻群算法(antcolonyalgorithm,ACA)等全局尋優(yōu)算法和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和結(jié)構(gòu),提高BP神經(jīng)網(wǎng)絡(luò)的精度及泛化能力,并將優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于顏色校正。2.2光譜反射率恢復(fù)的顏色校正方法2.2.1光譜反射率函數(shù)物體表面的光譜反射率在光照環(huán)境、物體形狀和觀測環(huán)境都發(fā)生變化的情況下保持恒定,是物體的固有特性。因此,顏色校正著重于還原物體表面的光譜反射特性。有限維線性模型可以用一組基函數(shù)的線性組合來表示,即ρ(λ)=∑j=1najρj(λ)(5)ρ(λ)=∑j=1najρj(λ)(5)其中:ρj(λ)是基函數(shù);aj是基函數(shù)對應(yīng)的權(quán)值;n是基函數(shù)的個數(shù)。研究表明,光源的光譜功率分布和多種物體表面的光譜反射率都可以用有限維線性模型來近似。Judd等人指出用3～5個基函數(shù)可足夠精確地表示自然光的光譜。Cohen采用主成分分析方法(principlecomponentanalysis,PCA)分析了孟塞爾(Munsell)色塊的表面反射率,得到的結(jié)論是:利用前三個特征向量表示的光譜反射率與實際測量的反射率符合程度可達(dá)到99%。Maloney等人證明大部分物體的光譜反射率函數(shù)是帶寬受限函數(shù),光譜反射率可用三個特征向量來表示。采用有限維線性模型,使得光源的光譜功率分布以及物體反射率的表示得到簡化,在解決顏色視覺的約束不充分問題上邁出了一大步。2.2.2d65光柵法根據(jù)有限維線性模型,如果光源已知、采集系統(tǒng)的光敏特性已知、采集系統(tǒng)的輸出RGB三刺激值已知,可以重建光譜反射率,最后得到特定光源下的顏色值。文獻(xiàn)采用三個基函數(shù)Ei(λ)的線性組合表示光源,三個基函數(shù)Rj(λ)的線性組合表示物體表面光譜反射率。根據(jù)式(6)重建光譜反射率并得到D65光源下的顏色值。Ik=∑i=13εi?∑j=13σj?Bkji(6)Ιk=∑i=13εi?∑j=13σj?Bkji(6)其中:Bkji=∫FSk(λ)Ei(λ)Rj(λ)dλBkji=∫FSk(λ)Ei(λ)Rj(λ)dλ;εi、σj分別表示光源光譜功率分布和物體表面光譜反射率權(quán)值系數(shù);Sk(λ)表示采集系統(tǒng)的光敏特性,k=R,G,B。由于實際場景光照往往不穩(wěn)定,獲得光源的色度值或光譜功率分布比較困難,限制了這種方法的實際應(yīng)用。2.3圖像分析的顏色校正方法2.3.1檢測結(jié)果對比目前,偏色檢測方法的研究已經(jīng)經(jīng)取得了一定的進展。文獻(xiàn)提出基于灰平衡(graybalance)和白平衡(whitebalance)的圖像整體偏色檢測方法?；移胶馄珯z測方法首先統(tǒng)計R、G、B三個通道的平均亮度,判斷由此獲取的整體顏色表現(xiàn)是否是中性灰。若是中性灰則認(rèn)為不存在色偏;否則存在色偏。白平衡偏色檢測方法首先統(tǒng)計R、G、B三個通道的亮度極大值,然后轉(zhuǎn)換到Lab顏色空間,計算與理想光源的色度距離,從而判斷是否偏色。上述這兩種偏色檢測方法計算簡單,偏色判斷結(jié)果與主觀評價基本一致。同時這兩種方法都具有很大的局限性,當(dāng)圖像的背景為大面積的單一色調(diào)時,灰平衡偏色檢測方法幾乎完全失效;而當(dāng)所拍攝的物體并無白色存在或不存在高光區(qū)域時,白平衡偏色檢測方法所得到的結(jié)果也是不真實的。圖像的偏色不僅與圖像色度的平均值有直接關(guān)系,還與圖像的色度分布特性有關(guān)。文獻(xiàn)指出,如果在色度坐標(biāo)平面上的二維直方圖中色度分布基本上為單峰值,或者分布較為集中,而色度平均值又較大時,一般都存在偏色;而且色度平均值越大,偏色越嚴(yán)重。2.3.2圖像分析的顏色校正方法1分量的統(tǒng)計平均應(yīng)建立其平均統(tǒng)計平均首先認(rèn)為所拍攝的圖像R、G、B三色分量的統(tǒng)計平均值應(yīng)該相等。對拍攝的圖像進行統(tǒng)計平均,保持G分量不變,以R、B分量的均值作為顏色校正的依據(jù)。2基于變色估計的自適應(yīng)白平衡顏色校正方法首先搜索圖像中最亮的像素區(qū)域,該區(qū)域的R、G、B三色分量的統(tǒng)計平均值應(yīng)該相等。保持G分量不變,以該區(qū)域R、B分量的統(tǒng)計平均值作為顏色校正的依據(jù)。上述兩種顏色校正方法計算比較簡單,適用于大多數(shù)場合的顏色校正,但同時具有一定的局限性,有時不能正確再現(xiàn)物體的真實顏色。文獻(xiàn)提出一種基于Y、Cb、Cr的約束條件,在YCbCr空間定義了一個三維結(jié)構(gòu),稱之為白色區(qū)域,凡落入其中的像素都認(rèn)為是白色的。在計算色差時,只計算白色像素的平均色差以替代整個圖像的色差。該方法中的Y、Cb、Cr控制閾值是彼此獨立的。文獻(xiàn)則在此基礎(chǔ)上加入Cb、Cr之和的控制閾值,通過R、B的變化范圍來適應(yīng)鏡頭縮放時圖像的劇烈變化。以上算法未考慮像素的Y和Cb、Cr之間的相關(guān)性,限制了顏色校正精度的進一步提高。文獻(xiàn)提出了基于色溫估計的自適應(yīng)白平衡顏色校正方法。該方法首先通過YCbCr顏色空間進行色溫估計,根據(jù)一定的Y、Cb、Cr約束條件挑選合適的像素計算色差,以提高色溫估計的精確度;然后計算通道增益得到色溫校正系數(shù),保持G通道不變,對R、B通道進行顏色校正。文獻(xiàn)利用顏色直方圖特征進行偏色圖像的自動檢測和校正。根據(jù)各個通道的直方圖統(tǒng)計是否飽和來區(qū)分不同的處理方法,校正圖像與原始無偏色圖像在視覺上能達(dá)到基本一致。圖2是在鎢絲燈光源下采集的偏色圖像。圖3～5分別是經(jīng)灰度世界、最大亮度、色溫估計顏色校正后的圖像。從結(jié)果可以看出,色溫估計的顏色校正方法優(yōu)于灰度世界和最大亮度顏色校正方法。2.4視網(wǎng)膜皮質(zhì)的校正圖像的顏色校正涉及色度學(xué)、光度學(xué)、圖像成像、圖像顯示等不同的學(xué)科領(lǐng)域。顏色校正的方法很多,除前面討論的方法外,還有基于無樣本監(jiān)督、基于Retinex(視網(wǎng)膜皮層)理論、基于誤差恢復(fù)、基于雙色反射模型、基于感興趣色域等方法。不同的應(yīng)用領(lǐng)域采用的顏色校正方法也不同。對于顏色校正后的客觀評價標(biāo)準(zhǔn),常采用CIELab顏色空間。通常認(rèn)為ΔE<2NBS(色差單位)為較好的顏色重現(xiàn)。2001年CIE提出CIEDE2000色差公式,文獻(xiàn)指出CIEDE2000色差公式在理論上是目前與人的視覺感受最匹配的色差公式。因此將CIEDE2000色差公式引入顏色校正后的客觀評價標(biāo)準(zhǔn)將是一種創(chuàng)新的嘗試。3顏色校正在數(shù)據(jù)處理中的應(yīng)用3.1舌圖像的顏色校正針對中醫(yī)舌圖像自身的一些特點,如采集系統(tǒng)處于封閉的光照環(huán)境、采用D65標(biāo)準(zhǔn)光源、實時性要求較高等。文獻(xiàn)采用基于色貌評價的多項式回歸在線校正方法、偏最小二乘回歸方法(partialleastsquaresregression,PLSR)、感興趣色域方法對舌圖像進行顏色校正。顏色校正結(jié)果滿足舌圖像顏色重現(xiàn)的要求。文獻(xiàn)針對眼圖像中絡(luò)脈和斑塊進行vonKries分區(qū)顏色校正,在攝像機非標(biāo)定情形下,可對眼圖像顏色偏差(如偏藍(lán)偏暗)進行一定程度的校正。文獻(xiàn)采用全局顏色校正算法對數(shù)字人圖像進行顏色校正。數(shù)據(jù)集采集時,需同時拍攝一個彩色灰度卡(共有16個灰度色塊),利用彩色灰度卡對圖像進行全局校正。3.2遙感圖像整體偏色判斷針對遙感圖像的特點,文獻(xiàn)對遙感圖像進行反射率分量和照度分量分離的色調(diào)重建。首先判斷遙感圖像是否存在由光源色溫變化引起的整體偏色并對其進行糾正;然后對去除整體偏色的圖像分離出反映局部特征的反射率分量和反映顏色表現(xiàn)的照度分量,根據(jù)反射率分量和照度分量分別重建的結(jié)果來合成輸出圖像。3.3雙隱含層人工神經(jīng)網(wǎng)絡(luò)雙一定組合針對敦煌壁畫顏色色彩傳遞、一致重現(xiàn)的特點,文獻(xiàn)利用實驗優(yōu)化技術(shù),根據(jù)二次通用旋轉(zhuǎn)組合設(shè)計的理論,建立了修正三基色的雙隱含層人工神經(jīng)網(wǎng)絡(luò)。通過修正圖像像素的三基色值,實現(xiàn)了壁畫圖像由數(shù)碼相機采集到計算機處理后的圖像顏色能夠真實地表現(xiàn)原壁畫的顏色。3.4第二代居民身份證圖像的顏色校正方