專利名稱：：一種基于視網(wǎng)膜視覺機(jī)制的彩色圖像顏色恒常方法
技術(shù)領(lǐng)域：
：本發(fā)明屬于圖像處理
技術(shù)領(lǐng)域：
，涉及彩色圖像顏色恒常技術(shù)，尤其是一種基于視網(wǎng)膜視覺機(jī)制的彩色圖像顏色恒常方法。
背景技術(shù)：
：攝像機(jī)等傳感器采集到的物體顏色由入射光、物體表面材料的反射性質(zhì)以及傳感器自身的傳輸性質(zhì)決定。比如當(dāng)黃色光照到白色墻壁上，傳感器采集到的是從墻上反射的黃色光，其結(jié)果與人類感知到墻可能仍是白色的不同。這是因為人眼對物體顏色的感知，在外界光照一定范圍的變化下，可以保持相對不變，這種人眼對物體表面顏色的知覺趨于穩(wěn)定的心理傾向被稱為顏色恒常性(ColorConstancy)。更進(jìn)一步說，物體同一表面在不同光照條件下會產(chǎn)生不同的反射光譜，盡管人類視覺的顏色機(jī)制確實能分辨出這種由于光照變化導(dǎo)致的物體表面反射光譜的變化，但是人類對該物體表面顏色的認(rèn)知在一定范圍內(nèi)卻保持恒定，也就是認(rèn)為物體表面的顏色未發(fā)生變化。在攝像或數(shù)碼相機(jī)中，顏色恒常又稱為"白平衡"，目的是使在非標(biāo)準(zhǔn)光照條件下拍攝到的圖像經(jīng)白平衡后達(dá)到在標(biāo)準(zhǔn)光照下拍攝的效果。但是，廣泛的顏色恒常不僅僅包括白平衡，還泛指一切可以克服光源變化的方法和機(jī)制，并不一定要把顏色轉(zhuǎn)變?yōu)闃?biāo)準(zhǔn)光源下的效果，以便應(yīng)用在機(jī)器視覺中。有實驗表明，對于同一物體表面，色調(diào)變化不超過18%，飽和度變化不超過30%，人眼會把變化前后的顏色認(rèn)為是同一顏色，即實現(xiàn)了顏色恒常。目前實現(xiàn)顏色恒常的方法有兩類，一是從色偏圖像中依據(jù)某種假設(shè)估計出光源，然后對色偏圖像進(jìn)行顏色矯正得到無色偏圖像，這也是目前機(jī)器視覺中顏色恒常的主流方法。如灰度世界算法假設(shè)無色偏圖像所有像素紅、綠、藍(lán)三色的能量總和是相等的，該算法雖然計算簡單，但當(dāng)灰度世界的假設(shè)不符合待處理的場景時就會失敗，而這種情況是比較常見的。如夕陽照射下一片綠色的草地這些單一色彩占主要成份的場景就不符合灰度世界的假設(shè)。再如白板算法假設(shè)色偏光源可以根據(jù)色偏圖像紅、綠、藍(lán)三通道各自的最大值所確定，但當(dāng)存在鏡面反射時，用該方法所估計的色偏光源顯示不準(zhǔn)確。另一類是對不受光源影響的彩色圖像特征(如顏色不變性等)進(jìn)行處理，不用估計偏色圖像的光源。視覺系統(tǒng)中，一個神經(jīng)元的感受野，指的是光照能增強(qiáng)或壓抑該細(xì)胞產(chǎn)生信號的一塊有限的視網(wǎng)膜表面區(qū)域。感受野是視覺感知的基本單元。"給光"型(on型)神經(jīng)節(jié)細(xì)胞由只照射中心的光電(周圍黑暗)引起動作電位的發(fā)放(如圖l所示)；"撤光"型(off型)神經(jīng)節(jié)細(xì)胞則由中心暗，周圍亮的光照引起動作電位的發(fā)放(如圖2所示)。每一個視覺神經(jīng)元只對視野中某特定區(qū)域內(nèi)的刺激產(chǎn)生反應(yīng)，這個區(qū)域稱為該神經(jīng)元的感受野。由于對顏色的感知是由L,M，S三種類型的視錐細(xì)胞開始的，可以大致認(rèn)為分別對應(yīng)于接受紅、綠、藍(lán)三基色。在此模型中，感受野是由一個小的興奮區(qū)(中心區(qū))和一個大范圍的外周抑制區(qū)兩部分構(gòu)成，外周抑制區(qū)又是由多個抑制亞區(qū)構(gòu)成(如圖3所示)，大范圍的外周抑制區(qū)是由遠(yuǎn)離中心區(qū)的雙極細(xì)胞通過無長突細(xì)胞與神經(jīng)節(jié)細(xì)胞間接連接的，這些雙極細(xì)胞的感受野分別形成神經(jīng)節(jié)細(xì)胞感受野外周抑制區(qū)的許多抑制亞區(qū)。由于用到拮抗原理，黃色光分量可從紅綠兩種光分量的均值得到。中心區(qū)C對紅、綠、藍(lán)、黃四色光興奮反應(yīng)大小iw、rGe、r&、7Ve可用式(i)表示/力GeC^力r;eC其中^o^。)為落到中心區(qū)內(nèi)"。,y。)點上的紅光分量，c表示中心區(qū)，j^為中心區(qū)的紅光敏感度，^=」7^w是參數(shù)為q的高斯核函數(shù)，參數(shù)q的三倍等于感受野中心區(qū)的半徑。綠、藍(lán)、黃光類似。感受野外周抑制區(qū)內(nèi)某一抑制亞區(qū)Oc,力受到周圍另一抑制亞區(qū)(義十附，""怖抑制性作用可表示成〃一f力/7—/力r(2)其中，/w(，,，)為另一抑制亞區(qū)(J+附,:v+")的紅光分量，^w為另一抑制亞區(qū)Oc+mj+")的紅光抑制性作用的敏感度，附表示某一抑制亞區(qū)(Xy)與另一抑制亞區(qū)在:c方向的距離，"表示某一抑制亞區(qū)(JC,力與另一抑制亞區(qū)在y方向的距離，&=^6一^是參數(shù)為^的高斯核函數(shù)，2;rcr3l一I-=-I參數(shù)&的三倍等于抑制亞區(qū)之間存在去抑制性作用的最大距離。綠、藍(lán)、黃光類似。因此某一抑制亞區(qū)O,力受到周圍其它所有抑制亞區(qū)的抑制性作用的線性總和值即為其中W\0c,力表示感受野模型外周抑制區(qū)中除去"力抑制亞區(qū)的其他所有抑制亞區(qū)。然后，再用高斯分布核函數(shù)來表示外周抑制區(qū)內(nèi)各個抑制亞區(qū)對感受野中心區(qū)拮抗反應(yīng)的大小(式(5))，離中心越近，則對中心區(qū)的拮抗作用越大。對外周各抑制亞區(qū)進(jìn)行空間總和得到外周抑制區(qū)對中心區(qū)總的抑制作用大小為w(4)j—W其中，^^為抑制亞區(qū)(u)對中心區(qū)的紅光抑制性作用的敏感度，G2=~^e&2是參數(shù)為2;r<r2q的高斯分布函數(shù)，R的三倍代表外周抑制區(qū)的半徑。根據(jù)視網(wǎng)膜神經(jīng)節(jié)細(xì)胞的顏色單拮抗原理，即紅-綠互為拮抗，藍(lán)-黃互為拮抗(如圖4所示)。中心區(qū)的反應(yīng)減去外周區(qū)的反應(yīng)就得到了神經(jīng)節(jié)細(xì)胞的輸出(神經(jīng)節(jié)細(xì)胞輸出的脈沖放電頻率不可能是負(fù)值)r,max(H,O)rG=max(rGc—r做,o)(5)rs=max(7;c-r胎0)rr=max(:rrc-r,o)對于模型中的敏感度參數(shù)jw、爿w、乂w、爿g7、爿g2、^g;、A/、爿w、爿w、」17、」u和jh，采用一種基于圖像邊緣的參數(shù)確定方法，具體如下7---I一-,,4=WV(4"))2+(4"))2+(C))2+(4"))2/4")^、4,=4=43=V(4"))2+(4"))2+(4"))2+(4"))2/4")4=4=43=K"))2+(A"))2+(4"))2+(4"))2/4")其中，/f,/^，/廣,/^分別表示對紅、綠、藍(lán)和黃光通量求n階導(dǎo)數(shù)，這是基于Koenderink,JJ等對視覺系統(tǒng)的局部幾何特性表示的研究成果。通?？梢砸罁?jù)圖像的場景特征釆用0階(即不求導(dǎo))、l階或2階導(dǎo)數(shù)。本發(fā)明基于人類視覺的顏色認(rèn)知機(jī)制，建立出模擬視覺機(jī)制的顏色恒常方法，也屬于后一大類。
發(fā)明內(nèi)容本發(fā)明提供一種基于視網(wǎng)膜視覺機(jī)制的彩色圖像顏色恒常方法，通過皮層下帶抑制亞區(qū)非經(jīng)典感受野單拮抗模型算法，對帶有色偏的彩色自然圖像進(jìn)行處理，實現(xiàn)色偏圖像顏色的自動校正，即顏色恒常。本發(fā)明的詳細(xì)技術(shù)方案為-一種基于視網(wǎng)膜視覺機(jī)制的彩色圖像顏色恒常方法，如圖4所示，包括以下步驟步驟l:設(shè)定近似感受野模板大小及確定相應(yīng)的模型參數(shù)。設(shè)定3x3像素的近似感受野模板，其中感受野中心區(qū)為近似感受野模板的中心像素點，其半徑近似為0.5;感受野外周抑制區(qū)由近似感受野模板的周圍8個像素點構(gòu)成，即由周圍8個抑制亞區(qū)構(gòu)成，感受野外周抑制區(qū)的半徑近似為^;設(shè)定高斯核函數(shù)<^=~^/1、G2=-^e^和G,^^e^的參數(shù)巧=丄，q=^，&=^。2;rcr22;rcr3633步驟2:對原始彩色色偏圖像的每一個像素點分別提取紅色R、綠色G、藍(lán)色B和黃色Y顏色分量^、/s、/5和4，并計算各分量的n階導(dǎo)數(shù)/^,C/^,/^，ni、l或2。步驟3:利用公式4=4=4=V(4"))2+(4"))2+(《))2+(4"))2/4")mV(4"))2+(4"))2+(4"))2+(4"))2/4")4=42=4=V(4"))2+(4"))2《))2十(4"))2々r4.,=4.2=4=V(4"))2+(4"))2+(，)2+(4"))2/4")計算出近似感受野模版的各個敏感度參數(shù)^w、Zw、」w、厶"^、厶j、A/、」w、^j、^4j7、^K禾口^n;其中Xw表示近似感受野模版中心區(qū)的紅光敏感度，^4w表示近似感受野模版中某一抑制亞區(qū)對中心區(qū)的紅光抑制性作用的敏感度，^y表示近似感受野模版中另一抑制亞區(qū)對某一抑制亞區(qū)的紅光抑制性作用的敏感度，j。表示近似感受野模版中心區(qū)的綠光敏感度，A^表示近似感受野模版中某一抑制亞區(qū)對中心區(qū)的綠光抑制性作用的敏感度，Ay表示近似感受野模版中另一抑制亞區(qū)對某一抑制亞區(qū)的綠光抑制性作用的敏感度，^w表示近似感受野模版中心區(qū)的藍(lán)光敏感度，^w表示近似感受野模版中某一抑制亞區(qū)對中心區(qū)的藍(lán)光抑制性作用的敏感度，^w表示近似感受野模版中另一抑制亞區(qū)對某一抑制亞區(qū)的藍(lán)光抑制性作用的敏感度，^!7表示近似感受野模版中心區(qū)的黃光敏感度，^D表示近似感受野模版中某一抑制亞區(qū)對中心區(qū)的黃光抑制性作用的敏感度，^D表示近似感受野模版中另一抑制亞區(qū)對某一抑制亞區(qū)的黃光抑制性作用的敏感度。依據(jù)步驟1所確定的近似感受野模板，將原始彩色色偏圖像的每一個像素點作為一個近似感受野模型的中心區(qū)，與該像素點相鄰的周圍8個像素點作為近似感受野外周區(qū)的8個抑制亞區(qū)，按照從左至右、從上到下的順序依次對每一個近似感受野模型進(jìn)行下述步驟4至步驟9的操作步驟4:根據(jù)公式—/力g、c一^(;>:0,>01計算出每個近似感受野模型中心區(qū)(w。)像素點對紅、綠、藍(lán)、黃四色光興奮反應(yīng)大小r&、7bc、rSc、z>e;其中/^，y。,為中心區(qū)(v少。)像素點上的紅光分量，4(^)為中心區(qū)(v&)像素點上的綠光分量，/^，y。)為中心區(qū)(vy。)像素點上的藍(lán)光分量，/^，％)為中心區(qū)"。，少。)像素點上的黃光分量。步驟5:根據(jù)公式H列("，y)-(i+w，少'+")i—Is("+OT，"")力s3G3計算出每個近似感受野模型外周抑制區(qū)內(nèi)某一抑制亞區(qū)(x，力受到周圍另一抑制亞區(qū)(;c+m，"")的紅、綠、藍(lán)、黃四色光的抑制性作用強(qiáng)度、//鄰一_(，,—]、、其中7)為另一抑制亞區(qū)&+附，"")的紅光分量，為另一抑制亞區(qū)(jc+;w，y+")的綠光分量，/^(洲,)為另一抑制亞區(qū)(義+附，"")的藍(lán)光分量，A^化,)為另一抑制亞區(qū)(x+m，y+")的黃光分量；m表示另一抑制亞區(qū)(;c+m，y+")在jc方向上距某一抑制亞區(qū)(;c，力的距離，"表示另一抑制亞區(qū)(jc+m，y+")在少方向上距某一抑制亞區(qū)(;c，力的距離。步驟6:根據(jù)公式<formula>formulaseeoriginaldocumentpage10</formula>計算出每個近似感受野模型外周抑制區(qū)內(nèi)某一抑制亞區(qū)(x，力受到周圍其它所有抑制亞區(qū)的紅、綠、藍(lán)、黃四色光的抑制性作用強(qiáng)度的線性總和/、^、//^,y)、//B(^)、其中WU;c,W表示感受野模型外周區(qū)中除去Oc，力抑制亞區(qū)的其他所有抑制亞區(qū)。步驟7:根據(jù)公式"*砂《<formula>formulaseeoriginaldocumentpage10</formula>計算出每個近似感受野模型外周抑制區(qū)內(nèi)各抑制亞區(qū)對中心區(qū)總的紅、綠、藍(lán)、黃四色光的抑制性作用強(qiáng)度7^、7m、7柳、7W;其中w表示感受野模型外周區(qū)中所有抑制亞區(qū)，max表示二者之中取較大者。步驟8:根據(jù)公式7;=max(rBc-rw,o)ry=max(H0)計算出每一個感受野模型的紅-綠互拮抗輸出&和rfi，以及藍(lán)-黃互拮抗的輸出7;和，取^、^和7;三個輸出作為每個感受野模型中心區(qū)(vy。)像素點的新的紅色R、綠色G和藍(lán)色B的分量。步驟9:將步驟8所得的所有中心區(qū)像素點的新的紅色R、綠色G和藍(lán)色B的分量按像素點一一合成，就得到一幅校正了色偏(即顏色恒常)的彩色圖像。本發(fā)明的有益效益是本發(fā)明基于目前最新的視覺神經(jīng)電生理研究成果，模擬人眼的視網(wǎng)膜視覺機(jī)制，建立近似感受野單拮抗模型實現(xiàn)色偏彩色圖像的顏色恒常。本發(fā)明通過國際通用的顏色恒常測試數(shù)據(jù)庫三百多幅不同場景和光照的圖像驗證，確認(rèn)提出的算法比現(xiàn)有的顏色恒常算法更為有效;另外，本發(fā)明不僅能夠?qū)崿F(xiàn)色偏彩色圖像顏色恒常，而且還具有圖像顏色的增強(qiáng)功能，更符合人眼視覺特性。圖l是視網(wǎng)膜神經(jīng)節(jié)細(xì)胞'On'型感受野示意圖。中心為興奮區(qū)，用'+'表示；外周為抑制區(qū)，用'-'表示。圖2是視網(wǎng)膜神經(jīng)節(jié)細(xì)胞'OfF型感受野示意圖。中心為興奮區(qū)，用'-'表示；外周為抑制區(qū)，用'+'表示。圖3是帶抑制亞區(qū)的視網(wǎng)膜非經(jīng)典感受野模型示意圖。中心為興奮區(qū)，用'+'表示；外周抑制區(qū)由許多抑制亞區(qū)組成，各抑制亞區(qū)之間又有相互抑制作用。圖5是本發(fā)明流程示意圖。具體實施例方式以下的兩個具體實施方式中，均采用3*3的感受野模板，其中中心區(qū)為1個像素，外周區(qū)為8個像素，外周區(qū)8個像素中的每個像素作為抑制亞區(qū)；同時設(shè)定0"1=丄《0.1,23j具體實施方式一——采用國際通用顏色恒常性算法測試數(shù)據(jù)庫測試結(jié)果方法采用國際上通用的顏色恒常性圖像數(shù)據(jù)庫(h加:〃www.cs.sfu.ca/colour/data)對本發(fā)明所述的基于視網(wǎng)膜視覺機(jī)制的彩色圖像顏色恒常方法進(jìn)行測試評估。使用該數(shù)據(jù)庫提供的30個不同的色偏場景，每個色偏場景包括10張不同光源照射下的色偏圖像和一張無色偏的標(biāo)準(zhǔn)圖像。對每一幅色偏圖像用模型方法，按照詳細(xì)技術(shù)方案步驟1到步驟9進(jìn)行處理，得到處理后的無色偏圖像與標(biāo)準(zhǔn)圖像進(jìn)行如下式的偏離度比較，值越小就說明顏色恢復(fù)的越好。D=V(rr-rc)2+(gr_gc)2/"d瓶+Gc+^)(7)gr=Gj7(/t+Gr+5》其中^,(^A是處理后圖像的紅、綠、藍(lán)分量，^,Ge，^是標(biāo)準(zhǔn)無色偏圖像的紅、綠、藍(lán)分且里。對選取數(shù)據(jù)庫中的三百多張色偏圖像分別采用通行的灰度世界(GreyWorld)算法和白板(WhitePitch)算法，以及本發(fā)明提出的視網(wǎng)膜非經(jīng)典感受野單拮抗(theSingleAntagonismNonclassicalReceptiveField(SANRF))模型三種方法進(jìn)行處理，并且按(7)式進(jìn)行比較平均，得到表l。表l.對顏色恒常數(shù)據(jù)庫不同方法的恢復(fù)量化結(jié)果<table>tableseeoriginaldocumentpage12</column></row><table>從表1可以看出本發(fā)明的方法要好于目前通行的顏色恒常算法。從上述國際通行顏色恒常性算法測試數(shù)據(jù)庫測試結(jié)果來看，本發(fā)明的SANRF模型的結(jié)果好于通行的顏色恒常算法。具體實施方式二——SANRF模型的彩色圖像顏色增強(qiáng)效果測試方法下面通過實驗驗證本發(fā)明的SANRF模型不但能實現(xiàn)顏色恒常，還能同時實現(xiàn)圖像增強(qiáng)。對相同過度曝光和欠曝光圖像分別采用灰度世界、白板算法和本發(fā)明的SANRF模型進(jìn)行處理，并采用國際通行的sRGB空間量化指標(biāo)CEF對增強(qiáng)效果進(jìn)行量化(CEF>1表明對彩色圖像增強(qiáng)，越大效果越好；CEF<1表示圖像顏色質(zhì)量下降)，得到表2。從表2可以看出，本發(fā)明的SANRF模型不但實現(xiàn)了顏色恒常，還實現(xiàn)了顏色增強(qiáng)，改善了彩色圖像質(zhì)量。表2.對過度曝光和欠曝光圖像顏色增強(qiáng)結(jié)果<table>tableseeoriginaldocumentpage13</column></row><table>權(quán)利要求1、一種基于視網(wǎng)膜視覺機(jī)制的彩色圖像顏色恒常方法，包括以下步驟步驟1設(shè)定近似感受野模板大小及確定相應(yīng)的模型參數(shù)；設(shè)定3×3像素的近似感受野模板，其中感受野中心區(qū)為近似感受野模板的中心像素點，其半徑近似為0.5；感受野外周抑制區(qū)由近似感受野模板的周圍8個像素點構(gòu)成，即由周圍8個抑制亞區(qū)構(gòu)成，感受野外周抑制區(qū)的半徑近似為id="icf0001"file="A2009101677300002C1.tif"wi="7"he="4"top="61"left="112"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/>設(shè)定高斯核函數(shù)id="icf0002"file="A2009101677300002C2.tif"wi="31"he="12"top="58"left="150"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/>id="icf0003"file="A2009101677300002C3.tif"wi="28"he="12"top="73"left="23"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/>和id="icf0004"file="A2009101677300002C4.tif"wi="28"he="12"top="73"left="56"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/>的參數(shù)id="icf0005"file="A2009101677300002C5.tif"wi="12"he="8"top="76"left="98"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/>id="icf0006"file="A2009101677300002C6.tif"wi="15"he="9"top="74"left="114"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/>id="icf0007"file="A2009101677300002C7.tif"wi="17"he="9"top="74"left="133"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/>步驟2對原始彩色色偏圖像的每一個像素點分別提取紅色R、綠色G、藍(lán)色B和黃色Y顏色分量IR、IG、IB和IY，并計算各分量的n階導(dǎo)數(shù)IR(n)，IG(n)，IB(n)，IY(n)，n＝0、1或2；步驟3利用公式<mathsid="math0001"num="0001"><math><![CDATA[<mrow><msub><mi>A</mi><mrow><mi>R</mi><mn>1</mn></mrow></msub><mo>=</mo><msub><mi>A</mi><mrow><mi>R</mi><mn>2</mn></mrow></msub><mo>=</mo><msub><mi>A</mi><mrow><mi>R</mi><mn>3</mn></mrow></msub><mo>=</mo><msqrt><msup><mrow><mo>(</mo><msubsup><mi>I</mi><mi>R</mi><mrow><mo>(</mo><mi>n</mi><mo>)</mo></mrow></msubsup><mo>)</mo></mrow><mn>2</mn></msup><mo>+</mo><msup><mrow><mo>(</mo><msubsup><mi>I</mi><mi>G</mi><mrow><mo>(</mo><mi>n</mi><mo>)</mo></mrow></msubsup><mo>)</mo></mrow><mn>2</mn></msup><mo>+</mo><msup><mrow><mo>(</mo><msubsup><mi>I</mi><mi>B</mi><mrow><mo>(</mo><mi>n</mi><mo>)</mo></mrow></msubsup><mo>)</mo></mrow><mn>2</mn></msup><mo>+</mo><msup><mrow><mo>(</mo><msubsup><mi>I</mi><mi>Y</mi><mrow><mo>(</mo><mi>n</mi><mo>)</mo></mrow></msubsup><mo>)</mo></mrow><mn>2</mn></msup></msqrt><mo>/</mo><msubsup><mi>I</mi><mi>R</mi><mrow><mo>(</mo><mi>n</mi><mo>)</mo></mrow></msubsup></mrow>]]></math></maths><mathsid="math0002"num="0002"><math><![CDATA[<mrow><msub><mi>A</mi><mrow><mi>G</mi><mn>1</mn></mrow></msub><mo>=</mo><msub><mi>A</mi><mrow><mi>G</mi><mn>2</mn></mrow></msub><mo>=</mo><msub><mi>A</mi><mrow><mi>G</mi><mn>3</mn></mrow></msub><mo>=</mo><msqrt><msup><mrow><mo>(</mo><msubsup><mi>I</mi><mi>R</mi><mrow><mo>(</mo><mi>n</mi><mo>)</mo></mrow></msubsup><mo>)</mo></mrow><mn>2</mn></msup><mo>+</mo><msup><mrow><mo>(</mo><msubsup><mi>I</mi><mi>G</mi><mrow><mo>(</mo><mi>n</mi><mo>)</mo></mrow></msubsup><mo>)</mo></mrow><mn>2</mn></msup><mo>+</mo><msup><mrow><mo>(</mo><msubsup><mi>I</mi><mi>B</mi><mrow><mo>(</mo><mi>n</mi><mo>)</mo></mrow></msubsup><mo>)</mo></mrow><mn>2</mn></msup><mo>+</mo><msup><mrow><mo>(</mo><msubsup><mi>I</mi><mi>Y</mi><mrow><mo>(</mo><mi>n</mi><mo>)</mo></mrow></msubsup><mo>)</mo></mrow><mn>2</mn></msup></msqrt><mo>/</mo><msubsup><mi>I</mi><mi>G</mi><mrow><mo>(</mo><mi>n</mi><mo>)</mo></mrow></msubsup></mrow>]]></math></maths><mathsid="math0003"num="0003"><math><![CDATA[<mrow><msub><mi>A</mi><mrow><mi>B</mi><mn>1</mn></mrow></msub><mo>=</mo><msub><mi>A</mi><mrow><mi>B</mi><mn>2</mn></mrow></msub><mo>=</mo><msub><mi>A</mi><mrow><mi>B</mi><mn>3</mn></mrow></msub><mo>=</mo><msqrt><msup><mrow><mo>(</mo><msubsup><mi>I</mi><mi>R</mi><mrow><mo>(</mo><mi>n</mi><mo>)</mo></mrow></msubsup><mo>)</mo></mrow><mn>2</mn></msup><mo>+</mo><msup><mrow><mo>(</mo><msubsup><mi>I</mi><mi>G</mi><mrow><mo>(</mo><mi>n</mi><mo>)</mo></mrow></msubsup><mo>)</mo></mrow><mn>2</mn></msup><mo>+</mo><msup><mrow><mo>(</mo><msubsup><mi>I</mi><mi>B</mi><mrow><mo>(</mo><mi>n</mi><mo>)</mo></mrow></msubsup><mo>)</mo></mrow><mn>2</mn></msup><mo>+</mo><msup><mrow><mo>(</mo><msubsup><mi>I</mi><mi>Y</mi><mrow><mo>(</mo><mi>n</mi><mo>)</mo></mrow></msubsup><mo>)</mo></mrow><mn>2</mn></msup></msqrt><mo>/</mo><msubsup><mi>I</mi><mi>B</mi><mrow><mo>(</mo><mi>n</mi><mo>)</mo></mrow></msubsup></mrow>]]></math></maths><mathsid="math0004"num="0004"><math><![CDATA[<mrow><msub><mi>A</mi><mrow><mi>Y</mi><mn>1</mn></mrow></msub><mo>=</mo><msub><mi>A</mi><mrow><mi>Y</mi><mn>2</mn></mrow></msub><mo>=</mo><msub><mi>A</mi><mrow><mi>Y</mi><mn>3</mn></mrow></msub><mo>=</mo><msqrt><msup><mrow><mo>(</mo><msubsup><mi>I</mi><mi>R</mi><mrow><mo>(</mo><mi>n</mi><mo>)</mo></mrow></msubsup><mo>)</mo></mrow><mn>2</mn></msup><mo>+</mo><msup><mrow><mo>(</mo><msubsup><mi>I</mi><mi>G</mi><mrow><mo>(</mo><mi>n</mi><mo>)</mo></mrow></msubsup><mo>)</mo></mrow><mn>2</mn></msup><mo>+</mo><msup><mrow><mo>(</mo><msubsup><mi>I</mi><mi>B</mi><mrow><mo>(</mo><mi>n</mi><mo>)</mo></mrow></msubsup><mo>)</mo></mrow><mn>2</mn></msup><mo>+</mo><msup><mrow><mo>(</mo><msubsup><mi>I</mi><mi>Y</mi><mrow><mo>(</mo><mi>n</mi><mo>)</mo></mrow></msubsup><mo>)</mo></mrow><mn>2</mn></msup></msqrt><mo>/</mo><msubsup><mi>I</mi><mi>Y</mi><mrow><mo>(</mo><mi>n</mi><mo>)</mo></mrow></msubsup></mrow>]]></math></maths>計算出近似感受野模版的各個敏感度參數(shù)AR1、AR2、AR3、AG1、AG2、AG3、AB1、AB2、AB3、AY1、AY2和AY3；其中AR1表示近似感受野模版中心區(qū)的紅光敏感度，AR2表示近似感受野模版中某一抑制亞區(qū)對中心區(qū)的紅光抑制性作用的敏感度，AR3表示近似感受野模版中另一抑制亞區(qū)對某一抑制亞區(qū)的紅光抑制性作用的敏感度，AG1表示近似感受野模版中心區(qū)的綠光敏感度，AG2表示近似感受野模版中某一抑制亞區(qū)對中心區(qū)的綠光抑制性作用的敏感度，AG3表示近似感受野模版中另一抑制亞區(qū)對某一抑制亞區(qū)的綠光抑制性作用的敏感度，AB1表示近似感受野模版中心區(qū)的藍(lán)光敏感度，AB2表示近似感受野模版中某一抑制亞區(qū)對中心區(qū)的藍(lán)光抑制性作用的敏感度，AB3表示近似感受野模版中另一抑制亞區(qū)對某一抑制亞區(qū)的藍(lán)光抑制性作用的敏感度，AY1表示近似感受野模版中心區(qū)的黃光敏感度，AY2表示近似感受野模版中某一抑制亞區(qū)對中心區(qū)的黃光抑制性作用的敏感度，AY3表示近似感受野模版中另一抑制亞區(qū)對某一抑制亞區(qū)的黃光抑制性作用的敏感度；依據(jù)步驟1所確定的近似感受野模板，將原始彩色色偏圖像的每一個像素點作為一個近似感受野模型的中心區(qū)，與該像素點相鄰的周圍8個像素點作為近似感受野外周區(qū)的8個抑制亞區(qū)，按照從左至右、從上到下的順序依次對每一個近似感受野模型進(jìn)行下述步驟4至步驟9的操作步驟4根據(jù)公式<mathsid="math0005"num="0005"><math><![CDATA[<mrow><msub><mi>T</mi><mi>Rc</mi></msub><mo>=</mo><msub><mi>I</mi><mrow><mi>R</mi><mrow><mo>(</mo><msub><mi>x</mi><mn>0</mn></msub><mo>,</mo><msub><mi>y</mi><mn>0</mn></msub><mo>)</mo></mrow></mrow></msub><msub><mi>A</mi><mrow><mi>R</mi><mn>1</mn></mrow></msub><msub><mi>G</mi><mn>1</mn></msub></mrow>]]></math></maths><mathsid="math0006"num="0006"><math><![CDATA[<mrow><msub><mi>T</mi><mi>Gc</mi></msub><mo>=</mo><msub><mi>I</mi><mrow><mi>G</mi><mrow><mo>(</mo><msub><mi>x</mi><mn>0</mn></msub><mo>,</mo><msub><mi>y</mi><mn>0</mn></msub><mo>)</mo></mrow></mrow></msub><msub><mi>A</mi><mrow><mi>G</mi><mn>1</mn></mrow></msub><msub><mi>G</mi><mn>1</mn></msub></mrow>]]></math></maths><mathsid="math0007"num="0007"><math><![CDATA[<mrow><msub><mi>T</mi><mi>Bc</mi></msub><mo>=</mo><msub><mi>I</mi><mrow><mi>B</mi><mrow><mo>(</mo><msub><mi>x</mi><mn>0</mn></msub><mo>,</mo><msub><mi>y</mi><mn>0</mn></msub><mo>)</mo></mrow></mrow></msub><msub><mi>A</mi><mrow><mi>B</mi><mn>1</mn></mrow></msub><msub><mi>G</mi><mn>1</mn></msub></mrow>]]></math></maths><mathsid="math0008"num="0008"><math><![CDATA[<mrow><msub><mi>T</mi><mi>Yc</mi></msub><mo>=</mo><msub><mi>I</mi><mrow><mi>Y</mi><mrow><mo>(</mo><msub><mi>x</mi><mn>0</mn></msub><mo>,</mo><msub><mi>y</mi><mn>0</mn></msub><mo>)</mo></mrow></mrow></msub><msub><mi>A</mi><mrow><mi>Y</mi><mn>1</mn></mrow></msub><msub><mi>G</mi><mn>1</mn></msub></mrow>]]></math></maths>計算出每個近似感受野模型中心區(qū)(x0，y0)像素點對紅、綠、藍(lán)、黃四色光興奮反應(yīng)大小TRc、TGc、TBc、TYc；其中id="icf0016"file="A2009101677300003C5.tif"wi="11"he="4"top="67"left="56"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/>為中心區(qū)(x0，y0)像素點上的紅光分量，id="icf0017"file="A2009101677300003C6.tif"wi="11"he="4"top="67"left="141"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/>為中心區(qū)(x0，y0)像素點上的綠光分量，id="icf0018"file="A2009101677300003C7.tif"wi="11"he="4"top="78"left="56"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/>為中心區(qū)(x0，y0)像素點上的藍(lán)光分量，id="icf0019"file="A2009101677300003C8.tif"wi="11"he="4"top="78"left="142"img-content="drawing"img-format="tif"orientation="portrait"inline="yes"/>為中心區(qū)(x0，y0)像素點上的黃光分量；步驟5根據(jù)公式IIR[(x，y)-(x+m，y+n)]＝IR(x+m，y+n)AR3G3IIG[(x，y)-(x+m，y+n)]＝IG(x+m，y+n)AG3G3IIB[(x，y)-(x+m，y+n)]＝IB(x+m，y+n)AB3G3IIY[(x，y)-(x+m，y+n)]＝IY(x+m，y+n)AY3G3計算出每個近似感受野模型外周抑制區(qū)內(nèi)某一抑制亞區(qū)(x，y)受到周圍另一抑制亞區(qū)(x+m，y+n)的紅、綠、藍(lán)、黃四色光的抑制性作用強(qiáng)度IIR[(x，y)-(x+m，y+n)]、IIG[(x，y)-(x+m，y+n)]、IIB[(x，y)-(x+m，y+n)]、IIY[(x，y)-(x+m，y+n)]；其中IR(x+m，y+n)為另一抑制亞區(qū)(x+m，y+n)的紅光分量，IG(x+m，y+n)為另一抑制亞區(qū)(x+m，y+n)的綠光分量，IB(x+m，y+n)為另一抑制亞區(qū)(x+m，y+n)的藍(lán)光分量，IY(x+m，y+n)為另一抑制亞區(qū)(x+m，y+n)的黃光分量；m表示另一抑制亞區(qū)(x+m，y+n)在x方向上距某一抑制亞區(qū)(x，y)的距離，n表示另一抑制亞區(qū)(x+m，y+n)在y方向上距某一抑制亞區(qū)(x，y)的距離；步驟6根據(jù)公式<mathsid="math0009"num="0009"><math><![CDATA[<mrow><msub><mi>II</mi><mrow><mi>R</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow></mrow></msub><mo>=</mo><munder><mi>Σ</mi><mrow><mrow><mo>(</mo><mi>x</mi><mo>+</mo><mi>m</mi><mo>,</mo><mi>y</mi><mo>+</mo><mi>n</mi><mo>)</mo></mrow><mo>∈</mo><mi>N</mi><mo>\</mo><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow></mrow></munder><msub><mi>I</mi><mrow><mi>R</mi><mrow><mo>(</mo><mi>x</mi><mo>+</mo><mi>m</mi><mo>,</mo><mi>y</mi><mo>+</mo><mi>n</mi><mo>)</mo></mrow></mrow></msub><msub><mi>A</mi><mrow><mi>R</mi><mn>3</mn></mrow></msub><msub><mi>G</mi><mn>3</mn></msub></mrow>]]></math></maths><mathsid="math0010"num="0010"><math><![CDATA[<mrow><msub><mi>II</mi><mrow><mi>G</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow></mrow></msub><mo>=</mo><munder><mi>Σ</mi><mrow><mrow><mo>(</mo><mi>x</mi><mo>+</mo><mi>m</mi><mo>,</mo><mi>y</mi><mo>+</mo><mi>n</mi><mo>)</mo></mrow><mo>∈</mo><mi>N</mi><mo>\</mo><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow></mrow></munder><msub><mi>I</mi><mrow><mi>G</mi><mrow><mo>(</mo><mi>x</mi><mo>+</mo><mi>m</mi><mo>,</mo><mi>y</mi><mo>+</mo><mi>n</mi><mo>)</mo></mrow></mrow></msub><msub><mi>A</mi><mrow><mi>G</mi><mn>3</mn></mrow></msub><msub><mi>G</mi><mn>3</mn></msub></mrow>]]></math></maths><mathsid="math0011"num="0011"><math><![CDATA[<mrow><msub><mi>II</mi><mrow><mi>B</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow></mrow></msub><mo>=</mo><munder><mi>Σ</mi><mrow><mrow><mo>(</mo><mi>x</mi><mo>+</mo><mi>m</mi><mo>,</mo><mi>y</mi><mo>+</mo><mi>n</mi><mo>)</mo></mrow><mo>∈</mo><mi>N</mi><mo>\</mo><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow></mrow></munder><msub><mi>I</mi><mrow><mi>B</mi><mrow><mo>(</mo><mi>x</mi><mo>+</mo><mi>m</mi><mo>,</mo><mi>y</mi><mo>+</mo><mi>n</mi><mo>)</mo></mrow></mrow></msub><msub><mi>A</mi><mrow><mi>B</mi><mn>3</mn></mrow></msub><msub><mi>G</mi><mn>3</mn></msub></mrow>]]></math></maths><mathsid="math0012"num="0012"><math><![CDATA[<mrow><msub><mi>II</mi><mrow><mi>Y</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow></mrow></msub><mo>=</mo><munder><mi>Σ</mi><mrow><mrow><mo>(</mo><mi>x</mi><mo>+</mo><mi>m</mi><mo>,</mo><mi>y</mi><mo>+</mo><mi>n</mi><mo>)</mo></mrow><mo>∈</mo><mi>N</mi><mo>\</mo><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow></mrow></munder><msub><mi>I</mi><mrow><mi>Y</mi><mrow><mo>(</mo><mi>x</mi><mo>+</mo><mi>m</mi><mo>,</mo><mi>y</mi><mo>+</mo><mi>n</mi><mo>)</mo></mrow></mrow></msub><msub><mi>A</mi><mrow><mi>Y</mi><mn>3</mn></mrow></msub><msub><mi>G</mi><mn>3</mn></msub></mrow>]]></math></maths>計算出每個近似感受野模型外周抑制區(qū)內(nèi)某一抑制亞區(qū)(x，y)受到周圍其它所有抑制亞區(qū)的紅、綠、藍(lán)、黃四色光的抑制性作用強(qiáng)度的線性總和IIR(x，y)、IIG(x，y)、IIB(x，y)、IIY(x，y)；其中N\(x，y)表示感受野模型外周區(qū)中除去(x，y)抑制亞區(qū)的其他所有抑制亞區(qū)；步驟7根據(jù)公式<mathsid="math0013"num="0013"><math><![CDATA[<mrow><msub><mi>T</mi><mi>RN</mi></msub><mo>=</mo><munder><mi>Σ</mi><mrow><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>∈</mo><mi>N</mi></mrow></munder><mi>max</mi><mo>{</mo><msub><mi>A</mi><mrow><mi>R</mi><mn>2</mn></mrow></msub><msub><mi>G</mi><mn>2</mn></msub><mrow><mo>(</mo><msub><mi>I</mi><mrow><mi>R</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow></mrow></msub><mo>-</mo><msub><mi>II</mi><mrow><mi>R</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow></mrow></msub><mo>)</mo></mrow><mo>,</mo><mn>0</mn><mo>}</mo></mrow>]]></math></maths><mathsid="math0014"num="0014"><math><![CDATA[<mrow><msub><mi>T</mi><mi>GN</mi></msub><mo>=</mo><munder><mi>Σ</mi><mrow><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>∈</mo><mi>N</mi></mrow></munder><mi>max</mi><mo>{</mo><msub><mi>A</mi><mrow><mi>G</mi><mn>2</mn></mrow></msub><msub><mi>G</mi><mn>2</mn></msub><mrow><mo>(</mo><msub><mi>I</mi><mrow><mi>G</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow></mrow></msub><mo>-</mo><msub><mi>II</mi><mrow><mi>G</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow></mrow></msub><mo>)</mo></mrow><mo>,</mo><mn>0</mn><mo>}</mo></mrow>]]></math></maths><mathsid="math0015"num="0015"><math><![CDATA[<mrow><msub><mi>T</mi><mi>BN</mi></msub><mo>=</mo><munder><mi>Σ</mi><mrow><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>∈</mo><mi>N</mi></mrow></munder><mi>max</mi><mo>{</mo><msub><mi>A</mi><mrow><mi>B</mi><mn>2</mn></mrow></msub><msub><mi>G</mi><mn>2</mn></msub><mrow><mo>(</mo><msub><mi>I</mi><mrow><mi>B</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow></mrow></msub><mo>-</mo><msub><mi>II</mi><mrow><mi>B</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow></mrow></msub><mo>)</mo></mrow><mo>,</mo><mn>0</mn><mo>}</mo></mrow>]]></math></maths><mathsid="math0016"num="0016"><math><![CDATA[<mrow><msub><mi>T</mi><mi>YN</mi></msub><mo>=</mo><munder><mi>Σ</mi><mrow><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>∈</mo><mi>N</mi></mrow></munder><mi>max</mi><mo>{</mo><msub><mi>A</mi><mrow><mi>Y</mi><mn>2</mn></mrow></msub><msub><mi>G</mi><mn>2</mn></msub><mrow><mo>(</mo><msub><mi>I</mi><mrow><mi>Y</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow></mrow></msub><mo>-</mo><msub><mi>II</mi><mrow><mi>Y</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow></mrow></msub><mo>)</mo></mrow><mo>,</mo><mn>0</mn><mo>}</mo></mrow>]]></math></maths>計算出每個近似感受野模型外周抑制區(qū)內(nèi)各抑制亞區(qū)對中心區(qū)總的紅、綠、藍(lán)、黃四色光的抑制性作用強(qiáng)度TRN、TGN、TBN、TYN；其中N表示感受野模型外周區(qū)中所有抑制亞區(qū)，max表示二者之中取較大者；步驟8根據(jù)公式TR＝max(TRc-TGN，0)TG＝max(TGc-TRN，0)TB＝max(TBc-TYN，0)TY＝max(TYc-TGN，0)計算出每一個感受野模型的紅-綠互拮抗輸出TR和TG，以及藍(lán)-黃互拮抗的輸出TB和TY，取TR、TG和TB三個輸出作為每個感受野模型中心區(qū)(x0，y0)像素點的新的紅色R、綠色G和藍(lán)色B的分量；步驟9將步驟8所得的所有中心區(qū)像素點的新的紅色R、綠色G和藍(lán)色B的分量按像素點一一合成，就得到一幅校正了色偏，即顏色恒常的彩色圖像。全文摘要一種基于視網(wǎng)膜視覺機(jī)制的彩色圖像顏色恒常方法，屬于圖像處理
技術(shù)領(lǐng)域：
，涉及彩色圖像顏色恒常技術(shù)，尤其是一種基于視網(wǎng)膜視覺機(jī)制的彩色圖像顏色恒常方法。本發(fā)明基于目前最新的視覺神經(jīng)電生理研究成果，模擬人眼的視網(wǎng)膜視覺機(jī)制，建立近似感受野單拮抗模型實現(xiàn)色偏彩色圖像的顏色恒常。本發(fā)明通過國際通用的顏色恒常測試數(shù)據(jù)庫三百多幅不同場景和光照的圖像驗證，確認(rèn)提出的算法比現(xiàn)有的顏色恒常算法更為有效；另外，本發(fā)明不僅能夠?qū)崿F(xiàn)色偏彩色圖像顏色恒常，而且還具有圖像顏色的增強(qiáng)功能，更符合人眼視覺特性。文檔編號H04N9/73GK101674490SQ200910167730公開日2010年3月17日申請日期2009年9月23日優(yōu)先權(quán)日2009年9月23日發(fā)明者堯德中,李朝義,李永杰,杜馨瑜申請人:電子科技大學(xué)