顏色恒常性計(jì)算研究.pdf

1、知覺恒常性作為人類視覺系統(tǒng)最基本和最重要的功能之一，對人類正確穩(wěn)定地感知世界起著極其重要的作用。為了使計(jì)算機(jī)視覺系統(tǒng)具有類似的感知功能，知覺恒常性計(jì)算成為了計(jì)算機(jī)視覺領(lǐng)域中一個(gè)重要的研究課題。論文以知覺恒常性中的顏色恒常性作為研究對象，從無監(jiān)督的顏色恒常性計(jì)算、有監(jiān)督的顏色恒常性計(jì)算、顏色恒常性算法的融合、以及顏色不變性描述四個(gè)方面展開了顏色恒常性計(jì)算的研究： 在無監(jiān)督的顏色恒常性計(jì)算上，針對目前GSI（Grey Surface

2、 Identification）算法依賴于相機(jī)參數(shù)的缺點(diǎn)，提出了一種基于灰色表面的顏色恒常性算法（Color Constancy using Achromatic Surface，CCAS）。該算法利用迭代的方法來進(jìn)行灰色表面提取，從而避免了需要獲取相機(jī)的成像參數(shù)。利用CCAS算法得到的灰色表面來估計(jì)圖像的光照顏色，可以很大地提高光照估計(jì)的準(zhǔn)確度。 在有監(jiān)督的顏色恒常性計(jì)算上，為了克服基于支持向量回歸的顏色恒常性算法的單一輸出、

3、參數(shù)調(diào)節(jié)繁瑣、以及學(xué)習(xí)速度緩慢的缺點(diǎn)，引入了一種全新的單隱藏層前向神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法ELM（Extreme Learning Machine）算法，提出了一種基于ELM的顏色恒常性算法。此外，為了克服傳統(tǒng)的二值化的色度直方圖特征維數(shù)過高的缺點(diǎn)，論文基于Grey Edge算法框架提取了一種新的低維高效的圖像特征作為基于ELM的顏色恒常性算法的輸入向量。 在顏色恒常性算法的融合上，利用威布爾（Weibull）分布參數(shù)的圖像紋理描述方

4、法，綜合考慮圖像的全局紋理特征和局部紋理特征的基礎(chǔ)上，提出了一種基于紋理相似性的自然圖像的顏色恒常性計(jì)算算法。該算法利用Grey Edge算法框架作為顏色恒常性算法的產(chǎn)生器，根據(jù)圖像的紋理特征，為其選擇一個(gè)最優(yōu)的顏色恒常性算法或算法組合。 在顏色不變性描述上，基于魯棒的Diagonal-offset反射模型，定義了兩個(gè)新的顏色空間。在兩個(gè)新的顏色空間上，引入了不變矩理論，提出一個(gè)基于不變矩的顏色不變性描述子的計(jì)算框架。根據(jù)不同的