摘要：色彩恒常性的实现中,灰度世界算法通常因自然图像间场景差异导致较弱的光源估计性能.针对上述问题,提出了一种以场景语义为引导的改进灰度世界算法.首先,使用灰度化图像计算稠密SIFT描述子以避免彩色图像偏色干扰,SIFT描述子集合由词袋模型进一步生成无序视觉词汇;其次,以视觉词汇对应像素平均亮度为权重,基于空间金字塔匹配算法构建金字塔结构的亮度加权词频直方图;然后,采用直方图交叉核函数计算图像间场景语义相似度,并依据该相似度检索与测试图像场景语义相似的候选图像集;最后,所有候选图像的像素统计分布在经孤立森林算法移除异常值后被用于自适应推断,并更新灰度世界算法的固定假设,改进后灰度世界算法通过光源估计实现色彩恒常性.在ColorChecker,Cube+和NUS共3类公开色彩恒常数据集中的实验结果表明,所提算法在单相机测试中的光源估计角度误差较同类型灰度世界改进算法下降接近20%,且可在跨相机测试中取得对比算法中最低的光源估计角度误差.

摘要：色彩恒常研究中,白斑算法假设图像内最高亮度像素为灰色来估计光源色彩.然而受坏点及噪声影响,图像内最高亮度像素的色彩易偏离灰色,导致白斑算法光源估计性能降低.针对上述问题,提出一种基于灰色区域扩展的非学习类色彩恒常算法.首先,依据白斑假设定位灰色像素并将其作为初始种子点;其次,基于对数RGB色彩空间构建光源无关的种子点判定指标,用于指导初始种子点处的灰色区域分割;随后,采用一组生长终止阈值分割图像以生成多个灰色区域,各区域的光源估计值由该区域内所有像素值加权计算,从而弱化采用单一像素执行光源估计时可能受到的坏点及噪声影响;最后,来自多个灰色区域的光源估计值经Nearest2加权融合后作为最终光源估计结果.在ColorChecker,Cube+和SimpleCube++共3类公开色彩恒常数据集中的实验结果表明,所提算法的光源估计值在现有非学习类色彩恒常算法中取得了最低的中值角度误差,且相较原始白斑算法的中值角度误差平均降低70%.此外,得益于对相机传感器参数的不敏感性,所提算法在跨数据集色彩恒常实验中相较学习类算法还具有最低的中值及三均值角度误差.