摘要：给定物体三刺激值,重建物体反射率在跨媒体颜色复制领域有着重要应用。常见的重建反射率算法包括基向量法、维纳估计法、加权伪逆方法等,这些方法大多都是为了建立由低维度三刺激值或者RGB向高维度光谱反射率的映射关系,以重建的反射率与原始反射率的接近程度为评价指标,并且需要光谱反射率数据进行训练。但是很多工业领域在产品设计时都需要考虑到颜色恒常性(CⅡ)问题,以保证产品颜色在不同光照条件下具有相近的颜色表现。光谱反射率是决定物体颜色恒常的重要属性,为解决重建反射率进行颜色复现后产生颜色恒常性问题,Takahama和Nyatani提出具有颜色恒常性的线性规划光谱反射率重建方法,测试结果发现该方法重建的反射率呈现出类似“台阶”的形状,与实际物体色反射率差别太大。之后,Berns等在Takahama和Nyatani算法基础上,增加了色相角等约束,但重建出的反射率波动太大。Li和Luo提出具有光滑约束的二次规划颜色恒常性重建反射率算法,重建的反射率具有光滑性,比较接近实际物体色的反射率。提出一种非线性约束优化方法重建物体反射率,使之具有良好的颜色恒常性和光滑性。文中使用标准Munsell色卡中1 560个色块测量的反射率数据集对新算法进行测试,并与其他方法进行比较。结果表明,该方法不仅在重建反射率的颜色恒常性指标上远比Takahama和Nyatani方法,Berns等的方法以及Li和Luo的方法要好,而且重建反射率与原始反射率接近程度指标:均方根误差(RMSE)和拟合优度系数(GFC)也好于其他方法。因此该新方法对重建反射率时具有颜色恒常性要求的行业有着重要的应用价值。

摘要：光谱成像可以记录拍摄场景的光谱信息,从而实现颜色的高保真复现,图像的光谱信息通常同时混合了物体的光谱信息和光源信息,所以现有的光谱成像颜色还原需要通过提前放置的标定板或已知光谱特性的物体获取拍摄环境的光源信息,再进行图像的颜色恒常性校正。但光谱相机在实际使用过程中,通常难以满足上述条件,从而对图像高保真颜色还原提出挑战。针对此问题,提出一种光谱成像的图像颜色恒常性计算方法,将光谱成像系统获得光谱数据转换到XYZ颜色空间,并将图像分区域进行统计得到图像的统计点,通过大量常见光源的分布规律,给统计点施加位置权重和色温权重,同时设置亮度权重去除图像中过暗和过饱和的统计点,利用加权平均获得环境光的色度参数,根据需求将图像的XYZ颜色空间数据转换到RGB颜色空间,根据环境光的色度参数计算图像不同通道的增益,从而完成光谱图像的颜色恒常性计算。为了验证所提出算法的有效性,对140张光谱图像进行处理,计算算法得到的环境光色度参数和真实光源色度之间的再现角误差,对校正结果进行评价,结果表明提出的算法明显优于光谱图像不做处理和灰度世界法。为进一步分析算法校正结果与人眼感知之间的联系,设计颜色心理物理学实验中的分度实验,18名视觉正常的观察者参与实验,所有观察者对算法校正结果打分的平均值介于良好和优秀之间,可以满足实际使用需求;沿着平均色温线的方向,观察者所允许的光源色度差异较其它方向稍大;在图像中包含大面积记忆色时,当光源色度差异向使记忆色饱和度增大的方向偏移时,此时观察者所容忍的色度差异变大。由客观和心理物理学实验结果可知,所提出的算法可以在拍摄光源未知,且没有标板的情况下,较好的对光谱成像中的图像颜色恒常性进行处理,为光谱图像的颜色高保真再现打下基础。

摘要：现有的颜色恒常性算法在常规场景中通常能获得准确、稳定的光源颜色估计结果,但在内容单一、具有大面积单一颜色表面的低颜色复杂度场景中仍有较大概率出现超容限的估测误差。利用设置于摄影镜头旁的环境光传感器,提出一种应用环境光传感器的颜色恒常性算法。首先建立传感器置信度评估模型,然后针对不同置信度设计基于颜色空间转换与基于传感器辅助中性色像素提取的两种光源颜色估计方法。此外,还建立包含传感器测量结果的数据集。测试结果表明,相比现有具有最高精度的同类算法,所提算法的角度误差均值、中位数、最差25%均值分别下降32%、21%、41%。所提算法应用于常规场景和低颜色复杂度场景时均具有优势。

摘要：基于视觉心理物理学实验研究RGB-LED光源下的颜色恒常性。实验中,观察者分别在白色和红、绿、蓝、黄4种彩色的RGB-LED光源下对240个孟塞尔(Munsell)色卡进行颜色分类。实验结果表明,从白光变化到红色和绿色光源时,颜色恒常性在各颜色类别上表现均较好,与传统宽带光源下的表现接近;变化到蓝色光源时,颜色恒常性在棕、红、黄和橙色类别上表现较差;变化到黄色光源时,颜色恒常性在棕、红和橙色类别上表现较差。总体来说,红色和绿色光源下的颜色恒常性比蓝色和黄色光源下的恒常性好。实验结果可为RGB-LED光源在实际中的设计和应用提供参考。

摘要：由于成像设备存在的缺陷,容易引起成像色彩的偏移,影响图像算法的下游任务,因此需要采用颜色恒常性算法实现图像色彩的矫正,保证图像颜色与人眼看到的色彩保持一致.传统颜色恒常性算法的效果依赖于特定的光源环境,为了提升算法的适用范围和使用效率,提出了一种基于SqueezeNet框架的颜色恒常性计算模型,通过卷积图像网络感知图像光源,并引入了注意力机制和残差连接,提升网络对图像的理解和计算性能.网络同时预测输入图像各区域的光照颜色,再通过设计3种不同池化方式汇聚,输出图像的全局估计光源,最后利用估计光源矫正图像.实验结果表明,提出的光源估计算法能够有效地估计图像光照颜色,矫正图像色彩.

摘要：针对现有颜色恒常性增强方法大多在进行色彩空间转换时计算量较大的问题,在分析颜色恒常性理论的基础上,遵循保持色调不变而合理改变饱和度的原则,提出一种快速自适应图像颜色恒常性增强方法。对RGB空间中进行饱和度增强的原理进行分析,提出无需HSV色彩空间变换,直接在RGB空间中进行增强的颜色恒常性增强方法,对方法中的参数进行自适应计算,得到增强图像。利用实际拍摄的图像进行实验,视觉和定量评价结果表明,与现有增强方法相比,该算法在保持亮度、清晰度和色调等信息基本不变的同时,能合理地改变饱和度分量,保持良好的颜色恒常性和丰富的细节信息,取得较好的可视效果;由于无需色彩空间变换,该方法能够取得更快的计算速度。

摘要：针对现有颜色恒常性算法选取亮像素方法的不足,提出一种新的图像亮像素统计算法来估计相机成像时照明光源的颜色信息。首先,在图像各个通道分别取亮值;然后,采用动态取交集的方法选取亮像素,确保所选取的亮像素能有效代表光源的颜色信息;最后,通过统计亮像素的中值来估计光源颜色。在目前广泛应用的3个图像数据集上,将提出算法与maxRGB、Grey World等其他基于统计颜色恒常性算法进行比较分析,结果表明:相比其他颜色恒常性算法,提出算法所计算的图像数据集角度误差中值平均降低38%左右,更能准确估计照明光源颜色信息。

摘要：目的颜色恒常性通常指人类在任意光源条件下正确感知物体颜色的自适应能力,是实现识别、分割、3维视觉等高层任务的重要前提。对图像进行光源颜色估计是实现颜色恒常性计算的主要途径之一,现有光源颜色估计方法往往因局部场景的歧义颜色导致估计误差较大。为此,提出一种基于深度残差学习的光源颜色估计方法。方法将输入图像均匀分块,根据局部图像块的光源颜色估计整幅图像的全局光源颜色。算法包括光源颜色估计和图像块选择两个残差网络:光源颜色估计网络通过较深的网络层次和残差结构提高光源颜色估计的准确性;图像块选择网络按照光源颜色估计误差对图像块进行分类,根据分类结果去除图像中误差较大的图像块,进一步提高全局光源颜色估计精度。此外,对输入图像进行对数色度预处理,可以降低图像亮度对光源颜色估计的影响,提高计算效率。结果在NUS-8和重处理的Color Checker数据集上的实验结果表明,本文方法的估计精度和稳健性较好;此外,在相同条件下,对数色度图像比原始图像的估计误差低10%15%,图像块选择网络能够进一步使光源颜色估计网络的误差降低约5%。结论在两组单光源数据集上的实验表明,本文方法的总体设计合理有效,算法精度和稳健性好,可应用于需要进行色彩校正的图像处理和计算机视觉等领域。

摘要：针对光源渐变等因素在机器视觉中产生的相关问题,提出了一种基于BP神经网络的图像颜色校正方法。该方法通过合适的训练集对BP神经网络进行大量训练,得到光照变化前后图像像素点之间的映射关系,从而建立了在渐变光照环境下的颜色恒常性模型。该方法不需要内建约束的自适应模型,对于输入的数据不需要对表面属性做特定假设,拥有自适应、自学习的特点。实验结果表明,该模型对室内真实环境中渐变日光下颜色的识别表现出较好的颜色恒常性。

摘要：基于颜色表达的"语言体系",对建筑色彩设计过程中两次转译的建筑光学局限进行解析,并梳理了建筑色彩设计亟待完善的理论体系。