导读:本文包含了色彩恒常论文开题报告文献综述及选题提纲参考文献，主要关键词:四带图像,颜色恒常,retinex,Frankle-McCann,Retinex
色彩恒常论文文献综述
石慧玲[1]（2016）在《基于颜色恒常的四带图像色彩还原技术研究》一文中研究指出人的眼睛具有颜色恒常性。颜色恒常性是指在不同颜色的光源下人的眼睛能够自动准确识别物体本身颜色的特性。但是这仅仅只对于人眼,对相机等并不适用。而图像采集设备在进行图像采集时对外界光源非常敏感,这会导致成像图片的颜色与物体本身颜色出现偏差。所以颜色校正在图像处理中扮演非常重要的角色。本文的研究对象是四带图像,四带图像是指由可见光加850nm的近红外拍摄而成的图像。在进行图片拍摄时,国内外的相机都直接加入滤波片以滤除红外的干扰从而得到正常图像。本文则从算法角度去除红外的干扰,用算法的方式把四带图像还原成正常图像。算法分为两步,首先对受红外影响最大的R、B两通道进行一个初步的校正,随即得到一张偏色图像,此时的偏色图像中各颜色已经有了明显的区分。接着在此基础上运用基于颜色恒常的Frankle-McCann Retinex算法对图像进行偏色校正。本文中的Frankle-McCann Retinex算法相较于传统的Frankle-McCann Retinex算法有两点改进之处,一是在路径比较时加入了含高斯函数的权值,二是算法末尾进行了含均值和均方差的线性拉伸。实验表明,该方法有着较好的校正效果。并为后续的四带图像的色彩还原奠定基础。(本文来源于《福建师范大学》期刊2016-06-30）
靳珍璐,潘泉,赵春晖,魏妍妍,马娟娟[2]（2015）在《基于局部精确直方图匹配的无人机景象匹配导航色彩恒常算法》一文中研究指出为了解决无人机景象匹配导航中实时图和基准图之间的色彩差异性问题,提出了一种基于局部精确直方图匹配的色彩恒常算法。将实时图分成一系列子块图像,根据景象匹配辅助导航系统预测的无人机位姿信息,获得实时图与基准图的粗略对应关系,考虑平移、尺度、旋转等补偿,选取基准图中与实时图子块对应的基准图子块,求解每对子块图像红、绿、蓝颜色通道色彩直方图的颜色映射关系,并根据建立的颜色映射关系,对实时图子块的叁个颜色通道进行变换,从而降低实时图与基准图之间的色彩差异。试验结果表明,所提色彩恒常算法对光源颜色估计的欧拉角误差约降低到传统色彩恒常算法的20%,相比于不采用色彩恒常处理的景象匹配算法,将景象匹配平均误差降低了约70%,由于算法中引入了分块处理机制,能够克服多光源成像导致的色彩差异,具有并行计算的优势,便于工程应用。(本文来源于《中国惯性技术学报》期刊2015年05期）
孙慧[3]（2013）在《基于色彩恒常及肤色信息的人脸检测算法研究》一文中研究指出随着信息化社会的高速发展以及信息安全意识的普及，人脸检测与识别技术蓬勃发展并渗透进各行各业。人脸检测是识别的基础，依赖于所处的物理环境和检测装备的性能。本论文从物理环境中引起成像图片色彩偏差的光照条件着手，从机器视觉的角度修正偏差以实现最大可能的还原真实色彩，进而确定面部肤色区域，实现人脸检测。本论文的主要工作从以下四个方面进行阐述。1、为了克服光照变化引起的机器视觉对图像颜色认知的影响，本文提出一种基于流形结构的色彩恒常算法。通过将一个宽的高斯模型与测试图像卷积提取背景光照，对参考光照主成分分析提取主要光照分量，结合流形结构将测试光转换为投射光照，最后从测试图像中滤去原始光，并覆盖投射光，实现背景光照的有效转换，并在肤色检测中得到验证。2、在研究经典颜色恒常算法的基础上，从人眼视觉图心倾向性出发，加权平均视野内局部的亮度与色度信息，并结合无色差反射与最大响应点的优势，提出基于亮度加权的Gray-world与Retinex融合的色彩恒常算法，能较好的实现色彩恒常处理。3、提出改进的双椭圆肤色模型，把彩色图片从原彩色空间分别转换到YCbCr和YCgCr空间后，考虑到色度对亮度的依赖性，利用非线性变化使色度Cb、Cr、Cg分量与亮度尽量分离，并拟合椭圆参数，逼近肤色在色度空间的聚类模型。4、通过对二值肤色分割图像几何特征分析，实现人脸粗定位。Adaboost算法通过引入Haar矩形特征，构造弱分类器为强分类器，最终构造级联分类器,并结合色彩恒常算法，有效避免漏检，精确检测人脸。(本文来源于《江西理工大学》期刊2013-05-30）
刘佳嘉,周超[4]（2013）在《一种基于色彩恒常理论的薄雾图像增强方法》一文中研究指出针对薄雾天气下的图像对比度较低,以及光照不均引起的颜色退化失真问题,提出了一种基于色彩恒常理论的薄雾图像增强方法。该方法将Frankle_McCann Retinex(FMR)算法与光照补偿算法系统地结合。首先利用FMR算法来提高图像对比度,再采用光照补偿方法,将彩色图像从RGB空间转换至HSV空间,对亮度分量进行直方图均衡处理;再转回RGB空间,以此提高图像亮度同时保留色彩真实性。实验表明,此方法比传统FMR算法能更有效去除色彩失真,改善退化细节,获得良好视觉效果。(本文来源于《科学技术与工程》期刊2013年13期）
罗雪梅,曾平,王莹,王义峰[5]（2010）在《基于色调恒常空间的色彩管理》一文中研究指出针对CIELAB空间色调非恒常影响色域匹配及色差计算准确度问题,研究了色调恒常校正方法,建立了一种新的校正空间tLAB,并用其替代CIELAB空间实施色彩管理.首先,以孟塞尔空间为标准,分析了CIELAB空间的色调非恒常性.然后,利用孟塞尔新标数据对CIELAB空间实施色调校正,构建了色调恒常的颜色空间tLAB;借助叁维查找表(3D-LUT)描述CIELAB和tLAB之间的非线性关系,提出了不增加时空代价的色彩管理工程实现方案.最后,给出了利用tLAB空间进行色域匹配的结果,以及新的色差评价指标体系.实验表明,利用tLAB空间进行色域匹配的效果明显优于传统方法,且用其替代CIELAB空间实施色彩管理具有很好的实时性和普适性.(本文来源于《电子学报》期刊2010年11期）
丁二锐[6]（2008）在《统计学习在色彩校正和色彩恒常中的应用》一文中研究指出色彩管理技术是解决不同成像设备之间色彩再现不一致的一种技术,力求实现色彩“所见即所得”的终极目标,已经广泛应用于印刷、纺织和多媒体等领域。作为色彩管理的一项核心技术,色彩校正的主要任务是补偿因外设非理想特性产生的色偏,在色彩管理系统中往往是和色彩转换结合起来,其效果直接影响色彩再现的精确性,因而一直是国内外研究的热点问题。近几年来,考虑到光照等环境影响,色彩恒常也已成为未来色彩管理和实际需求迫切需要解决的一项重点技术。色彩恒常的目的是在不同光照环境下保持对色彩的不变描述,这对计算机视觉中物体识别和基于内容的图像检索等应用至关重要。色彩校正和色彩恒常通常借助彩色样本集来描述、获取某种色彩特性,并将问题归结为不同色彩空间之间的映射关系。然而,作为研究样本集特征和关系描述的一种有力工具,统计学习技术当前还未深入涉及到这一领域。为此,本文主要研究了统计学习技术在色彩校正和色彩恒常中的应用问题。结合色彩校正算法的传统分类,本文按照校正机理的不同并依据统计学习概念将算法分为四类,即,叁维插值、邻域回归、稀疏贝叶斯学习及计算智能,重点讨论了不同校正机理下的技术瓶颈及相应解决方案,强调了方案的精度和速度效果。在色彩恒常中,结合目前国内外研究现状及课题的整体部署,主要讨论了色彩恒常的实现过程,并分别提出了相应的光源估计算法和监督色彩恒常算法。在叁维插值类中,主要解决了当前流行插值算法的几何体定位难题并提出了一种新的高精度插值算法。首先提出了两种基于四面体插值校正的加速算法。第一种算法为基于历史的局部搜索法,主要借助数据相关性,根据上次插值数据的邻域来查找此次的数据。第二种算法为利用辅助表的快速定位法,采用了粗略定位和精确定位的两步定位法。两种算法均能促进叁维查找表数据的快速生成。此外,针对色域匹配的不同渲染目的,提出了再加速策略,以减小对应不同渲染目的叁种查找表数据的生成时间,实验证实了策略的有效性。最后提出了基于改进最大模糊熵的线性插值算法。该算法定义了新的插值范围,采用模糊熵形式确定插值系数。算法无需定位几何体,其校正精度优于目前的叁维插值算法。在邻域回归类中,针对当前回归类算法的技术缺陷,提出了邻域回归校正概念,并提出了两种不同的邻域回归算法。邻域回归算法深化了分区思想,克服了分区回归存在的缺点。第一种算法为基于结构风险最小化和全最小二乘法的邻域回归算法,结构风险化原则贴近了真实风险并减小了模型复杂度,而全最小二乘法考虑到了输入输出数据的噪声。第二种算法为基于提升的核偏最小二乘回归算法,核函数将源色彩空间数据映射到一个高维空间,偏最小二乘回归提取了主成分,而提升技术进一步提高了精度。此外,还讨论了邻域的加速确定和范围问题。在稀疏贝叶斯学习类中,以当前稀疏核工具的应用利弊分析为基础,提出了采用基于贝叶斯法则的稀疏核工具—相关向量机的校正方案,并提出了多种有效的改进措施。该类算法采用了统计学习中最新的实效技术,在以往的色彩校正研究中从未出现过,且取得了满意的校正效果。算法集成了多个核函数以提供一组完备基或超完备基。为了减小算法的训练时间,首先采用保局投影来约简多核输入矩阵的列维数,其次采用相关向量的预提取技术和分布式结构来进一步减小训练时间。其中,完备基主要通过尺度核函数及小波核函数实现,超完备基则使用到了现存的多种核函数。相关向量的预提取技术主要通过分层采样和聚类来实现。算法在校正精度上优于支持向量机和相关向量机,且训练时间小于相关向量机。在计算智能类中,首先分析了当前模糊逻辑和神经网络应用于校正的实际困难,然后提出了相应的措施以解决两者的内部结构确定难题,最后给出了遗传算法在色彩校正中的应用可能。首先提出了基于KPCA和ANFIS的校正算法,KPCA作为数据的预处理器,ANFIS自动化了If-then规则。实验表明了算法在精度上的优越性。随后构建了一种新的集成神经网络的校正模型,该模型解决了单个网络中的结构确定难题,通过集成多个简单的神经网络提高了模型的泛化能力,其校正精度高于单个网络和Bagging集成模型。最后,构建了基于遗传算法的简易提升校正模型,选择算子挑选比较“难”学习的样本组成下次训练样本集,基于ANFIS的例子表明了模型有效性。在色彩恒常的实现中,结合前沿研究和实用目的,提出了基于自适应约简相关向量机的光源色度估计算法以及基于薄板样条和最小一乘法的监督色彩恒常算法。前者采用自适应混合核函数来提高精度,利用改进的保局投影来减小训练时间;为估计光源色度,采用色度直方图的模糊中心和相应光源值训练算法。后者通过放置监督色板来描述光源转换关系,然后采用薄板样条映射光照数据,再在约简后的映射数据上应用最小一乘法捕获转化关系。基于真实图像的实验表明了两种算法的优越性。(本文来源于《西安电子科技大学》期刊2008-01-01）
芮义斌,李鹏,孙锦涛[7]（2006）在《基于色彩恒常理论的图像去雾技术》一文中研究指出针对户外图像采集处理系统,讨论了1种有效的图像去雾方法。由于雾退化图像对比度较低,从图像增强角度入手,将雾的退化作用等效成景物的照度变化,根据色彩恒常理论,采用Frankle-McCann Retinex(FMR)算法进行图像去雾处理;结合人眼对亮度的指数视觉特性,采用软复位算法对其进行改进。仿真分析表明,改进后的算法可以有效增强雾退化图像的对比度,获得满意的视觉效果。(本文来源于《南京理工大学学报(自然科学版)》期刊2006年05期）
色彩恒常论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了解决无人机景象匹配导航中实时图和基准图之间的色彩差异性问题,提出了一种基于局部精确直方图匹配的色彩恒常算法。将实时图分成一系列子块图像,根据景象匹配辅助导航系统预测的无人机位姿信息,获得实时图与基准图的粗略对应关系,考虑平移、尺度、旋转等补偿,选取基准图中与实时图子块对应的基准图子块,求解每对子块图像红、绿、蓝颜色通道色彩直方图的颜色映射关系,并根据建立的颜色映射关系,对实时图子块的叁个颜色通道进行变换,从而降低实时图与基准图之间的色彩差异。试验结果表明,所提色彩恒常算法对光源颜色估计的欧拉角误差约降低到传统色彩恒常算法的20%,相比于不采用色彩恒常处理的景象匹配算法,将景象匹配平均误差降低了约70%,由于算法中引入了分块处理机制,能够克服多光源成像导致的色彩差异,具有并行计算的优势,便于工程应用。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
色彩恒常论文参考文献
[1].石慧玲.基于颜色恒常的四带图像色彩还原技术研究[D].福建师范大学.2016
[2].靳珍璐,潘泉,赵春晖,魏妍妍,马娟娟.基于局部精确直方图匹配的无人机景象匹配导航色彩恒常算法[J].中国惯性技术学报.2015
[3].孙慧.基于色彩恒常及肤色信息的人脸检测算法研究[D].江西理工大学.2013
[4].刘佳嘉,周超.一种基于色彩恒常理论的薄雾图像增强方法[J].科学技术与工程.2013
[5].罗雪梅,曾平,王莹,王义峰.基于色调恒常空间的色彩管理[J].电子学报.2010
[6].丁二锐.统计学习在色彩校正和色彩恒常中的应用[D].西安电子科技大学.2008
[7].芮义斌,李鹏,孙锦涛.基于色彩恒常理论的图像去雾技术[J].南京理工大学学报(自然科学版).2006
标签：四带图像; 颜色恒常; Retinex; Frankle-McCann; Retinex;