本發(fā)明屬于計算機視覺的領(lǐng)域，涉及一種光照不變的圖像顏色空間變換方法。

背景技術(shù)：

隨著計算機技術(shù)的迅速發(fā)展，計算機視覺被廣泛應用于機器人、智能車輛的環(huán)境感知任務，如道路識別、障礙物識別等。但是，在室外環(huán)境下，視覺算法的效果受到復雜的環(huán)境因素的影響，如光照條件、陰影等都直接影響物體在圖像中的外觀形狀，進而增加了識別任務的難度，也增加了視覺識別算法的復雜度。

在以往的研究中，有一系列的圖像處理算法應對復雜光照的情況，包括基于統(tǒng)計學習的方法(r.guo,q.dai,d.hoiem.pairedregionsforshadowdetectionandremoval.ieeetransactionsonpatternanalysisandmachineintelligence,2013,35(12),2956–2967)、基于圖像分解的方法(j.shen,x.yang,y.jia,x.li.intrinsicimagesusingoptimization.ieeeconferenceoncomputervisionandpatternrecognition,2011,3481–3487)、基于陰影模型的方法(j.tian,x.qi,l.qu,y.tang.newspectrumratiopropertiesandfeaturesforshadowdetection,patternrecognition,2016,85-96)等。但是，在實際應用中，這些方法的復雜度太高，難以滿足實時性的要求。另一類方法是直接基于圖像變換的方法，通過構(gòu)造顏色空間的變換降低復雜光照和陰影的影響。如論文(j.m.alvarez,a.m.lopez.roaddetectionbasedonilluminantinvariance.ieeetransactionsonintelligenttransportationsystems,2011,12(1),184–193)中提出了一種單通道的顏色變換方法應用于道路識別任務，論文(y.sheo,k.m.lee,s.u.lee.jointdepthmapandcolorconsistencyestimationforstereoimageswithdifferentilluminationsandcameras.ieeetransactionsonpatternanalysisandmachineintelligence,2013,35(5),1094–1106)中提出了基于對數(shù)變換的三通道顏色空間應用于光照變化的立體匹配任務，論文(p.corke,r.paul,w.churchill,p.newman.dealingwithshadows:capturingintrinsicsceneappearanceforimage-basedoutdoorlocalization.ieee/rsjinternationalconferenceonintelligentrobotsandsystems,2013,2085–2092)利用色度坐標構(gòu)造單通道圖像降低光照變換的影響，并應用于道路識別任務。相比之下，基于圖像變換的方法運算復雜度較低，便于實時計算，但是對陰影的處理效果不夠好，而且在變換的過程中丟失了很多原始圖像中的顏色和紋理信息。

技術(shù)實現(xiàn)要素：

為了克服以往技術(shù)的不足，針對室外復雜光照的場景，本發(fā)明提出了一種光照不變的圖像顏色空間變換方法。

本發(fā)明采用的技術(shù)方案是：

本發(fā)明構(gòu)造三通道的光照不變空間：對于每一個通道的光照不變空間，用該通道的圖像值與其他兩個通道的圖像值指數(shù)積的比值作為該通道的顏色不變空間。

本發(fā)明基于相機成像模型，構(gòu)造了三通道的光照不變顏色空間，每個通道的像素值與光照強度無關(guān)，從而應用于復雜光照條件下的視覺識別任務。

對于每個通道的顏色空間變換，選取兩個因子作為其他兩個通道的指數(shù)。

所述的三通道是指rgb通道。

所述的方法采用以下方式進行光照不變的圖像顏色空間變換：對于常規(guī)的數(shù)字相機，其拍攝的原始rgb圖像為iw，原始rgb圖像iw中包含三個顏色通道{iwr,iwg,iwb}，iwr,iwg,iwb分別表示原始rgb圖像iw的紅色通道、綠色通道和藍色通道的圖像值，則變換后圖像中三個顏色通道{hr,hg,hb}采用以下公式計算得到：

其中，γgr表示紅色通道相對于綠色通道的變換參數(shù)，γbr表示紅色通道相對于藍色通道的變換參數(shù)，γrg表示綠色通道相對于紅色通道的變換參數(shù)，γbg表示綠色通道相對于藍色通道的變換參數(shù)，γrb表示藍色通道相對于紅色通道的變換參數(shù)，γgb表示藍色通道相對于綠色通道的變換參數(shù)，γgr,γbr,γrg,γbg,γrb,γgb∈[0,1]；hr,hg,hb分別表示變換后圖像的紅色通道、綠色通道和藍色通道的圖像值。

本發(fā)明顏色空間變換中所需的六個變換參數(shù)為γgr,γbr,γrg,γbg,γrb,γgr，基于數(shù)字相機的成像原理進行選擇。

具體的，所述的六個變換參數(shù)采用以下方式計算獲得：

在數(shù)字相機參數(shù)確定的情況下，六個變換參數(shù)γgr,γbr,γrg,γbg,γrb,γgr通過求解以下方程組得到：

γr-γgγgr-γbγbr＝0

γg-γrγrg-γbγbg＝0

γb-γrγrb-γgγgb＝0

其中，λn和γn為通道n的中心波長和對應的伽馬常數(shù)，n∈{r,g,b}。

針對常規(guī)的數(shù)字相機，本發(fā)明基于相機成像模型設計了圖像顏色空間變換，從而根據(jù)原始的rgb三通道彩色圖像得到與光照強度無關(guān)的三通道彩色圖像。每個通道的顏色空間變換由兩個變換因子控制，這兩個變換因子的值可以由相機參數(shù)確定，在實際中可以通過相機標定或者試差法方便地確定。

本發(fā)明涉及的光照不變的圖像顏色空間變換模型具體采用以下過程構(gòu)建：

對于常規(guī)的數(shù)字相機，其成像過程如下：

其中，l為相機響應值，λ為光波長，[λmin,λmax]為波長的區(qū)間，g為環(huán)境的幾何因子，l為光照強度，q(λ)為光波長λ的反射特性，s(λ)為光波長λ光源的光譜分布，w(λ)為光波長λ的光譜輻射強度。

光譜輻射強度w(λ)采用以下公式計算如下所示：

其中，w1,w2均為常數(shù)因子，t為顏色溫度。

接著使用伽馬函數(shù)對相機響應值進行映射，以生成輸出圖像，從而強調(diào)在明處和暗處的細節(jié)信息，計算得到圖像的圖像值如下：

iw＝l^γ

其中，γ為伽馬常數(shù)，為一個正常數(shù)。

對于每個圖像通道n∈{r,g,b}，假設對應的圖像傳感器的光譜敏感度分布足夠的窄(即s(λ)為diracdelta函數(shù))，采用以下公式計算得到各個通道對應的圖像值iwn為：

其中，qn＝q(λn)，λn和γn為通道n的中心波長和對應的伽馬常數(shù)，受到相機特性的影響，通常可以通過標定獲得。

相機成像模型代入成像過程的計算公式中進行顏色空間變換，得到光照不變的圖像顏色空間變換模型：

其中，er1,er2,eg1,eg2,eb1,eb2分別為誤差因子，定義如下：

當上述誤差因子er1,er2,eg1,eg2,eb1,eb2都為0時，得到的顏色空間{hr,hg,hb}與光照無關(guān)，只與物體表面反射特性有關(guān)。

對于圖像像素值由8bit表示的灰度圖像情況，像素值的區(qū)間為0～255。如果環(huán)境中的一點是過度曝光的，即有一個或多個通道的像素值為255，則其真實顏色將無法重建。針對這一技術(shù)問題，本發(fā)明引入伽馬常數(shù)γ通過伽馬變換解決了上述技術(shù)問題，能夠不失一般性。

本發(fā)明因為變換因子γgr,γbr,γrg,γbg,γrb,γgr只與相機參數(shù)有關(guān)，而且各顏色通道之間變換因子的選取是無關(guān)的，因此在相機標定不精確的情況下可以方便地使用試差法確定最佳的變換因子。

對于圖像中的每一個點，顏色空間變換只需要進行有限次數(shù)的數(shù)學運算，即該算法的復雜度為o(n)，可以滿足實時性的要求，變換后的光照不變顏色空間與光照強度無關(guān)。對于物體的反光特性相關(guān)方面，本發(fā)明可以去除環(huán)境中光照變化和陰影對像素點顏色和亮度的影響，從而有利于在復雜光照環(huán)境下更加魯棒的進行物體識別。

本發(fā)明的有益效果是：

本發(fā)明方法能夠去除環(huán)境中光照變化和陰影對圖像中像素點顏色和亮度的影響，得到只體現(xiàn)物體表面特性的圖像，從而有利于后續(xù)在復雜光照環(huán)境下更加魯棒地進行圖像中的物體識別，能尤其適用于室外復雜光照的場景，還能夠適用于灰度圖像的顏色空間變換情況，可以廣泛地應用于各種視覺識別任務。

附圖說明

圖1是本發(fā)明實施例的變換前后的效果對比圖。

圖2是實施例后續(xù)對道路區(qū)域采用本發(fā)明的識別結(jié)果圖。

圖3是實施例后續(xù)對道路區(qū)域未采用本發(fā)明的識別結(jié)果圖。

具體實施方式

以下結(jié)合具體實施方式對本發(fā)明加以詳細說明。

本發(fā)明的實施例如下：

在實施例數(shù)字相機參數(shù)確定的情況下，六個變換參數(shù)γgr,γbr,γrg,γbg,γrb,γgr通過求解方程組獲得。

求解得到的變換因子γgr,γbr,γrg,γbg,γrb,γgr分別為：

γgr＝0.6,γbr＝0.6,γrg＝0.48,γbg＝0.57,γrb＝0.4,γgb＝0.4。

由此采用以下公式進行光照不變的圖像顏色空間變換：

如圖1為實施例具有強陰影的場景的重構(gòu)結(jié)果，對于一個受到陰影強烈影響的道路場景，通過光照不變顏色變換后得到的圖像中，陰影造成的效果被基本消除，能夠有利于對道路區(qū)域的識別。

實施例后續(xù)對道路區(qū)域的識別，采用本發(fā)明的識別結(jié)果如圖2，未采用本發(fā)明的識別結(jié)果如圖3。從結(jié)果可以看出，光照不變的顏色空間變換恢復了陰影中的紋理信息，從而可以進行更加精確的道路識別。