CN104168478B - 基于Lab空间及相关性函数的视频图像偏色检测方法 - Google Patents

Abstract

一种基于Lab空间及相关性函数的视频图像偏色检测方法，包括如下步骤：1)获取检测视频的相邻两帧图像；2)从RGB空间转换到Lab空间；3)将图像相应分成各个子块；4)计算对应子块方差及相关性；5)计算对应子块的色差；6)融合相关性系数与色差求偏色因子并与所设阈值比较从而判断是否偏色。本发明提供了一种均匀性良好、设备依赖性较低、适用性良好、可靠性和准确性更高的基于Lab空间及相关性函数的视频图像偏色检测方法。

Description

基于Lab空间及相关性函数的视频图像偏色检测方法

技术领域

本发明属于视频图像处理技术领域，尤其涉及一种视频图像偏色检测方法。

背景技术

颜色是图像的重要特征之一，它往往是图像处理与分析的重要依据。尤其对于图像分割、目标检测与识别、视频检索以及视频目标跟踪等领域的研究具有十分重要的意义。

而颜色是由反射特性以及入射光颜色所决定。由于人类的视觉系统具有颜色恒常性，即在一定程度上能消除光照条件等因素对颜色的影响，从而正确、真实地感知物体的颜色。但成像设备却不具备颜色恒常性，因此它会受环境光照、物体本身的反射特性和采集设备的感光系数的影响，而造成所拍摄到的图像的色彩与物体真实色彩之间存在一定程度上的误差，这种颜色上的差异便是偏色。偏色现象的存在会影响图像处理的正确性，如果不及时有效地检测出并校正偏色则后续的图像检索、模式识别等可能无法进行。要校正偏色的前提条件就是正确地检测出偏色的存在以及偏色的程度。

现有技术中，图像偏色的检测方法主要包括直方图统计法、灰平衡法、白平衡法、等效圆法、神经网络法和先验知识法。然而，这些方法都具有一定的局限性，在某些场合下无法正确可靠地检测出图像的偏色。直方图统计法可以给出图像的整体颜色表现，但在视频图像的不同应用中，偏色出现原因错综复杂，基于直方图统计的方法难以得到全面准确的判断；灰平衡法针对满足“灰度世界”假设，即图像的R、G、B均值相等，体现为中性“灰”，但是当环境亮度异常或者图像颜色较为单一时，由于图像不再满足“灰度世界”这一基本假设前提，从而导致了灰平衡法几乎完全失效；白平衡法针对存在镜面反射的图像，认为镜面反射或白色区域反射的高光部分能够反映光源的色度，从而判断偏色现象，但是当所拍摄的物体无白色或高光部分存在时，偏色检测结果是失真的；等效圆根据图像在Lab空间中色度均值分布情况，采用图像平均色度和色度中心距的比值来作为衡量图像偏色程度的偏色因子，但是对于无参考的偏色检测问题而言，正确的色度中心选择是随机且难以确定的；神经网络和先验知识法需要学习积累或先验知识来判断，具有较大的局限性。

当前图像偏色检测的主要手段是在RGB空间中进行偏色检测，但RGB空间具有不直观，不均匀，设备依赖性等特点。因此不能较好地满足要求。

发明内容

为了克服已有图像偏色检测方式的不均匀、设备依赖性较高、适用性较差、可靠性和准确性较差的不足，本发明提供了一种均匀性良好、设备依赖性较低、适用性良好、可靠性和准确性更高的基于Lab空间及相关性函数的视频图像偏色检测方法。

本发明解决其技术问题所采用的技术方案是：

一种基于Lab空间及相关性函数的视频图像偏色检测方法，所述检测方法包括如下步骤：

1)获取检测视频的相邻两帧图像；

2)从RGB空间转换到Lab空间，得到图像的L、a、b值；

3)将图像相应分成各个子块：

将图像分成M×N个子块，M、N为正整数，子块数量由图像的分辨率以及子块大小决定，子块的大小选为2的正整数幂；

4)计算对应子块方差及相关性：

计算分块后图像的各个子块像素方差，然后计算对应子块的协相关系数ρ，接着求协相关系数的绝对值之和的平均值Δρ；

5)计算对应子块的色差：

计算各个子块的L、a、b均值，然后求对应子块的色差接着求它们之间色差之和的平均值ΔE；

6)融合相关性系数与色差求偏色因子并与所设阈值比较从而判断是否偏色，过程如下：

根据色差的平均值ΔE与协相关系数的绝对值之和的平均值Δρ，计算偏色因子t为正整数；

当偏色因子大于所设阈值Th时，判定存在偏色。

进一步，所述步骤6)中，所述阈值Th＝m+ts，取出第n-a帧到第n帧要取来作为检查之间的数帧图像，然后计算相邻两帧图像间灰度直方图的差，m和s为这a+1个差值的均值和标准方差，a＝30～60。

更进一步，所述步骤2)中，RGB空间转换到Lab空间的计算公式为：

L＝0.2126007*R+0.7151947*G+0.0722046*B；

a＝0.3258962*R-0.4992596*G+0.1733409*B+128；

b＝0.1218128*R+0.3785610*G-0.5003738*B+128。

本发明的技术构思为：所以本发明采用了CIELab色度空间，它能反应颜色间的颜色距离与人实际感知上的差别基本一致。

Lab是一种色彩空间。在Lab颜色空间中，由L(亮度)、a(颜色)、b(颜色)三种参数表征。在一副图像中，每一个像素有对应的Lab值，即对应L、a、b三个通道。在Lab中，亮度和颜色是分开的，L通道没有颜色，a通道和b通道只有颜色。L取值为0～100(纯黑～纯白)、a取值为-128～127(绿～红)、b取值为-128～127(蓝～黄)。正为暖色，负为冷色。

本发明的有益效果主要表现在：基于Lab空间及相关性函数的视频图像偏色检测新方法是将RGB转换到Lab空间，然后基于Lab空间以及相关性函数进行复杂运算，根据运算出的偏色因子与阈值比较判断是否发生偏色；本发明不会受到场景或者先验知识的局限，较现有技术而言，具有普遍的适应性，同时它是以相邻帧图像作为参考与传统的单幅图像无参考地就进行偏色检测比较它更具可靠性和准确性。附图说明

图1是基于Lab空间及相关性函数的视频图像偏色检测方法的流程图。

图2为本发明计算子块相关性的流程图。

图3为本发明计算子块色差的流程图。

具体实施方式

下面结合附图对本发明作进一步描述。

参照图1～图3，一种基于Lab空间及相关性函数的视频图像偏色检测方法，包括如下步骤：

1)获取检测视频的相邻两帧图像；

2)从RGB空间转换到Lab空间；

3)将图像相应分成各个子块；

4)计算对应子块方差及相关性；

5)计算对应子块的色差；

6)融合相关性系数与色差求偏色因子并与所设阈值比较从而判断是否偏色。

其中，步骤2)中，RGB转换到Lab具体如下：

L＝0.2126007*R+0.7151947*G+0.0722046*B；

a＝0.3258962*R-0.4992596*G+0.1733409*B+128；

b＝0.1218128*R+0.3785610*G-0.5003738*B+128。

所述步骤3)中，图像分块如下：将图像分成M×N个子块，M、N为正整数，但图像具体分为多少块由图像的分辨率以及子块大小决定。而子块的大小通常可选为2的正整数幂，在此为便于计算子块大小定8×8，因此可以将一幅分辨率为800×600的图像分成7500个子图像块。

所述步骤4)中，对应子块方差及相关性的计算如图2所示：计算分块后图像的各个子块像素方差，然后计算对应子块的协相关系数ρ，接着求协相关系数的绝对值之和的平均值Δρ。

所述步骤5)中，计算对应子块的色差如图3所示：

计算各个子块的L、a、b均值，然后求对应子块的色差接着求它们之间色差之和的平均值ΔE。

所述步骤6)中，偏色因子的计算及偏色判断：计算色差的平均值ΔE与协相关系数的绝对值之和的平均值Δρ的比值，即为了防止分母为零，所以对K进行修正得出偏色因子，t为正整数通常选为4。

当偏色因子大于所设阈值，即D>Th时则存在偏色，所述阈值Th＝m+ts。因为实际视频图像一般没有正常不偏色的图像作为参照，所以为了自适应地确定阈值，故取出第n-a帧到第n帧要取来作为检查的之间的数帧图像，然后计算相邻两帧图像间灰度直方图的差，这a+1个差值的均值和标准方差分别为m和s。其中，a值的选择对阈值有着重要的影响。如果值较小，由于数据量较小，使得阈值的选择不够准确，从而容易导致检测错误；如果值较大，虽然保证了选择阈值的准确性，但同时增大了计算阈值时的运算量，增加了检测时间。为理想地平衡数据量和运算量，认为取a＝30～60比较合适，优选的，a取45最佳。

本发明根据偏色图像与非偏色图像颜色视觉上分布不同以及由大量统计数据表明当视频中出现偏色时，相邻帧图像的内容变化较小，其灰度图像只在亮度上存在差异像素间的相关性变化不大。因此，在Lab空间下采用相关性函数进行偏色判断。

Claims (3)

1.一种基于Lab空间及相关性函数的视频图像偏色检测方法，其特征在于：所述检测方法包括如下步骤：

1)获取检测视频的相邻两帧图像；

2)从RGB空间转换到Lab空间，得到图像的L、a、b值；

3)将相邻两帧图像相应分成各个子块：

将相邻两帧图像分成M×N个子块,M、N为正整数，子块数量由图像的分辨率以及子块大小决定，子块的大小选为2的正整数幂；

4)计算相邻两帧图像的对应子块方差及相关性：

计算分块后图像的各个子块像素方差，然后计算相邻两帧图像的对应子块的协相关系数ρ，接着求协相关系数的绝对值之和的平均值Δρ；

5)计算相邻两帧图像的对应子块的色差：

计算各个子块的L、a、b均值，然后求相邻两帧图像的对应子块的色差接着求它们之间色差之和的平均值ΔE；

6)融合相关性系数与色差求偏色因子并与所设阈值比较从而判断是否偏色，过程如下：

根据色差的平均值ΔE与协相关系数的绝对值之和的平均值Δρ，计算偏色因子t为正整数；

当偏色因子大于所设阈值Th时，判定存在偏色。

2.如权利要求1所述的基于Lab空间及相关性函数的视频图像偏色检测方法，其特征在于：所述步骤6)中，所述阈值Th＝m+ts，取出第n-a帧到第n帧要取来作为检查之间的数帧图像,然后计算相邻两帧图像间灰度直方图的差,m和s为这a+1个差值的均值和标准方差，a＝30～60。

3.如权利要求1或2所述的基于Lab空间及相关性函数的视频图像偏色检测方法，其特征在于：所述步骤2)中，RGB空间转换到Lab空间的计算公式为：

L＝0.2126007*R+0.7151947*G+0.0722046*B；

a＝0.3258962*R-0.4992596*G+0.1733409*B+128；

b＝0.1218128*R+0.3785610*G-0.5003738*B+128。