CN106791753A - 一种星地一体化面阵相机色彩校正方法 - Google Patents

Abstract

本发明一种星地一体化面阵相机色彩校正方法，采用地面24色标准色板标定与在轨Lab颜色空间修正相结合的方法。该方法包括如下步骤：a、采用24色标准色板进行色彩初始标定；b、对获取图像进行初级色彩校正；c、将图像由RGB颜色空间转换到Lab颜色空间；d、计算图像偏色参数，判断是否需要二级校正；e、对需要校正的图像，结合原始图像，计算校正系数；f、进行二级色彩修正；g、将图像由Lab颜色空间转换到RGB颜色空间。该方法基于Lab颜色空间不会受到场景或者先验知识的局限，两级校正提高了计算的鲁棒性和普适性，具有应用范围广，计算简单等特点。

Description

一种星地一体化面阵相机色彩校正方法

技术领域

本发明涉及一种星地一体化面阵相机色彩校正方法，尤其是针对星载相机原始图像的色彩校正方法，能够最大程度的还原原始图像真实色彩信息。可广泛应用于彩色面阵星载相机上，可以快速准确的获得未知空间的色彩信息，增强地面图形分析的准确度和鲁棒性，对于深空探测领域具有广泛的应用前景。

背景技术

面阵成像相机在不同的光照条件和环境条件，采集的图像的颜色与物体真实颜色之间存在一定程度的偏差。这种偏差将会影响后续图像分析的准确度和鲁棒性。在航天应用领域，由于太空环境和光照条件等的特殊性，对星载相机色彩的还原影响更为突出。

颜色校正算法一直以来都是成像领域的研究的热点，也已经取得了一定的进展。较为经典的算法有灰度世界算法(Gray World Method,GWM)和完美反射算法(PrefectReflector Method,PRM)。

灰度世界算法以灰度世界假设为前提，认为对于有着丰富色彩的图像，R、G、B三种色彩分量的平均灰度值趋于同一个灰度值。因此，灰度世界算法存在很大的局限性，当图像中颜色数量少或色彩较为单一时，该算法就会失效。完美反射法假设场景中最亮的部分反射了入射光，认为场景中含有能够完全反射RGB三分量的物体，并将得到的反射最大值(R_max、G_max、B_max)作为白色物体(光源)的颜色，以此为标准进行颜色校正。当被拍摄场景中没有符合反射条件的物体出现，那么根据这个方法所估计的白色物体(光源)的颜色就会有较大偏差。以上两种方法都会受到物体表面属性、光源特性、成像设备的光敏特性等条件的限制，对色彩校正的精度带来影响。

发明内容

本发明所解决的技术问题：克服现有技术的不足，提供一种星地一体化面阵相机色彩校正方法，采用两级校正的方式，校正了相机的固有色彩失真，并能够适应环境的不同变化，采用基于Lab颜色空间的算法，与设备特性无关，使得校正更准确。

本发明的技术方案是：一种星地一体化面阵相机色彩校正方法，包括如下步骤：

步骤1：将星载相机在地面采用24色标准色板进行色彩标定，计算并保存颜色校正系数；

步骤2：在轨应用时，星载相机拍照获取原始图像；

步骤3：根据步骤1获取的颜色校正系数对星载相机拍照获取的原始图像进行图像色彩校正；

步骤4：将校正后的图像由RGB颜色空间转换到Lab颜色空间，得到Lab颜色空间的图像I₁；

步骤5：计算图像I₁在Lab颜色空间上的等效圆参数及偏色因子K：

K＝D/R，

其中，M、N分别为图像的高和宽，a_ij、b_ij为Lab颜色空间图像I₁的第i行，第j列的a、b分量，d_a、d_b为Lab颜色空间图像I₁等效圆中心坐标，D为Lab颜色空间图像I₁等效圆中心距,R_a、R_b为Lab颜色空间图像I₁的a、b分量的标准差，R为Lab颜色空间图像I₁等效圆半径，K为偏色因子；

如果K≤1，则图像颜色较好，不需要进一步校正，退出本方法；如果K>1，则进如步骤6；

步骤6：将步骤2获取的原始图像由RGB颜色空间转换到Lab颜色空间，计算其在Lab颜色空间上的等效圆参数R'_a、R'_b：

其中，a’_ij、b’_ij为原始图像Lab颜色空间图像第i行，第j列的a、b分量，d’_a、d’_b为原始图像Lab颜色空间等效圆中心坐标,R’_a、R’_b为原始图像Lab颜色空间a、b分量的标准差。

步骤7：计算获得Lab颜色空间色彩初始校正系数：

步骤8：计算获得加权修正系数：

其中avr表示求各参数的平均值；

步骤9：计算获得Lab颜色空间色彩最终校正系数：

C_a＝C1_a×P_a，C_b＝C1_b×P_b；

步骤10：对步骤4获得的Lab颜色空间的图像I₁进行色彩修正：

a″_ij＝a_ij-C_a，b″_ij＝b_ij-C_b；

其中a″_ij、b″_ij为修正后的Lab颜色空间图像I₁的第i行，第j列的a、b分量；

步骤11：对步骤10获得的修正后的Lab颜色空间的图像进行颜色空间转换，获得RGB颜色空间的图像。

本发明与现有技术相比的优点在于：本发明首先采用标准24色色板对相机进行了一级颜色校正，修正了由于传感器、镜头等对光源滤波造成的颜色失真。再采用基于Lab颜色空间的颜色校正方法对在轨图像进行二级校正，对环境和光照的偏差进行了补偿。相较于现有技术而言，基于Lab颜色空间的色彩计算与设备无关，不会受到场景或者先验知识的局限，两级校正提高了计算的鲁棒性和普适性，具有应用范围广，计算简单等特点。

附图说明

图1为本发明方法计算流程。

具体实施方式

下面结合附图1对本发明做进一步的详细描述。

步骤1：将星载相机在地面测试阶段采用24色标准色板进行色彩标定，计算并保存颜色校正系数；基于24色标准色板的色彩标定为通用算法，获得的校正系数形式如下：

其中，Kr1～3、Kb1～3、Kc1～3为RGB颜色空间RGB颜色校正矩阵系数。

步骤2：在轨应用时，星载相机在轨拍照获取原始图像；

步骤3：根据步骤1获取的颜色校正系数对获取的图像进行初级色彩校正；

其中，R’、G’、B’表示RGB颜色空间的原始图像，R、G、B为初级校正后的图像。

步骤4：将校正后的图像由RGB颜色空间转换到Lab颜色空间，得到Lab颜色空间的图像I₁，公式如下：

L＝0.0834R+0.2805G+0.00283B

a＝1.4727*(0.2213R-0.3390G+0.1177B)

b＝0.625*(0.1949R+0.6057G-0.8006B)

步骤5：计算图像I₁在Lab颜色空间上的等效圆参数及偏色因子K：

K＝D/R，

其中，M、N分别为图像的高和宽，a_ij、b_ij为Lab颜色空间图像I₁的第i行，第j列的a、b分量，d_a、d_b为Lab颜色空间等效圆中心坐标，D为等效圆中心距,R_a、R_b为Lab颜色空间图像I₁的a、b分量的标准差，R为Lab颜色空间等效圆半径，K为偏色因子；

如果K≤1，则图像颜色较好，不需要进一步校正，如果K>1，则需要对图像进行二级色彩修正，需进行下述步骤：

步骤6：将步骤2获取的原始图像由RGB颜色空间转换到Lab颜色空间，计算其在Lab颜色空间上的等效圆参数R'_a、R'_b：

其中，a’_ij、b’_ij为原始图像Lab颜色空间图像第i行，第j列的a、b分量，d’_a、d’_b为原始图像Lab颜色空间等效圆中心坐标,R’_a、R’_b为原始图像Lab颜色空间a、b分量的标准差。

步骤7：计算Lab颜色空间色彩初始校正系数：

步骤8：计算加权修正系数：

其中avr表示求各参数的平均值，

步骤9：计算Lab颜色空间色彩最终校正系数：

C_a＝C1_a×P_a，C_b＝C1_b×P_b

步骤10：对步骤4获得的Lab颜色空间的图像I₁进行色彩修正：

a″_ij＝a_ij-C_a，b″_ij＝b_ij-C_b；

其中a″_ij、b″_ij为修正后的Lab颜色空间图像I₁的第i行，第j列的a、b分量；

步骤11：对步骤10获得的Lab颜色空间的图像进行颜色空间转换，获得最终的RGB颜色空间的图像。

本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。

Claims (1)

1.一种星地一体化面阵相机色彩校正方法，其特征在于包括如下步骤：

步骤1：将星载相机在地面采用24色标准色板进行色彩标定，计算并保存颜色校正系数；

步骤2：在轨应用时，星载相机拍照获取原始图像；

步骤3：根据步骤1获取的颜色校正系数对星载相机拍照获取的原始图像进行图像色彩校正；

步骤4：将校正后的图像由RGB颜色空间转换到Lab颜色空间，得到Lab颜色空间的图像I₁；

步骤5：计算图像I₁在Lab颜色空间上的等效圆参数及偏色因子K：

$d_a=\frac{\underset{i=1}{\overset{M}{\Σ}}\underset{j=1}{\overset{N}{\Σ}}{a}_{ij}}{MN},d_b=\frac{\underset{i=1}{\overset{M}{\Σ}}\underset{j=1}{\overset{N}{\Σ}}{b}_{ij}}{MN},D=\sqrt{d_a^2+d_b^2},$

$R_a=\frac{\sqrt{\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{\left(a_{ij}-d_a\right)}^2}}{MN},R_b=\frac{\sqrt{\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{\left(b_{ij}-d_b\right)}^2}}{MN},R=\sqrt{R_a^2+R_b^2},$

K＝D/R，

其中，M、N分别为图像的高和宽，a_ij、b_ij为Lab颜色空间图像I₁的第i行，第j列的a、b分量，d_a、d_b为Lab颜色空间图像I₁等效圆中心坐标，D为Lab颜色空间图像I₁等效圆中心距,R_a、R_b为Lab颜色空间图像I₁的a、b分量的标准差，R为Lab颜色空间图像I₁等效圆半径，K为偏色因子；

如果K≤1，则图像颜色较好，不需要进一步校正，退出本方法；如果K>1，则进如步骤6；

步骤6：将步骤2获取的原始图像由RGB颜色空间转换到Lab颜色空间，计算其在Lab颜色空间上的等效圆参数R'_a、R'_b：

${d^{\′}}_a=\frac{\underset{i=1}{\overset{M}{\Σ}}\underset{j=1}{\overset{N}{\Σ}}{a^{\′}}_{ij}}{MN},{d^{\′}}_b=\frac{\underset{i=1}{\overset{M}{\Σ}}\underset{j=1}{\overset{N}{\Σ}}{b^{\′}}_{ij}}{MN},$

${R^{\′}}_a=\frac{\underset{i=1}{\overset{M}{\Σ}}\underset{j=1}{\overset{N}{\Σ}}{({a^{\′}}_{ij}-{d^{\′}}_a)}^2}{MN},{R^{\′}}_b=\frac{\underset{i=1}{\overset{M}{\Σ}}\underset{j=1}{\overset{N}{\Σ}}{({b^{\′}}_{ij}-{d^{\′}}_b)}^2}{MN},$

其中，a’_ij、b’_ij为原始图像Lab颜色空间图像第i行，第j列的a、b分量，d’_a、d’_b为原始图像Lab颜色空间等效圆中心坐标,R’_a、R’_b为原始图像Lab颜色空间a、b分量的标准差。

步骤7：计算获得Lab颜色空间色彩初始校正系数：

$C{1}_a=(D-R)\frac{d_a}{D},C{1}_b=(D-R)\frac{d_b}{D};$

步骤8：计算获得加权修正系数：

$P_a=\frac{avr(R_a,R_b,R_a^{\′},R_b^{\′})}{R_a},P_b=\frac{avr(R_a,R_b,R_a^{\′},R_b^{\′})}{R_b};$

其中avr表示求各参数的平均值；

步骤9：计算获得Lab颜色空间色彩最终校正系数：

C_a＝C1_a×P_a，C_b＝C1_b×P_b；

步骤10：对步骤4获得的Lab颜色空间的图像I₁进行色彩修正：

a″_ij＝a_ij-C_a，b″_ij＝b_ij-C_b；

其中a″_ij、b″_ij为修正后的Lab颜色空间图像I₁的第i行，第j列的a、b分量；

步骤11：对步骤10获得的修正后的Lab颜色空间的图像进行颜色空间转换，获得RGB颜色空间的图像。