CN108848364A - 一种基于支持向量回归机的颜色空间转换的颜色校正方法 - Google Patents

一种基于支持向量回归机的颜色空间转换的颜色校正方法 Download PDF

Info

Publication number
CN108848364A
CN108848364A CN201810657575.9A CN201810657575A CN108848364A CN 108848364 A CN108848364 A CN 108848364A CN 201810657575 A CN201810657575 A CN 201810657575A CN 108848364 A CN108848364 A CN 108848364A
Authority
CN
China
Prior art keywords
color
matrix
component
support vector
calibration method
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810657575.9A
Other languages
English (en)
Other versions
CN108848364B (zh
Inventor
杨卫波
卢玉锋
阮秀凯
崔桂华
蔡启博
李长军
李志红
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wenzhou University
Original Assignee
Wenzhou University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Wenzhou University filed Critical Wenzhou University
Priority to CN201810657575.9A priority Critical patent/CN108848364B/zh
Publication of CN108848364A publication Critical patent/CN108848364A/zh
Application granted granted Critical
Publication of CN108848364B publication Critical patent/CN108848364B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/64—Circuits for processing colour signals
    • H04N9/73—Colour balance circuits, e.g. white balance circuits or colour temperature control
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • H04N23/84—Camera processing pipelines; Components thereof for processing colour signals
    • H04N23/88—Camera processing pipelines; Components thereof for processing colour signals for colour balance, e.g. white-balance circuits or colour temperature control
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/64—Circuits for processing colour signals

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种基于支持向量回归机的颜色空间转换的颜色校正方法，适用于各种色彩采集设备的颜色复原与修正。本发明的意义在于通过将设备相关颜色空间的颜色表现形式转换到设备无关颜色空间的颜色表现形式来实现颜色信息在传递过程中一致性的保持，为色彩采集设备实现颜色的精确复原。将颜色图像采集设备所获取的标准色卡的颜色数据作为输入信号，以该信号与估计数据的均值作为误差信号用以指导支持向量回归机实现RGB‑L*a*b*颜色空间的精确转换，直到实现输入与输出的准确映射。

Description

一种基于支持向量回归机的颜色空间转换的颜色校正方法
技术领域
本发明属于颜色校正领域，适用于各类颜色显示与采集设备的颜色校正，本发明通过支持向量回归机获得精确拟合的与设备无关的L*a*b颜色单元，色彩真实显示与采集提供保障。
背景技术
近年来，颜色的复原与管理受到了相关领域研究人员越来越多的关注。色彩信息在图像采集、显示、处理、输出设备中如何保持一致是颜色复原研究需要解决的问题。如今，诸如数码相机、扫描仪等图像采集设备已被广泛引用，但是在实际生活和工作做，经常会遇到显示出来的图像或照片等与我们看到的真实色彩存在很大差别。如果要保证颜色的准确传递，就需要建立一种与采集设备无关的传递色彩信息的颜色管理机制。设备的颜色特征表现为：某种设备对颜色的描述数值与设备无关的颜色空间形成对应关系，设备不同，此种对应关系也就不同。如果可以找到这种对应关系，就可以通过将设备相关颜色空间的颜色表现形式转换到设备无关颜色空间的颜色表现形式来实现颜色信息在传递过程中一致性的保持。
现有技术中，主要的研究成果主要分为多项式回归法、阶调/矩阵模型法、三维查表法以及神经网络等方法。其中，多项式回归法原理简单，但是参与回归的数据精度能提高，而未参与回归的数据精度有可能反而会下降；阶调/矩阵模型法是比较经典实用的方法，但是对于暗调色域的颜色转换误差加大；三维查表法只有在有均匀分布并且足够数量的训练样本的情况下才能建立精度较高的查找表，数据量的增大会使得运算速度减慢；神经网络法存在天然的收敛速度慢、容易陷入局部最小点的问题。
发明内容
本发明的目的是为了克服现有技术存在的缺点和不足，而提供一种基于支持向量回归机的颜色空间转换的颜色校正方法。该校正方法通过彩色照相机获得的与设备相关的RGB(R表示红色、G表示绿色、B表示蓝色)颜色单元运用支持向量回归机来获得精确拟合的与设备无关的L*a*b*颜色单元，L*表示亮度，a*和b*表示色度指数，即a*和b*均反映色度的彩色分量，a*分量是由绿色渐变到红色，b*分量是由蓝色渐变到黄色。
为实现上述目的，本发明的技术方案是
S1:构建颜色采集系统，该颜色采集系统用于采集样本的彩色图片，并输出；
S2:通过将色度值为L1*a1*b1*的标准目标颜色用CCD图像采集设备采集并获得相关的RGB值，构造出自变量S矩阵和标准空间RGB信息矩阵；
S3:运用支持向量机获得系数矩阵M；
S4:根据所得的系数矩阵M重构L*a*b*颜色空间。
进一步设置是所述的步骤S1包括有：
S11:CCD图像采集设备垂直放置在样本22.5厘米的距离；镜头的轴线和照明源之间的角度约为45度；
S12:照明光源选用色温为6500K的D65光源；
S13:照明光源和CCD图像采集设备放在一个木箱里，里面的墙被漆成黑色，以减少背景光；
S14:采集获得样本的彩色图片通过USB口传送至计算机。
进一步设置是该变量S矩阵为实测RGB值的二次项组合：
其中N表示测量值的个数；
所述标准空间RGB信息矩阵为D
D＝SM
R、G、B分量分别为Rs，Gs，Bs。
进一步设置是所述步骤S3中的系数矩阵M定义为
是R分量系数矩阵，是G分量系数矩阵，是B分量系数矩阵，它们所有的元素值是未知的，需用通过支持向量回归机进行估计获得。
进一步设置是所述步骤S3中的具体包括：
S31:以R分量为例构造支持向量机代价函数：
s.t.E{(Rs-SM1)2}≤δ
这里Rs是ColorChecker 24色卡各色块R分量的标准值向量，M1为待估计的R分量系数矩阵，δ为一个大于0的数，E表示数学期望运算；S32:通过拉格朗日法改写为
这里拉格朗日因子C是一正数；
即有：
令又有
S33:求其一阶偏导并令为零，即可得到Rs分量转换矩阵表达式
M1＝(βSTS+1)-1STRs
S34:同样方法获得M2和M3，获得完整系数矩阵M。
进一步设置所述的步骤S4的方法为：
本发明的优点是：本发明的通过将设备相关颜色空间的颜色表现形式转换到设备无关颜色空间的颜色表现形式来实现颜色信息在传递过程中一致性的保持，为色彩采集设备实现颜色的精确复原。将颜色图像采集设备所获取的标准色卡的颜色数据作为输入信号，以该信号与估计数据的均值作为误差信号用以指导支持向量回归机实现RGB-L*a*b*颜色空间的精确转换，直到实现输入与输出的准确映射。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，根据这些附图获得其他的附图仍属于本发明的范畴。
图1本发明的流程图；
图2是本发明的机器学习回归机的模型示意图；
图3是本发明的结构风险最小化原理图；
图4是本发明的具体实现的色彩校正流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。
如图1所示，为本发明实施例中，包括：
S1:构建颜色采集系统，该颜色采集系统用于采集样本的彩色图片，并输出；
S2:通过将色度值为L1*a1*b1*的标准目标颜色用CCD图像采集设备采集
并获得相关的RGB值，构造出自变量S矩阵和标准空间RGB信息矩阵；
S3:运用支持向量机获得系数矩阵M；
S4:根据所得的系数矩阵M重构L*a*b*颜色空间。
图2给出了机器学习回归机的模型示意图，SVM是基于结构风险最小化原则的(图3所示)。综合考虑风险经验风险与置信范围的变化，可以求得最小的期望风险上界，它所对应的函数子集可以作为具有最佳泛化性能的函数集合。
本发明具体包括：
其中步骤S1构建颜色采集系统(如图4所示)：
(a)彩色数码相机(CCD图像采集设备)的垂直放置在样品22.5厘米的距离；镜头的轴线和照明源之间的角度约为45度。
(b)照明光源选用色温为6500K的D65光源。
(c)照明管和照相机放在一个木箱里，里面的墙被漆成黑色，以减少背景光。
(d)采集获得的高像素图片通过USB口传送至计算机。
S2:通过将色度值为L1*a1*b1*的标准目标颜色用CCD图像采集设备采集并获得相关的RGB值，构造出自变量S矩阵(该矩阵为实测RGB值的二次项组合)：
这里N表示测量值的个数。
标准空间RGB信息矩阵为D
D＝SM
有R、G、B分量分别为Rs，Gs，Bs
S3:运用支持向量机获得系数矩阵M。
系数矩阵M定义为
这里是R分量系数矩阵，是G分量系数矩阵，是B分量系数矩阵，它们所有的元素值是未知的，需用通过支持向量回归机进行估计。
(3-1)不失一般性，以R分量为例构造支持向量机代价函数：
s.t.E{(Rs-SM1)2}≤δ
这里Rs是ColorChecker 24色卡各色块R分量的标准值向量，M1为待估计的R分量系数矩阵，δ为一个大于0的数，E表示数学期望运算。
(3-2)通过拉格朗日法改写为
这里拉格朗日因子C是一正数。
即有：
令又有
(3-3)求其一阶偏导并令为零，即可得到Rs分量转换矩阵表达式
M1＝(βSTS+1)-1STRs
(3-4)同样方法获得M2和M3，获得完整系数矩阵M。
S4:根据所得的系数矩阵M重构L*a*b*颜色空间，方法如下
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于一计算机可读取存储介质中，所述的存储介质，如ROM/RAM、磁盘、光盘等。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (6)

1.一种基于支持向量回归机的颜色空间转换的颜色校正方法，其特征在于包括：
S1:构建颜色采集系统，该颜色采集系统用于采集样本的彩色图片，并输出；
S2:通过将色度值为L1*a1*b1*的标准目标颜色用CCD图像采集设备采集并获得相关的RGB值，构造出自变量S矩阵和标准空间RGB信息矩阵；
S3:运用支持向量机获得系数矩阵M；
S4:根据所得的系数矩阵M重构L*a*b*颜色空间。
2.根据权利要求1所述的颜色校正方法，其特征在于：所述的步骤S1包括有：
S11:CCD图像采集设备垂直放置在样本22.5厘米的距离；镜头的轴线和照明源之间的角度约为45度；
S12:照明光源选用色温为6500K的D65光源；
S13:照明光源和CCD图像采集设备放在一个木箱里，里面的墙被漆成黑色，以减少背景光；
S14:采集获得样本的彩色图片通过USB口传送至计算机。
3.根据权利要求1所述的颜色校正方法，其特征在于：该变量S矩阵为实测RGB值的二次项组合：
其中N表示测量值的个数；
所述标准空间RGB信息矩阵为D
D＝SM
R、G、B分量分别为Rs，Gs，Bs。
4.根据权利要求3所述的颜色校正方法，其特征在于：
所述步骤S3中的系数矩阵M定义为
是R分量系数矩阵，是G分量系数矩阵，是B分量系数矩阵，它们所有的元素值是未知的，需用通过支持向量回归机进行估计获得。
5.根据权利要求4所述的颜色校正方法，其特征在于：所述步骤S3中的具体包括：
S31:以R分量为例构造支持向量机代价函数：
s.t.E{(Rs-SM1)2}≤δ
这里Rs是ColorChecker 24色卡各色块R分量的标准值向量，M1为待估计的R分量系数矩阵，δ为一个大于0的数，E表示数学期望运算；
S32:通过拉格朗日法改写为
这里拉格朗日因子C是一正数；
即有：
令又有
S33:求其一阶偏导并令为零，即可得到Rs分量转换矩阵表达式
M1＝(βSTS+1)-1STRs
S34:同样方法获得M2和M3，获得完整系数矩阵M。
6.根据权利要求4所述的的颜色校正方法，其特征在于：所述的步骤S4的方法为：
CN201810657575.9A 2018-06-20 2018-06-20 一种基于支持向量回归机的颜色空间转换的颜色校正方法 Active CN108848364B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810657575.9A CN108848364B (zh) 2018-06-20 2018-06-20 一种基于支持向量回归机的颜色空间转换的颜色校正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810657575.9A CN108848364B (zh) 2018-06-20 2018-06-20 一种基于支持向量回归机的颜色空间转换的颜色校正方法

Publications (2)

Publication Number Publication Date
CN108848364A true CN108848364A (zh) 2018-11-20
CN108848364B CN108848364B (zh) 2020-12-29

Family

ID=64203266

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810657575.9A Active CN108848364B (zh) 2018-06-20 2018-06-20 一种基于支持向量回归机的颜色空间转换的颜色校正方法

Country Status (1)

Country Link
CN (1) CN108848364B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102184421A (zh) * 2011-04-22 2011-09-14 北京航空航天大学 一种支持向量回归机的训练方法
CN102868891A (zh) * 2012-09-18 2013-01-09 哈尔滨商业大学 基于支持向量回归多视角视频色差校正方法
CN103903240A (zh) * 2014-04-09 2014-07-02 西安电子科技大学 基于多输出最小二乘支持向量回归的图像超分辨方法
CN106651795A (zh) * 2016-12-03 2017-05-10 北京联合大学 一种利用光照估计来校正图像颜色的方法
US20170206641A1 (en) * 2016-01-14 2017-07-20 Realtek Semiconductor Corp. Method for generating a pixel filtering boundary for use in auto white balance calibration
CN107273796A (zh) * 2017-05-05 2017-10-20 珠海数字动力科技股份有限公司 一种基于人脸特征的快速人脸识别搜索方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102184421A (zh) * 2011-04-22 2011-09-14 北京航空航天大学 一种支持向量回归机的训练方法
CN102868891A (zh) * 2012-09-18 2013-01-09 哈尔滨商业大学 基于支持向量回归多视角视频色差校正方法
CN103903240A (zh) * 2014-04-09 2014-07-02 西安电子科技大学 基于多输出最小二乘支持向量回归的图像超分辨方法
US20170206641A1 (en) * 2016-01-14 2017-07-20 Realtek Semiconductor Corp. Method for generating a pixel filtering boundary for use in auto white balance calibration
CN106651795A (zh) * 2016-12-03 2017-05-10 北京联合大学 一种利用光照估计来校正图像颜色的方法
CN107273796A (zh) * 2017-05-05 2017-10-20 珠海数字动力科技股份有限公司 一种基于人脸特征的快速人脸识别搜索方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李俊峰等: "基于色彩感知的无参考图像质量评价", 《仪器仪表学报》 *

Also Published As

Publication number Publication date
CN108848364B (zh) 2020-12-29

Similar Documents

Publication Publication Date Title
Jiang et al. Learning the image processing pipeline
CN104168475B (zh) 一种数码相机参数可变的成像式获取颜色三刺激值的方法
Akkaynak et al. Use of commercial off-the-shelf digital cameras for scientific data acquisition and scene-specific color calibration
Burton et al. Color and spatial structure in natural scenes
Greivenkamp Color dependent optical prefilter for the suppression of aliasing artifacts
Masaoka et al. Metric of color-space coverage for wide-gamut displays
US20160371839A1 (en) Color calibration method of camera module
CN106531060A (zh) Led显示装置亮色度校正方法及装置
CN103474046B (zh) 一种提高从数码相机到显示器颜色再现效果的方法
KR102285756B1 (ko) 전자 시스템 및 영상 처리 방법
CN104933706A (zh) 一种成像系统色彩信息标定方法
CN103347142A (zh) 一种基于数字设备呈色适性表征的优化色表实现方法
CN109459136A (zh) 一种色度测量的方法与装置
Ji et al. An efficient nonlinear polynomial color characterization method based on interrelations of color spaces
Pointer et al. Practical camera characterization for colour measurement
Zhu et al. Matched illumination: using light modulation as a proxy for a color filter that makes a camera more colorimetric
CN107241528B (zh) 一种ICC profile色表测量数据优化方法及其构建方法
US9036030B2 (en) Color calibration of an image capture device in a way that is adaptive to the scene to be captured
CN102946501A (zh) 成像系统或图像输出系统中颜色畸变校正方法及装置
CN108848364A (zh) 一种基于支持向量回归机的颜色空间转换的颜色校正方法
Bastani et al. Simplifying irradiance independent color calibration
Kao et al. Color reproduction for digital imaging systems
CN115426487B (zh) 色彩校正矩阵调整方法、装置、电子设备及可读存储介质
CN105744267B (zh) 基于齐次多项式数码相机参数可变的获取三刺激值方法
CN107770410A (zh) 彩色面阵ccd的自适应矫正

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant