顏色不變性演算法及應用總結
顏色不變性定義：室外光線的彩色成分變化非常大，但人卻能正確的感知場景中物體的顏色，並且在大部分情況下不依賴於環境照明的顏色，這種現象叫彩色不變性
成像裝置在獲取並記錄影象時，只能獲得場景或物體在不同光源下所呈現的顏色，而不是物體的固有顏色。而人類的視覺系統卻具有一種重要的視覺感知功能—顏色恆常性，它確保人類能在變化的光照條件下感知到物體保持相對的恆常性的顏色。顏色恆常性計算的目的在於消除不同光照對影象顏色的影響，為計算機視覺系統提供類似於人類視覺系統的顏色恆常性感知功能，從而得到物體表面與光照無關的顏色特性。
以下論文中前4篇是關於顏色不變性理論的研究。第5到13篇是關於顏色不變性理論的應用：利用顏色不變性理論進行影象檢索，分割，影象增強，其中最後一篇是一個專利，是一種新的彩色影象顏色不變性閾值分割方法。
1計算機視覺系統的二步法顏色恆常性
人類顏色資訊處理系統是由一維彩色資訊處理和一維亮度資訊處理了系統構成二維的顏色認知系統，將高維的光反射率空間壓縮為二維的顏色空間。但是其取樣系統卻是二維的(3種錐細胞.
這篇文章通過進行試驗得到的結論是，彩色影象中物體表面的顏色恆常性描述可以由影象分裂的方法得到。在該描述了中，環境光照的光功率分佈變化隻影響影象中的相對亮度分佈描述，而與色調和飽和度的描述無關。這種描述由於沒有考慮視覺系統的亮度恆以及彩色和亮度之間的關係，是2. 5維的描述。同時，模型將彩色訊號和亮度訊號分別計算的做法，可以最大限度地降低亮度訊號對彩色訊號的干擾作用，並在初步的計算機實驗中取得了明顯的效果。有限維線性模型對於推導得到一組值是重要的，但是該值也可以由一定的心理物理實驗得到，兩者之間並沒有什麼區別。
2光照色調顏色恆常性演算法研究
提出了一種新的適合於實時處理視訊影象頗色識別的光照色調頗色恆常性演算法。該演算法主要解決在視訊顏色識別，由於近點光源的發散作用和在複雜背景影響下所造成的日標物件在影象區域性各點上的顏色識別問題。在彩色感知的光學原理和數學模型基礎上推出了光照校正演算法，並利用色調校正實現頗色恆常性。通過試驗分析評估了各種識別演算法，如光照校正、色調校正、光照色調校正、以及線性迴歸演算法對頗色的校正效果，最後將測得的顏色差值和色調差值進行對比，證明了本演算法對點光源散射作用引起的光照變化具有良好的校正作用，並證明了其演算法理論推導的合理性。
3 顏色恆常性計算研究
知覺恆常性作為人類視覺系統最基本和最重要的功能之一，對人類正確穩定地感知世界起著極其重要的作用。為了使計算機視覺系統具有類似的感知功能，知覺恆常性計算成為了計算機視覺領域中一個重要的研究課題。此論文以知覺恆常性中的顏色恆常性作為研究物件，從無監督的顏色恆常性計算、有監督的顏色恆常性計算、顏色恆常性演算法的融合、以及顏色不變性描述四個方面展開了顏色恆常性計算的研究
4 視訊監控中的背景顏色恆常性演算法研究
本文針對視訊監控中的背景顏色恆常性問題，在人類視覺感知生物學原理和計算機視覺顏色恆常性理論和演算法的基礎上進行研究，提出瞭解決漫反射表面受點光源光強非均勻分佈影響、鏡面反射表面受點光源光強非均勻分佈影響的同時還存在鏡面反射效應、背景差技術的背景模型受強幹擾和光源漸變影響等問題的幾種顏色恆常性演算法。
本文的主要貢獻表現為如下5 個方面： (1) 提出了一種基於Lambertian 反射模型的光強色調顏色估計演算法。該演算法通過對點光源環境下的光強非均勻分佈對漫反射表面顏色識別影響的研究，主要解決漫反射背景表面的顏色恆常性問題。該演算法大體分為兩步：第一步，通過ambertian 反射模型推匯出光強補償估計演算法，對背景的RGB 顏色值進行估計；第二步，將光強補償估計後的背景顏色轉換到HSV 顏色空間中再進行色調估計，從而實現背景顏色恆常性。效能評估和背景分割實驗結果表明，光強色調顏色估計演算法既充分利用了漫反射模型的物理特性，又利用了色調對陰影等明暗度的非敏感性，對非均勻光照下的漫反射表面的顏色識別具有較好的補償作用。 (2) 提出了一種漫反射不變性顏色估計演算法。該演算法通過對點光源光強非均勻分佈下的漫反射物理特性的研究，推匯出漫反射表面顏色不變性並結合顏色高斯模型實現背景顏色估計。效能評估測試和背景分割的實驗結果表明， 由於該演算法充分利用了漫反射物理特性和背景顏色的統計資訊，因此對點光源光強非均勻分佈影響下的漫反射背景顏色識別具有比光照色調顏色估計等其它顏色估計演算法更好的穩定性和準確性。 (3) 提出了一種適用於鏡面反射背景表面的Phong 反射模型的顏色估計演算法。該演算法針對鏡面反射表面存在點光源光強非均勻分佈同時還存在鏡面反射效應問題，通過對Phong 反射模型的研究，在漫反射顏色不變性基礎上推導並建立了Phong 反射模型並利用該模型實現對鏡面反射背景的顏色估計。效能評估和背景分割實驗結果表明，該演算法對同時存在光源強度非均勻分佈和鏡面反射效應影響的鏡面反射背景顏色識別具有良好 的穩定性和適應性。 (4) 提出了一種針對視訊監控背景差技術的自適應區域高斯背景模型。針對視訊監控的背景差問題，本文對背景模型受強噪聲、背景輕微運動、光源漸變的影響進行了研究，提出了一種自適應的區域高斯背景模型， 解決了背景模型受強噪聲、背景輕微運動的干擾影響和光源漸變影響的問題。(5) 為了驗證背景顏色恆常性演算法在視訊監控系統中的實際應用，本文設計和開發了兩個分別採用顏色識別和背景差技術的視訊監控系統—虛擬踩氣球系統和高速公路車輛監控原型系統，並分別將漫反射不變性顏色估計演算法和自適應區域高斯背景模型應用到這兩個系統中。 虛擬踩氣球系統是一個將視訊監控和虛擬現實技術相結合的人機互動系統。該系統不僅具有一定的應用價值，而且具有廣泛的計算機視覺和虛擬現實技術的研究價值。
5基於顏色不變性描述的影象檢索演算法的研究與實現
目前幾乎所有的基於內容的影象檢索系統都把顏色特徵作為檢索的一個重要手段。但顏色同時也是一種極不穩定的視覺特徵，很容易受到光照變化的影響。顏色不變性描述的目的就是在影象中尋找一種對光照變化魯棒的、能夠真正描述物體表面顏色的描述方法。
同一個場景在不同光照條件下，將呈現出不同的顏色，而不是場景的真正顏色。如果不考慮光照變化對物體成像的影響，那麼對於基於顏色特徵的影象檢索的結果會產生很大的誤差。在現有的影象檢索技術基礎上，進一步研究光照條件變化對顏色特徵的影響，對影象檢索系統效能的提高是非常有意義的，這樣可進一步提高影象檢索結果的準確率。
物體的物理顏色一般取決於兩個因素:入射光線和物體本身表面對光線的反射。不同的光照射在同一物體的表面，會反射出完全不同的顏色:在白光照射下的白紙呈白色，在紅光照射下的白紙成紅色，在綠光照射下的白紙呈綠色。因此光源色光譜成分的變化，必然對物體顏色產生影響，顏色是一種很不穩定的視覺特徵。人們習慣把白色陽光下物體呈現的顏色，稱之為物體的“固有顏色”。但是成像裝置在獲取並記錄影象時，只能獲得場景或物體在不同光源下所呈現的顏色，而不是物體的固有顏色。而人類的視覺系統卻具有一種重要的視覺感知功能—顏色恆常性，它確保人類能在變化的光照條件下感知到物體保持相對的恆常性的顏色。也就是說，顏色恆常性的功能是消除不同光照對物體顏色產生的影響，得出物體表面的真正顏色特性(一般指物體表面在白光下呈現出的顏色)。計算機學者們為了提高計算機視覺系統的穩定性，引入了顏色恆常性這一概念，提出了顏色恆常性計算理論。顏色恆常性計算的目的在於消除不同光照對影象顏色的影響，為計算機視覺系統提供類似於人類視覺系統的顏色恆常性感知功能，從而得到物體表面與光照無關的顏色特性。顏色恆常性計算可以分為兩種方式:影象的光照估計(顏色恆常性計算)和顏色不變性描述。
這篇文章在詳細研究了顏色直方圖、色度直方圖及影象幾何不變矩的原理及優缺點之後，提出一種新的基於不變矩的顏色不變性描述演算法。由於影象的幾何不變矩具有平移、旋轉、縮放等不變性，在影象成像原理的基礎上，遵循消除光照變化影響的原則，將不變矩應用於影象的整體顏色資訊，得到基於不變矩的顏色不變性描述子。該方法不僅能夠描述影象的整體顏色資訊，還能夠消除光照變化對影象顏色的影響。本文在演算法的基礎上，設計實現了基於顏色直方圖資訊和基於不變矩的顏色不變性描述子兩種方法的VC十+影象檢索系統，並通過實驗驗證了基於不變矩的顏色不變性描述方法對光照變化的魯棒性及應用於影象檢索時的優越效能。
6一種基於物理反射模型顏色不變性的閾值分割演算法
本文主要是針對視訊監控場景的特點，提出了一種新的基於Phony反射模型的顏色不變性閩值分割演算法.該演算法不僅可以精確處理光照非均勻變化的影響，而目對鏡面反射效應具有魯棒性.此外演算法在建立了背景的顏色估計後，只需簡單的顏色比較就可實現閩值分割，因而能夠保證視訊監控的實時性.
7彩色圖射中顏色不變性和耀斑的分離
景物中物體表面的色品是與該物體形狀無關的穩定特性，稱為顏色不變性。但是，由於耀斑和影綢的存在，影象中對應物體表麵點的色品卻是變化的，不具有顏色不變性。正確理解影象顏色的基礎是建立顏色反射的物理模型。本文敘述了根據Klinker提出的雙色反射模型，在三維顏色直方圖中利用K-L變換做平面擬合，分離面反射分量和體反射分量，從而計算光源和物體顏色色度座標的方法，討論了實際CCD攝像機的侷限性，給出了實驗結果。
8尺度與顏色不變性影象特徵描述
尺度不變特徵變換是日前公認的魯棒性最強的影象特徵描述方法之一，在尺度不變性和兒何不變性方而具有較好的特性，但該方法主要適用於灰度影象，對影象頗色的區分能力不強，因此，一些物件可能會因為頗色的不同而被錯誤的區分。另外，尺度不變特徵變換對關鍵點區域性範圍內描述子主方向的依賴性非常強，直接決定了匹配的正確率，但是研究表明，主方向分配產牛的誤差僅有三分之一左右。能控制在[--20，+ 20」範圍內，因此部分特徵會有三分之一的概率因為主方向分配的誤差較大而不能正確匹配。針對以上兩個問題，本文提出了一種具有顏色和尺度不變性的區域性特徵描述方法，顏色不變性通過將RGB影象轉換到高斯顏色模型下實現，特徵描述過程不分配主方向，而用區域性相對方向，尺度不變性通過構建高斯金子塔實現實驗選取阿姆斯特丹資料集影象進行了測試，結果表明本文方法比傳統尺度不變特徵變換方法，在特徵點的數目、分佈均勻性以及匹配精度方而均有所提高
本文主要針對傳統SIFT方法未考慮頗色不變性以及因描述子主方向累積誤差過人導致匹配錯誤的問題進行了深入的分析和探討，並提出了相應的解決方案首先基於Kubelka-Muxtk理論和高斯頗色模型提出了頗色不變特徵變數，並利用此變數建立高斯金字塔，從而實現尺度不變性;其次，針對描述子主方向累積誤差過人問題，採用區域性相對梯度方向直方圖替代原有的絕對方向直方圖方法，減小了累積誤差出現的概率，並基於此梯度方向直方圖構建了特徵描述子;最後，提出了一種增強型近似最近鄰匹配方法，實現了特徵點的快速匹配通過對阿姆斯特丹資料集部分影象實驗驗證，本文方法在頗色不變性、尺度不變性、光照不變性等方而均具有良好的效能
9基於光照不變性顏色特徵的多層前景檢測演算法
在通常情況下，監控場景都會受到光照的影響C比如，在光照下，物體的投射陰影會覆蓋一部分背景區域，造成這部分割槽域比較暗;或者，光照射在比較平滑的區域中，使得這部分割槽域比較亮。這種顏色變化可能會使原來的背景區域被誤檢為前景，從而影響到前景檢測的魯棒性。通過大量實驗發現:在RGB顏色空間中，隨著光照變化，大多數畫素RGB值的變化都是沿著過原點的軸線拉仲的。因此可以得到這樣的結論:畫素點顏色的變化與光照變化存在某種近似線性的關係。鑑於此，本研究提出一種新的光照不變模型以進行RGB顏色相似性的判定，並有效地抑制光照影響。
此演算法具有以下優點1 採用的顏色特徵了具有光照不變性，能夠有效抑制因場景中光照變化的影響2該方法採用的背景模型能夠適應較複雜的背景變化;J;法中提出的權重更新策略可以有效防止虛假日標的出現。
10一種新的基於顏色恆常性的膚色分割演算法
本文將顏色恆常性演算法應用到膚色分割中,以適應不同光照條件下的膚色分割。首先將環境光照分為四類:戶外晴天、戶外陰天、室內日光燈和室內白熾燈,在這四類光照條件下分別設計四種膚色模型。對於一幅未知光照情況的影象,先根據顏色恆常性演算法估計出影象的場景光照,再根據該類光照條件下的膚色模型採用動態閾值對膚色進行分割。
顏色恆常性演算法的目標是從一幅未知照明情況的影象中估計出光源特性,針對這個目標,人們提出了很多演算法,Forsyth的3D Gamut Mapping(CRULE)演算法認為不同光照下的顏色可以通過一個三維對角陣來相互轉換,並且同一光照下的不同顏色可以構成一個封閉有界的凸集,因此就可以通過求出的對角陣來將一幅未知照明情況的影象對映到標準光源下。Fin-layson對3D Gamut Mapping演算法進行了改進,將三維顏色空間轉化到二維色度空間,提出了2D Gamut Mapping演算法[7],這樣既可以去除亮度分量的影響,又可以提高計算速度。Shafer等人提出的“雙色反射模型”[8]可以將影象中的高光區域檢測出來,分析高光區域的顏色,從而得到光源特性。G.D.Finlayson提出了一種新穎的顏色恆常性演算法:相關矩陣法(Color by Cor-relation)[9],這種演算法利用光源和顏色相容性原理(即一種顏色只可能在幾種顏色的光源下得到,而不可能在其它顏色的光源下得到),對影象進行光源估計。這種演算法適用性強,計算簡單,具有良好的效能。因此本文即採用這種演算法。從試驗結果可以看出,本文提出的演算法對於非正常光照下,背景中存在大量類膚色區域的影象具有良好的分割效果。
11顏色恆常性的距離正則化水平集彩色影象分割
本文引入顏色恆常性原理用於區分影象差分結構，避免高光和陰影對影象分割的影響。實驗表明，基於顏色恆常性原理的距離正則化水平集演算法能夠在高光和陰影情況下得到比未引入顏色恆常性原理的水平集演算法更好的影象分割效果。
12基於顏色恆常性的低照度影象視見度增強
本文在畫素有效集的基礎上,提出了一種改進的灰色調演算法,結合直方圖剪裁,用於低照度影象的視見度增強.在彩色成像過程中,場景光源或高光的出現干擾了成像感測器對白色的正確響應,因而,首先對影象的白色響應值進行估計,並利用白色響應估計值構造畫素有效集.在白平衡過程中,利用改進的灰色調演算法來校正光照的顏色.在直方圖剪裁過程中,在有效畫素的灰度級範圍內判定預設比例的拖尾畫素.最後,利用基於色調極座標直方圖的2個無參考客觀評測準則來定量評價演算法的效能.實驗結果表明本文的演算法有效地增強了低照度影象的視見度,且不會產生Retinex演算法所固有的灰化效應和Halo效應.後續的研究工作將進一步探討改進的灰色調演算法中引數自動選取方案.
13一種新的彩色影象顏色不變性閾值分割方法
它的方法為，（１）利用影象採集裝置（２）採集物體表面的影象，並在物體上方任意位置設定至少一個點光源（１），在物體影象上取點光源的法向投影點Ｐ↓［ｓ］；同時影象上確定與其不同的至少一個任意參考點Ｐ↓［ｉ］，並對影象的ＲＧＢ三種顏色分量分別進行以下處理； （２）對各參考點Ｐ↓［ｉ］根據物體表面的漫反射性和鏡面反射性建立對應的Ｐｈｏｎｇ光照模型，分別對漫反射表面和鏡面反射表面進行如下處理；（３）對於漫反射表面，確定其Ｐｈｏｎｇ光照模型的漫反射係數，然後整合ＲＧＢ三色分量，建立顏色相似性混合高斯模型，進行彩色影象顏色不變性閾值分割，完成影象的處理；（４）對於鏡面反射表面，則先根據步驟（３）確定Ｐｈｏｎｇ光照模型的漫反射係數；然後再確定Ｐｈｏｎｇ光照模型的鏡面反射係數和光照強度指數，最後整合ＲＧＢ三色分量，建立顏色相似性混合高斯模型，進行彩色影象顏色不變性閾值分割，完成影象處理。
它解決了目前無法有效解決噪聲和光照等因素對影象顏色識別的干擾，影響影象分割的精確性等問題，具有能有效消除點光源環境下，漫反射表面和鏡面反射表面對閾值精確分割的影響，並滿足點光源環境下閾值分割的精確性和魯棒性等優點。其方法為通過推匯出Ｐｈｏｎｇ光照模型的顏色不變性提出了一種新的測量漫反射表面和鏡面反射表面反射性的方法，並採用高斯顏色相似性模型實現一個目標象素級的自適應閾值分割方法。