多区域融合的全卷积颜色恒常算法

摘要

针对现有颜色恒常性算法在复杂场景下的适用性差，光源估计精度不高的问题，提出一种多区域融合的全卷积颜色恒常算法.首先，利用金字塔场景解析网络(Pyramid Scene Parsing Network, PSPNet)模型对目标图像进行场景语义分割；其次，将本文提出的基于全卷积网络架构的端到端光源估计模型(Full Convolutional Illuminant Estimation Network, FCIEN)用于各语义区域进行光源估计，各区域通过加权融合得到整体图像的光源估计值；最后，根据得到的光源估计值使用Von Kries模型对目标图像进行偏色校正.在Gehler-Shi、NUS-8camera等数据集中的实验结果表明，相较于同类型的算法，本文算法的光源估计角度误差值分别下降20.73%、15.22%.实验结果表明，本文算法针对复杂场景的光源估计有着较强的鲁棒性和准确性.

关键词

图像处理 / 颜色恒常性 / 语义分割 / 多区域融合 / 光源估计 / 场景语义

基金资助

国家自然科学基金项目(61307016)资助; 辽宁省研究生教育教学改革研究项目(LNYJG2023317)资助; 公安部技术研究计划项目(2020JSYJC25)资助; 司法部司法鉴定重点实验室开放课题项目(KF202317)资助; “新时代犯罪治理研究中心”智库项目(2022007)资助; 中国刑事警察学院研究生创新能力提升项目(2022YCYB50)资助