颜色不变性算法及应用总结

颜色不变性定义：室外光线的彩色成分变化非常大，但人却能正确的感知场景中物体的颜色，并且在大部分情况下不依赖于环境照明的颜色，这种现象叫彩色不变性

成像设备在获取并记录图像时，只能获得场景或物体在不同光源下所呈现的颜色，而不是物体的固有颜色。而人类的视觉系统却具有一种重要的视觉感知功能—颜色恒常性，它确保人类能在变化的光照条件下感知到物体保持相对的恒常性的颜色。颜色恒常性计算的目的在于消除不同光照对图像颜色的影响，为计算机视觉系统提供类似于人类视觉系统的颜色恒常性感知功能，从而得到物体表面与光照无关的颜色特性。

以下论文中前4篇是关于颜色不变性理论的研究。第5到13篇是关于颜色不变性理论的应用：利用颜色不变性理论进行图像检索，分割，图像增强，其中最后一篇是一个专利，是一种新的彩色图像颜色不变性阈值分割方法。

1计算机视觉系统的二步法颜色恒常性

人类颜色信息处理系统是由一维彩色信息处理和一维亮度信息处理了系统构成二维的颜色认知系统，将高维的光反射率空间压缩为二维的颜色空间。但是其采样系统却是二维的(3种锥细胞.

这篇文章通过进行试验得到的结论是，彩色图像中物体表面的颜色恒常性描述可以由图像分裂的方法得到。在该描述了中，环境光照的光功率分布变化只影响图像中的相对亮度分布描述，而与色调和饱和度的描述无关。这种描述由于没有考虑视觉系统的亮度恒以及彩色和亮度之间的关系，是2. 5维的描述。同时，模型将彩色信号和亮度信号分别计算的做法，可以最大限度地降低亮度信号对彩色信号的干扰作用，并在初步的计算机实验中取得了明显的效果。有限维线性模型对于推导得到一组值是重要的，但是该值也可以由一定的心理物理实验得到，两者之间并没有什么区别。

2光照色调颜色恒常性算法研究

提出了一种新的适合于实时处理视频图像颇色识别的光照色调颇色恒常性算法。该算法主要解决在视频颜色识别，由于近点光源的发散作用和在复杂背景影响下所造成的日标对象在图像局部各点上的颜色识别问题。在彩色感知的光学原理和数学模型基础上推出了光照校正算法，并利用色调校正实现颇色恒常性。通过试验分析评估了各种识别算法，如光照校正、色调校正、光照色调校正、以及线性回归算法对颇色的校正效果，最后将测得的颜色差值和色调差值进行对比，证明了本算法对点光源散射作用引起的光照变化具有良好的校正作用，并证明了其算法理论推导的合理性。

3 颜色恒常性计算研究

知觉恒常性作为人类视觉系统最基本和最重要的功能之一，对人类正确稳定地感知世界起着极其重要的作用。为了使计算机视觉系统具有类似的感知功能，知觉恒常性计算成为了计算机视觉领域中一个重要的研究课题。此论文以知觉恒常性中的颜色恒常性作为研究对象，从无监督的颜色恒常性计算、有监督的颜色恒常性计算、颜色恒常性算法的融合、以及颜色不变性描述四个方面展开了颜色恒常性计算的研究。 在无监督的颜色恒常性计算上，针对目前GSI(Grey Surface Identification)算法依赖于相机参数的缺点，提出了一种基于灰色表面的颜色恒常性算法。该算法利用迭代的方法来进行灰色表面提取，从而避免了需要获取相机的成像参数。利用CCAS算法得到的灰色表面来估计图像的光照颜色，可以很大地提高光照估计的准确度。 在有监督的颜色恒常性计算上，为了克服基于支持向量回归的颜色恒常性算法的单一输出、参数调节繁琐、以及学习速度缓慢的缺点，引入了一种全新的单隐藏层前向神经网络的学习算法ELM (Extreme Learning Machine)算法，提出了一种基于ELM的颜色恒常性算法。此外，为了克服传统的二值化的色度直方图特征维数过高的缺点，论文基于Grey Edge算法框架提取了一种新的低维高效的图像特征作为基于ELM的颜色恒常性算法的输入向量。 在颜色恒常性算法的融合上，利用威布尔(Weibull)分布参数的图像纹理描述方法，综合考虑图像的全局纹理特征和局部纹理特征的基础上，提出了一种基于纹理相似性的自然图像的颜色恒常性计算算法。该算法利用Grey Edge算法框架作为颜色恒常性算法的产生器，根据图像的纹理特征，为其选择一个最优的颜色恒常性算法或算法组合。 在颜色不变性描述上，基于鲁棒的Diagonal-offset反射模型，定义了两个新的颜色空间。在两个新的颜色空间上，引入了不变矩理论，提出一个基于不变矩的颜色不变性描述子的计算框架。根据不同的颜色空间选择，该框架可以产生：原始图像的颜色不变性描述子和边缘图像的颜色不变性描述子。而这两个描述子的融合又构成了融合的颜色不变性描述子。这些颜色不变性描述子不仅具有对图像光照变化的鲁棒性，而且还具有对图像几何变化以及图像模糊的鲁棒性。

4 视频监控中的背景颜色恒常性算法研究

本文针对视频监控中的背景颜色恒常性问题，在人类视觉感知生物学原理和计算机视觉颜色恒常性理论和算法的基础上进行研究，提出了解决漫反射表面受点光源光强非均匀分布影响、镜面反射表面受点光源光强非均匀分布影响的同时还存在镜面反射效应、背景差技术的背景模型受强干扰和光源渐变影响等问题的几种颜色恒常性算法。

本文的主要贡献表现为如下5 个方面： (1) 提出了一种基于Lambertian 反射模型的光强色调颜色估计算法。该算法通过对点光源环境下的光强非均匀分布对漫反射表面颜色识别影响的研究，主要解决漫反射背景表面的颜色恒常性问题。该算法大体分为两步：第一步，通过ambertian 反射模型推导出光强补偿估计算法，对背景的RGB 颜色值进行估计；第二步，将光强补偿估计后的背景颜色转换到HSV 颜色空间中再进行色调估计，从而实现背景颜色恒常性。性能评估和背景分割实验结果表明，光强色调颜色估计算法既充分利用了漫反射模型的物理特性，又利用了色调对阴影等明暗度的非敏感性，对非均匀光照下的漫反射表面的颜色识别具有较好的补偿作用。 (2) 提出了一种漫反射不变性颜色估计算法。该算法通过对点光源光强非均匀分布下的漫反射物理特性的研究，推导出漫反射表面颜色不变性并结合颜色高斯模型实现背景颜色估计。性能评估测试和背景分割的实验结果表明， 由于该算法充分利用了漫反射物理特性和背景颜色的统计信息，因此对点光源光强非均匀分布影响下的漫反射背景颜色识别具有比光照色调颜色估计等其它颜色估计算法更好的稳定性和准确性。 (3) 提出了一种适用于镜面反射背景表面的Phong 反射模型的颜色估计算法。该算法针对镜面反射表面存在点光源光强非均匀分布同时还存在镜面反射效应问题，通过对Phong 反射模型的研究，在漫反射颜色不变性基础上推导并建立了Phong 反射模型并利用该模型实现对镜面反射背景的颜色估计。性能评估和背景分割实验结果表明，该算法对同时存在光源强度非均匀分布和镜面反射效应影响的镜面反射背景颜色识别具有良好 的稳定性和适应性。 (4) 提出了一种针对视频监控背景差技术的自适应区域高斯背景模型。针对视频监控的背景差问题，本文对背景模型受强噪声、背景轻微运动、光源渐变的影响进行了研究，提出了一种自适应的区域高斯背景模型， 解决了背景模型受强噪声、背景轻微运动的干扰影响和光源渐变影响的问题。(5) 为了验证背景颜色恒常性算法在视频监控系统中的实际应用，本文设计和开发了两个分别采用颜色识别和背景差技术的视频监控系统—虚拟踩气球系统和高速公路车辆监控原型系统，并分别将漫反射不变性颜色估计算法和自适应区域高斯背景模型应用到这两个系统中。 虚拟踩气球系统是一个将视频监控和虚拟现实技术相结合的人机交互系统。该系统不仅具有一定的应用价值，而且具有广泛的计算机视觉和虚拟现实技术的研究价值。

5基于颜色不变性描述的图像检索算法的研究与实现

目前几乎所有的基于内容的图像检索系统都把颜色特征作为检索的一个重要手段。但颜色同时也是一种极不稳定的视觉特征，很容易受到光照变化的影响。颜色不变性描述的目的就是在图像中寻找一种对光照变化鲁棒的、能够真正描述物体表面颜色的描述方法。

同一个场景在不同光照条件下，将呈现出不同的颜色，而不是场景的真正颜色。如果不考虑光照变化对物体成像的影响，那么对于基于颜色特征的图像检索的结果会产生很大的误差。在现有的图像检索技术基础上，进一步研究光照条件变化对颜色特征的影响，对图像检索系统性能的提高是非常有意义的，这样可进一步提高图像检索结果的准确率。

物体的物理颜色一般取决于两个因素:入射光线和物体本身表面对光线的反射。不同的光照射在同一物体的表面，会反射出完全不同的颜色:在白光照射下的白纸呈白色，在红光照射下的白纸成红色，在绿光照射下的白纸呈绿色。因此光源色光谱成分的变化，必然对物体颜色产生影响，颜色是一种很不稳定的视觉特征。人们习惯把白色阳光下物体呈现的颜色，称之为物体的“固有颜色”。但是成像设备在获取并记录图像时，只能获得场景或物体在不同光源下所呈现的颜色，而不是物体的固有颜色。而人类的视觉系统却具有一种重要的视觉感知功能—颜色恒常性，它确保人类能在变化的光照条件下感知到物体保持相对的恒常性的颜色。也就是说，颜色恒常性的功能是消除不同光照对物体颜色产生的影响，得出物体表面的真正颜色特性(一般指物体表面在白光下呈现出的颜色)。计算机学者们为了提高计算机视觉系统的稳定性，引入了颜色恒常性这一概念，提出了颜色恒常性计算理论。颜色恒常性计算的目的在于消除不同光照对图像颜色的影响，为计算机视觉系统提供类似于人类视觉系统的颜色恒常性感知功能，从而得到物体表面与光照无关的颜色特性。颜色恒常性计算可以分为两种方式:图像的光照估计(颜色恒常性计算)和颜色不变性描述。

这篇文章在详细研究了颜色直方图、色度直方图及图像几何不变矩的原理及优缺点之后，提出一种新的基于不变矩的颜色不变性描述算法。由于图像的几何不变矩具有平移、旋转、缩放等不变性，在图像成像原理的基础上，遵循消除光照变化影响的原则，将不变矩应用于图像的整体颜色信息，得到基于不变矩的颜色不变性描述子。该方法不仅能够描述图像的整体颜色信息，还能够消除光照变化对图像颜色的影响。

本文在算法的基础上，设计实现了基于颜色直方图信息和基于不变矩的颜色不变性描述子两种方法的VC十+图像检索系统，并通过实验验证了基于不变矩的颜色不变性描述方法对光照变化的鲁棒性及应用于图像检索时的优越性能。

6一种基于物理反射模型颜色不变性的阈值分割算法

本文主要是针对视频监控场景的特点，提出了一种新的基于Phony反射模型的颜色不变性闽值分割算法.该算法不仅可以精确处理光照非均匀变化的影响，而目对镜面反射效应具有鲁棒性.此外算法在建立了背景的颜色估计后，只需简单的颜色比较就可实现闽值分割，因而能够保证视频监控的实时性.

7彩色图射中颜色不变性和耀斑的分离

景物中物体表面的色品是与该物体形状无关的稳定特性，称为颜色不变性。但是，由于耀斑和影绸的存在，图像中对应物体表面点的色品却是变化的，不具有颜色不变性。正确理解图像颜色的基础是建立颜色反射的物理模型。本文叙述了根据Klinker提出的双色反射模型，在三维颜色直方图中利用K-L变换做平面拟合，分离面反射分量和体反射分量，从而计算光源和物体颜色色度坐标的方法，讨论了实际CCD摄像机的局限性，给出了实验结果。

8尺度与颜色不变性图像特征描述

尺度不变特征变换是日前公认的鲁棒性最强的图像特征描述方法之一，在尺度不变性和儿何不变性方而具有较好的特性，但该方法主要适用于灰度图像，对图像颇色的区分能力不强，因此，一些对象可能会因为颇色的不同而被错误的区分。另外，尺度不变特征变换对关键点局部范围内描述子主方向的依赖性非常强，直接决定了匹配的正确率，但是研究表明，主方向分配产牛的误差仅有三分之一左右。能控制在[--20，+ 20」范围内，因此部分特征会有三分之一的概率因为主方向分配的误差较大而不能正确匹配。针对以上两个问题，本文提出了一种具有颜色和尺度不变性的局部特征描述方法，颜色不变性通过将RGB图像转换到高斯颜色模型下实现，特征描述过程不分配主方向，而用局部相对方向，尺度不变性通过构建高斯金子塔实现实验选取阿姆斯特丹数据集图像进行了测试，结果表明本文方法比传统尺度不变特征变换方法，在特征点的数目、分布均匀性以及匹配精度方而均有所提高

本文主要针对传统SIFT方法未考虑颇色不变性以及因描述子主方向累积误差过人导致匹配错误的问题进行了深入的分析和探讨，并提出了相应的解决方案首先基于Kubelka-Muxtk理论和高斯颇色模型提出了颇色不变特征变量，并利用此变量建立高斯金字塔，从而实现尺度不变性;其次，针对描述子主方向累积误差过人问题，采用局部相对梯度方向直方图替代原有的绝对方向直方图方法，减小了累积误差出现的概率，并基于此梯度方向直方图构建了特征描述子;最后，提出了一种增强型近似最近邻匹配方法，实现了特征点的快速匹配通过对阿姆斯特丹数据集部分图像实验验证，本文方法在颇色不变性、尺度不变性、光照不变性等方而均具有良好的性能

9基于光照不变性颜色特征的多层前景检测算法

在通常情况下，监控场景都会受到光照的影响C比如，在光照下，物体的投射阴影会覆盖一部分背景区域，造成这部分区域比较暗;或者，光照射在比较平滑的区域中，使得这部分区域比较亮。这种颜色变化可能会使原来的背景区域被误检为前景，从而影响到前景检测的鲁棒性。通过大量实验发现:在RGB颜色空间中，随着光照变化，大多数像素RGB值的变化都是沿着过原点的轴线拉仲的。因此可以得到这样的结论:像素点颜色的变化与光照变化存在某种近似线性的关系。鉴于此，本研究提出一种新的光照不变模型以进行RGB颜色相似性的判定，并有效地抑制光照影响。

此算法具有以下优点1 采用的颜色特征了具有光照不变性，能够有效抑制因场景中光照变化的影响2该方法采用的背景模型能够适应较复杂的背景变化;J;法中提出的权重更新策略可以有效防止虚假日标的出现。

10一种新的基于颜色恒常性的肤色分割算法

本文将颜色恒常性算法应用到肤色分割中,以适应不同光照条件下的肤色分割。首先将环境光照分为四类:户外晴天、户外阴天、室内日光灯和室内白炽灯,在这四类光照条件下分别设计四种肤色模型。对于一幅未知光照情况的图像,先根据颜色恒常性算法估计出图像的场景光照,再根据该类光照条件下的肤色模型采用动态阈值对肤色进行分割。

颜色恒常性算法的目标是从一幅未知照明情况的图像中估计出光源特性,针对这个目标,人们提出了很多算法,Forsyth的3D Gamut Mapping(CRULE)算法认为不同光照下的颜色可以通过一个三维对角阵来相互转换,并且同一光照下的不同颜色可以构成一个封闭有界的凸集,因此就可以通过求出的对角阵来将一幅未知照明情况的图像映射到标准光源下。Fin-layson对3D Gamut Mapping算法进行了改进,将三维颜色空间转化到二维色度空间,提出了2D Gamut Mapping算法[7],这样既可以去除亮度分量的影响,又可以提高计算速度。Shafer等人提出的“双色反射模型”[8]可以将图像中的高光区域检测出来,分析高光区域的颜色,从而得到光源特性。G.D.Finlayson提出了一种新颖的颜色恒常性算法:相关矩阵法(Color by Cor-relation)[9],这种算法利用光源和颜色相容性原理(即一种颜色只可能在几种颜色的光源下得到,而不可能在其它颜色的光源下得到),对图像进行光源估计。这种算法适用性强,计算简单,具有良好的性能。因此本文即采用这种算法。从试验结果可以看出,本文提出的算法对于非正常光照下,背景中存在大量类肤色区域的图像具有良好的分割效果。

11颜色恒常性的距离正则化水平集彩色图像分割

本文引入颜色恒常性原理用于区分图像差分结构，避免高光和阴影对图像分割的影响。实验表明，基于颜色恒常性原理的距离正则化水平集算法能够在高光和阴影情况下得到比未引入颜色恒常性原理的水平集算法更好的图像分割效果。

12基于颜色恒常性的低照度图像视见度增强

本文在像素有效集的基础上,提出了一种改进的灰色调算法,结合直方图剪裁,用于低照度图像的视见度增强.在彩色成像过程中,场景光源或高光的出现干扰了成像传感器对白色的正确响应,因而,首先对图像的白色响应值进行估计,并利用白色响应估计值构造像素有效集.在白平衡过程中,利用改进的灰色调算法来校正光照的颜色.在直方图剪裁过程中,在有效像素的灰度级范围内判定预设比例的拖尾像素.最后,利用基于色调极坐标直方图的2个无参考客观评测准则来定量评价算法的性能.实验结果表明本文的算法有效地增强了低照度图像的视见度,且不会产生Retinex算法所固有的灰化效应和Halo效应.后续的研究工作将进一步探讨改进的灰色调算法中参数自动选取方案.

13一种新的彩色图像颜色不变性阈值分割方法

来自网址www.qianyan.biz/Patent-Disp…

它的方法为，（１）利用图像采集设备（２）采集物体表面的图像，并在物体上方任意位置设置至少一个点光源（１），在物体图像上取点光源的法向投影点Ｐ↓［ｓ］；同时图像上确定与其不同的至少一个任意参考点Ｐ↓［ｉ］，并对图像的ＲＧＢ三种颜色分量分别进行以下处理；　　　　（２）对各参考点Ｐ↓［ｉ］根据物体表面的漫反射性和镜面反射性建立对应的Ｐｈｏｎｇ光照模型，分别对漫反射表面和镜面反射表面进行如下处理；（３）对于漫反射表面，确定其Ｐｈｏｎｇ光照模型的漫反射系数，然后整合ＲＧＢ三色分量，建立颜色相似性混合高斯模型，进行彩色图像颜色不变性阈值分割，完成图像的处理；（４）对于镜面反射表面，则先根据步骤（３）确定Ｐｈｏｎｇ光照模型的漫反射系数；然后再确定Ｐｈｏｎｇ光照模型的镜面反射系数和光照强度指数，最后整合ＲＧＢ三色分量，建立颜色相似性混合高斯模型，进行彩色图像颜色不变性阈值分割，完成图像处理。

它解决了目前无法有效解决噪声和光照等因素对图像颜色识别的干扰，影响图像分割的精确性等问题，具有能有效消除点光源环境下，漫反射表面和镜面反射表面对阈值精确分割的影响，并满足点光源环境下阈值分割的精确性和鲁棒性等优点。其方法为通过推导出Ｐｈｏｎｇ光照模型的颜色不变性提出了一种新的测量漫反射表面和镜面反射表面反射性的方法，并采用高斯颜色相似性模型实现一个目标象素级的自适应阈值分割方法。