基于先验知识的自动白平衡.pdfVIP

第6卷第2期 电路与系统学报 V01．6No2 2001年6H JOURNAL0FCIRCU兀’SANDSYSTEMS June200l 文章编号：100702舢f座机电话号码．0025．04 基于先验知识的自动白平衡+ 胡波， 林青， 陈光梦， 张立明 复旦太学电子工程系．上海200433 擒●： 本文提出了～种基于先验知识的自动白平衡方法。在对包含人脸的数字图像进行F 平衡处理时，依据人 脸肤色的色差计量集中在一个比较小的区间这一实验结果，不需要白色参照物．自动完成白甲衡。模拟结果表明奉 史提出的门平衡算法取得了较好的效果。 关键词：[1甲衡；人脸识别；色温 中田分粪号一TP274文献标识码tA 1 前言 通常，光源的颜色质量可以用色温来标定。色温越高，蓝色成分就越多；色温越低，红色成分就 越多。在摄影、摄像时，不同色温光源环境下拍摄物体，获得的图像不可避免会出现色彩上的偏差。 为了获得能真实、正确再现现实世界中各种色彩的图像，我们必须在拍摄时去除环境中光源色温的影 响，即进行白平衡处理。 传统的白平衡／右‘法．首先在色温环境中拍摄一纯白色物体，分析所摄得的图像数据，埘白色物体 部分的数据进行平均，得出三原色的平均值 R，G，占 。根据白色的定义： R G B 1 改变R，口感应通道的增益可以实现图像白平衡。这种方法要求以标准白色参照物进行白平衡较 准，给片j户带来不便。因此在工程应用时，产生了一些自动白平衡的算法，主要肓： 1 全局F1甲衡法：认为所拍摄的图像所拍摄尺GB三色分量的统计平均值应该相等。对拍摄的图 像进行统计平均，以R、B分量的均值作为自平衡校准的依据。 2 局部E 平衡法：搜寻所拍摄的图像中最亮的区域作为白色区域，该K域的尺GB三色分量的统 计平均值应该相等．以该区域R、B分量的统计平均值作为白平衡校准的依据。 这螳算法具有很大的局限性，不能正确再现物体的真实色彩：当环境过亮或过暗时，全局向乎衡 算法儿乎完全失效；而当所拍摄的物体并无白色存在时，局部白平衡算法得到的数值足失实的。 囡此，要实现自动白平衡，首先需要找到一个已知其真实色彩的参照物。在非T业摄像领域中， 拍摄图像中包含最多的是人脸图像。根据文献【3】的研究成果，人脸肤色在以，，c，c6定义的色彩空问 中可以用oo定义的一个较小的范围来标定，如图l所示。 其中y、cr，cb空间与R，G、B空间的对应关系可以用下式表示， y：旦R+生G+生口 Y 2 。：旦l_厅一旦LG+_三L口+128 。cr ∞：一!LR一里一G+旦L口+128 对]：白色物体，尺 G 口，一定有cr c自 128。 如果_ j月cr和只曲分别表示肤色相对应的cr和cb的值的 173】， 范围．文献【3]中给出大量图像样本测试的结果：Rcr 【133 图1人脸肤色在clE表中的范围 收藕日期·20∞-f【·jo蕾订日期·200l-I-16 万方数据 电路与系统学报 黹6卷 月r6 [771271。这一结果已被成功应用到Chai『4|l”、sobottkal6 以及Comall【”关r人脸追踪的研究中。 在本文中，我们根据这一结论，结合图像处理中的人脸识别方法，以人脸肤色作为白平衡的参考 依据，提出，基f先验知识的自动白平衡算法：在已拍摄的图像中，寻找人脸区域，判断肤色甲均值 是否存尺cr和月c6的范围内，并根据其偏差进行自动白平衡处理。 在F一1，中．我们首先简要介绍人脸识别的算法，在第三节对基于先验知汉的自动自平衡方法作 详细的阐述，该方法的模拟结果存第四节给出，最后我们对结果进行总结。 2人脸识别 关r人脸识别的研究已经肯许多结果发表，以灰度图像为基础．通常采用模板匹配或特征匹配的 方法。Govindaraiuv提出的基于线性特征的检测力法…，对于新闻图片中人脸的正确检测率为73％， K提出的方法…1可以实现快速 T等人的神经网络方法¨01则要求图像中人脸的尺寸大致相同：而Lam 的人脸检测，但他对光照和人脸的姿势比较敏感；汪孔桥等人提出的快速人脸检测的方法具宵较强的 鲁棒性和有效性，检测正确率达到90．24％¨2】。 本文的处理方法是首先将图像传感器获得的图像亮度分量构成灰度图像，利用上述方法进行检 测，然后将人脸区域的位置确定，从而得到彩色图像中人脸区域的数据。 由r人脸识别的方法不是本文重点所在，这里不再详细论述。我们只着重讨论当人脸区域被确定 后的自动白平衡的算法。 3自动白平衡算法 根据人脸识别的结果，我们提出基于人脸肤色的自动白平衡算法： l 图像数据的色空间转换及平均值计算 将人脸区域中的图像数据进行色空间转换，根据公式 2 ，将月∞三色分量 crc6色彩空间的数值。然后，根据下式对人 D1fRl，Gl，占lJ，D2fR2