基于多项式回归模型智能手机ね枷裱丈校正研究.docVIP

基于多项式回归模型智能手机ね枷裱丈校正研究 　　摘要摘要：为了减弱光照环境对智能手机拍照成像颜色识别的影响，采用多项式回归校正模型，对不同光照环境下拍照图像的颜色进行了校正研究，结果表明：①一阶多项式（FOP）模型和二阶多项式（SOP）模型都有比较理想的校正效果；②单一监督色和多监督色对以上模型的校正效果无明显差异，从应用角度来说，采用单一色系监督色的一阶多项式回归法计算量较小，对手机硬件性能要求不高，比较适合智能手机图像单一颜色的校正应用；③手机摄像头性能参数对拍摄效果影响显著，一旦经过校正，其色差值非常接近，这说明3种方法均不受手机参数性能影响，具有一定的普适性。 　　关键词关键词：多项式回归；监督色；智能手机；颜色校正 　　DOIDOI：10.11907/rjdk.1511196 　　中图分类号：TP317.4 　　文献标识码：A文章编号文章编号2016）001017303 　　0引言 　　随着智能手机的普及，其拍照和图像识别功能给人们生活带来了极大的便利，功能开发也日趋完善，如二维码及条形码识别[1]、人脸识别[2]、图文识别[3]等。移动互联网的兴起，使基于移动终端图像识别技术的工、农业产品追溯系统构建成为新的关注焦点[4]，这对智能手机的图像识别技术提出了更高要求，要想避免或减弱拍照环境对图像颜色值读取的影响，需要进行必要的校正，以实现颜色的恒常性。 　　环境因素对图像识别校正的影响主要基于计算机图像识别技术，已成功应用于医学检测[69]、农产品品质检测[10]、交通管理系统[11] 、遥感图像处理[1213]等领域。校正方法主要包括基于图像颜色分布特性的校正法[8，1213]、基于光谱反射率还原的颜色校正法[14]以及基于颜色空间映射的校正法[57，1518]等。其中，讨论最多的是基于颜色空间映射的修正方法，具体包括神经网络法、查找插值法和回归模型法。神经网络法具有非线性关系拟合能力，但需要大量训练样本，学习次数多，计算量相对较大[1516]；而多项式回归模型相对简单，运用广泛，既能保证一定回归精度又能以低的运算量达到较好的校正效果，常用于数码相机、扫描仪、打印机等图像输入、输出设备的颜色校正处理[5，1516]。 　　尽管智能手机摄像系统在出厂前已经进行了必要的软硬件校准，但其拍摄图像效果在很大程度上仍然受使用环境（如光照强度）的影响[1921]，进而影响图像采集效果。因此，在图像采集后期进行校准很有必要。而目前针对智能手机图像识别颜色校正的研究鲜有报道，这无疑会阻碍工、农业产品追溯系统的构建和应用。鉴于此，本文拟采用多项式回归校正模型，对智能手机在不同光照环境下的颜色进行校正研究，以期为基于智能手机图像精确识别颜色的应用奠定基础。 　　1实验条件与数据处理方法 　　1.1光照条件 　　为考察光照强度对拍摄图像质量的影响，本实验研究了5种不同光照强度下的校正效果。为考察手机摄像头性能对拍摄图像的影响，选择两种性能的智能手机在自动白平衡模式下分别拍照采集图像，将这两款手机分别命名为K1，K2（K1摄像头参数为800万像素，最大光圈F2.2，4p镜头；K2摄像头参数为1300万，最大光圈F2.0，6p镜头）。 　　1.2实验色板 　　颜色校正实验：将4块待校正色块与20块监督色块放在一起，自制一块色板，黑白效果见图1。监督色块是由待校正色块颜色决定的，监督色块提供待校正色块色调一致、颜色深浅不同的色块，以确保待校正色块置于监督色块色域中（待校正样本置于训练样本范围内）。本监督色板具有A、B、C、D四种色调，每种色调具有5种不同深浅的颜色，待校正色块编号A5、B5、C5、D5四色块，色调依此为A、B、C、D。 　　1.3数据处理方法 　　本研究通过智能手机拍摄色板得到图像，再通过图像识别程序从图像中获取各色块的颜色均值。设参考光照下监督色块第i色块RGB为标准值R0i，G0i，Boi，在非参考光照中，对应监督色块颜色值记为Ri，Gi，Bi（1≤i≤20）。采用多项式回归模型进行数据处理，其基本原理就是利用一组方程组如式（1），对输入Ri，Gi，Bi变量通过选择项组合成v1i，v2i，v3i，…，vJi，生成更高的 JI维（I≥J ）输入数据，这些数据通过线性组合对目标数据进行拟合，求出方程组的系数[6，15]。 　　3、A4校正色块A5），这种方法称为一阶多项式回归法1，记为“FOP1”；②以所有20块监督色块来校正所有待测色块A5、B5、C5、D5，这种方法称为一阶多项式回归法2，记为“FOP2”；③采用所有20块监督色块来校正色块A5、B5、C5、D5，这种方法称作二阶多项式回归法，记为“SOP”。 　　1.4颜色校正效果评价方法 　　按照上述算法对非参