联合色度特征与轻量级神经网络的颜色恒常性算法

颜色信息是计算机视觉任务中一个重要且有效的特征,在图像中去除光源等因素引起的偏色,使物体呈现其应有的颜色是颜色恒常性研究难点。文章提出了一种色度特征与轻量级神经网络联合的颜色恒常性方法。该方法通过提取图像的拉普拉斯特征,与输入图像融合,计算其色度直方图,然后利用统计的直方图计算对应色度像素的均值作为色度特征,输入轻量级神经网络进行光源估计。在公开数据上的实验结果表明,相较于其他方法,文章算法精度进一步提高,在单个GPU上运行速度可达到250帧/秒,能够满足移动端或嵌入式应用的实时需求。