• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    語(yǔ)義驅(qū)動(dòng)的顏色恒常決策算法

    2024-04-27 02:10:20童世博解夢(mèng)達(dá)
    電訊技術(shù) 2024年4期
    關(guān)鍵詞:偏色光源語(yǔ)義

    劉 凱,孫 鵬,童世博,解夢(mèng)達(dá)

    (1.中國(guó)刑事警察學(xué)院 公安信息技術(shù)與情報(bào)學(xué)院,沈陽(yáng) 110854;2.廣州大學(xué) 網(wǎng)絡(luò)空間安全學(xué)院,廣州 511442)

    0 引 言

    相機(jī)記錄的物體在不同光源顏色下色彩表現(xiàn)不同,當(dāng)圖像中物體呈現(xiàn)出的色彩表現(xiàn)與物體本身顏色偏離一定程度后,僅憑人眼往往不能輕易分辨,需要借助顏色恒常性算法對(duì)這些偏色的目標(biāo)圖像進(jìn)行校正。顏色恒常性是指人的視覺(jué)系統(tǒng)無(wú)論所處環(huán)境光源顏色如何,都能識(shí)別出物體表面真實(shí)顏色的能力[1]。顏色恒常性算法的目的是通過(guò)估計(jì)目標(biāo)圖像所處場(chǎng)景的光源顏色,并根據(jù)光源顏色將其校正至標(biāo)準(zhǔn)白光下,從而解決由光源顏色引起的圖像偏色問(wèn)題[2]。

    顏色恒常性算法分為單光源估計(jì)和多光源估計(jì),其中大多數(shù)(包括本文)為方便計(jì)算,默認(rèn)以單光源的假設(shè)為前提進(jìn)行研究?,F(xiàn)有的顏色恒常性算法主要分為基于圖像底層特征驅(qū)動(dòng)的顏色恒常性算法和基于高級(jí)語(yǔ)義指導(dǎo)的顏色恒常性算法兩大類?;趫D像底層特征驅(qū)動(dòng)的顏色恒常性算法可以分為兩大類:基于統(tǒng)計(jì)的方法和基于學(xué)習(xí)的方法。常見(jiàn)的基于統(tǒng)計(jì)的方法有灰度世界算法(Gray World,GW)[3]、完美反射算法(White Patch,WP)[4]、灰度陰影算法(Shades of Gray,SoG)[5]、灰度邊緣算法(Gray Edge,GE)[6]等,基于學(xué)習(xí)的算法主要包括色域映射算法(Gamut-mapping,GM)[7]、基于貝葉斯推理的顏色恒常性計(jì)算(Bayesian Color Constancy,BCC)[8]、基于支持向量回歸的顏色恒常性計(jì)算(Support Vector Regression,SVR)[9]等?;趯W(xué)習(xí)的方法光源估計(jì)效果總體優(yōu)于基于統(tǒng)計(jì)的方法,但這歸結(jié)于前期大量測(cè)試數(shù)據(jù)的訓(xùn)練學(xué)習(xí);基于統(tǒng)計(jì)的方法雖性能稍弱,但在實(shí)際應(yīng)用中計(jì)算效率遠(yuǎn)遠(yuǎn)高于基于學(xué)習(xí)的方法。

    盡管基于圖像底層特征驅(qū)動(dòng)的顏色恒常性算法體系已基本完善,各種假設(shè)及基于各種假設(shè)所提出的算法層出不窮,但在借助一些顏色恒常性算法對(duì)目標(biāo)圖像進(jìn)行光源估計(jì)時(shí),會(huì)遇到算法失效的問(wèn)題。因此,解決單一顏色恒常性算法的局限性,為目標(biāo)圖像選擇最合適的顏色恒常性算法或者算法組合有著重要的實(shí)際意義[10]?;诟呒?jí)語(yǔ)義指導(dǎo)的顏色恒常性算法是顏色恒常領(lǐng)域內(nèi)一個(gè)重要的研究方向,研究人員嘗試從圖像內(nèi)容相關(guān)的高級(jí)視覺(jué)信息中獲取光源估計(jì)線索[11]。例如,Cardei等[12]提出基于委員會(huì)的顏色恒常性計(jì)算(Committee-based Color Constancy),對(duì)灰度世界算法、完美反射算法、基于BP神經(jīng)網(wǎng)絡(luò)的算法的光源估計(jì)結(jié)果進(jìn)行了加權(quán)融合,以達(dá)到提高光源估計(jì)準(zhǔn)確度的目的;Van de Weijer等[13]在所提出的Top-Down算法中,將圖像視為多語(yǔ)義類集合體,并利用不同語(yǔ)義信息作為先驗(yàn)知識(shí)估計(jì)光源;Gijsenij等[14]提出了基于自然圖像統(tǒng)計(jì)的顏色恒常性算法融合方案(Color Constancy using Natural Image Statistics,NIS),使用威布爾參數(shù)描述圖像的紋理分布特征,進(jìn)而根據(jù)紋理分布特征選擇最優(yōu)的顏色恒常性算法。

    上述融合性算法的研究表明,所處理目標(biāo)圖像對(duì)應(yīng)的最優(yōu)算法與該圖像的語(yǔ)義信息存在著明顯的相關(guān)性,但上述融合性算法存在一些不足,如NIS算法以圖像全局紋理特征作為選擇算法的依據(jù),事實(shí)上,不同語(yǔ)義類別的紋理特征會(huì)有很大差異,因此使用全局紋理特征不能精確地描述圖像。為更好地利用圖像語(yǔ)義信息,本文從語(yǔ)義分割的角度,以GE算法框架為基礎(chǔ),提出一種語(yǔ)義驅(qū)動(dòng)的顏色恒常決策算法,通過(guò)計(jì)算目標(biāo)圖像和已訓(xùn)練圖像的場(chǎng)景語(yǔ)義相似度來(lái)為目標(biāo)圖像選擇最合適的算法。具體來(lái)說(shuō),首先,使用由Cityscapes[15]數(shù)據(jù)集輸入訓(xùn)練的PSPNet(Pyramid Scene Parsing Network)語(yǔ)義分割模型對(duì)經(jīng)過(guò)一階灰度邊緣算法(1st Gray Edge,1stGE)偏色預(yù)處理后的目標(biāo)圖像進(jìn)行場(chǎng)景語(yǔ)義分割,并計(jì)算該圖像場(chǎng)景中每種語(yǔ)義信息的占比;其次,根據(jù)目標(biāo)圖像語(yǔ)義信息類別在已訓(xùn)練好的決策集合中尋找相似的參考圖像;然后,根據(jù)目標(biāo)圖像與參考圖像相同語(yǔ)義信息的占比計(jì)算相同語(yǔ)義間的歐氏距離,以歐氏距離表示為目標(biāo)圖像與參考圖像間的語(yǔ)義相似度;最后,選擇相似度最高的參考圖像,使用該相似度與基于多維歐氏空間所確定的閾值進(jìn)行比較,若大于閾值,則使用該參考圖像對(duì)應(yīng)的最優(yōu)算法,為目標(biāo)圖像實(shí)行偏色校正;若小于閾值,則默認(rèn)使用光源估計(jì)性能較好的灰度陰影算法對(duì)目標(biāo)圖像實(shí)行偏色校正。在Color Checker[8]和NUS 8-camera[16]數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果表明,本文所提算法性能明顯優(yōu)于Gray Edge框架下單一算法及同類型融合性算法,能夠有效提升光源估計(jì)的魯棒性和準(zhǔn)確度。

    1 理論基礎(chǔ)

    1.1 光照反射模型

    根據(jù)朗伯特反射模型(Lambertian Model),彩色圖像成像取決于場(chǎng)景光源顏色e(λ)、相機(jī)相應(yīng)函數(shù)ρ(λ)以及物體的表面反射率R(x,λ)[17],可表示為

    (1)

    式中:λ表示波長(zhǎng);x表示圖像像素的空間三維坐標(biāo);c={R,G,B};ω表示可見(jiàn)光譜。實(shí)踐中,為方便計(jì)算,往往不考慮相機(jī)感應(yīng)函數(shù)ρ(λ)的影響,即光源顏色e只與場(chǎng)景光源顏色e(λ)以及物體的表面反射率R(x,λ)有關(guān):

    (2)

    1.2 Gray Edge框架

    GE框架是Weijer等[6]在提出GE假設(shè)的基礎(chǔ)上,通過(guò)引入閔可夫斯基(Minkowski)范式和高斯平滑預(yù)處理得到的,公式為

    (3)

    表1 Gray Edge框架下的顏色恒常性計(jì)算方法Tab.1 Color constancy algorithms under Gray Edge framework

    1.3 語(yǔ)義分割模型:PSPNet

    圖像語(yǔ)義分割方法可分為基于FCN的方法,如DeepLab系列[18]通過(guò)帶孔卷積等技術(shù)對(duì)FCN進(jìn)行優(yōu)化改進(jìn),增大感受野;基于編碼解碼的方法,如DeconvNet[19]通過(guò)反卷積等操作構(gòu)成的解碼器對(duì)低分辨率圖像進(jìn)行上采樣處理;基于特征融合的方法,如PSPNet[20]使用空間金字塔池化模塊捕獲圖像不同位置信息等??紤]到PSPNet模型能夠融合不同尺度下的特征,從而達(dá)到聚合全局信息的目的,更適用于語(yǔ)義信息較豐富的場(chǎng)景,本文使用PSPNet模型對(duì)目標(biāo)圖像進(jìn)行語(yǔ)義分割。

    對(duì)于主干特征提取網(wǎng)絡(luò)的選取,本文嘗試使用AlexNet[21]、Vgg16[22]、ResNet50[23]3種網(wǎng)絡(luò),分別作為PSPNet模型的特征提取網(wǎng)絡(luò)進(jìn)行語(yǔ)義分割訓(xùn)練。

    2 本文算法

    本文算法分為訓(xùn)練階段和測(cè)試階段,算法整體流程包括3個(gè)步驟,分別為構(gòu)建決策集合、圖像預(yù)處理、算法決策,如圖1所示。

    圖1 算法流程Fig.1 Flow of the proposed algorithm

    2.1 構(gòu)建決策集合

    訓(xùn)練階段構(gòu)建的決策集合中應(yīng)包含了參考圖像的語(yǔ)義分割結(jié)果,以及對(duì)應(yīng)的最優(yōu)顏色恒常性計(jì)算方法,以便為測(cè)試階段的目標(biāo)圖像提供算法決策方案。

    為構(gòu)建決策集合M,首先對(duì)輸入的訓(xùn)練圖像a使用GE框架下的各種無(wú)監(jiān)督算法(如GW、WP等)分別進(jìn)行處理,得到5幅結(jié)果圖,按照公式(4)使用角度誤差對(duì)結(jié)果圖進(jìn)行誤差度量:

    (4)

    2.2 圖像預(yù)處理

    考慮到一些偏色嚴(yán)重的圖像會(huì)影響到場(chǎng)景語(yǔ)義分割的精確性,所以對(duì)輸入網(wǎng)絡(luò)的目標(biāo)圖像b使用1stGE算法進(jìn)行偏色的預(yù)處理;同時(shí)為了減少偏色預(yù)處理對(duì)結(jié)果帶來(lái)的影響,將原圖像與1stGE算法處理的結(jié)果按照公式(5)進(jìn)行圖像的線性混合得到偏色預(yù)處理后的結(jié)果如下:

    H(x)=(1-α)f0(x)+αf1(x)

    (5)

    式中:H(x)為混合圖像,即1stGE算法預(yù)處理后的結(jié)果;圖像線性混合權(quán)重α=0.5。再對(duì)預(yù)處理后的圖像H(x)進(jìn)行場(chǎng)景語(yǔ)義分割,得到包含n種語(yǔ)義信息wi(按占比降次排序)以及所對(duì)應(yīng)的占比pi的語(yǔ)義集合體。占比pi可表示為

    (6)

    式中:wi(x,y)表示語(yǔ)義信息wi的像素?cái)?shù)目;f(x,y)m×n表示圖像總的像素?cái)?shù)目??紤]到有些目標(biāo)圖像語(yǔ)義信息貧乏而有些圖像語(yǔ)義信息豐富,為方便計(jì)算,取語(yǔ)義信息wi類別數(shù)目n≤4。

    2.3 算法決策

    2.3.1 場(chǎng)景語(yǔ)義相似度計(jì)算

    常用度量圖像語(yǔ)義相似度的距離公式有歐氏距離(Euclidean Distance)、余弦距離(Cosine Distance)、巴氏距離(Bhattacharyya Distance)等,為更好地計(jì)算圖像語(yǔ)義相似度,識(shí)別圖像語(yǔ)義間的視覺(jué)、空間差異,本文參照文獻(xiàn)[24-26]使用歐氏距離表示語(yǔ)義集合體m,m′(即目標(biāo)圖像b和參考圖像b′)的語(yǔ)義相似度。相似度計(jì)算公式如下:

    (7)

    式中:S表示相似度;p表示測(cè)試圖像中語(yǔ)義信息占比;p′表示訓(xùn)練集中對(duì)應(yīng)圖像語(yǔ)義信息占比,由于訓(xùn)練集中具有相同語(yǔ)義信息的語(yǔ)義集合體(圖像)不止一個(gè),所以會(huì)產(chǎn)生S1,S2,S3等不同相似度,取最高相似度,記為所需語(yǔ)義相似度S。

    同時(shí),為驗(yàn)證所使用歐氏距離對(duì)語(yǔ)義相似度度量的有效性與魯棒性,本文根據(jù)5種距離公式分別構(gòu)建所對(duì)應(yīng)的語(yǔ)義相似度距離公式,包括歐氏距離、曼哈頓距離[27](Manhattan Distance)、海林格距離(Hellinger Distance)、巴氏距離、余弦距離,對(duì)應(yīng)語(yǔ)義相似度計(jì)算公式見(jiàn)表2。

    表2 由5種距離公式構(gòu)建的語(yǔ)義相似度計(jì)算公式Tab.2 Semantic similarity calculation formulas constructed by 5 distance formulas

    表2中,c1,c2,c3,c4均為常數(shù),為方便計(jì)算,取c1=c2=c3=1,c4=0,并從決策集合中選取21幅對(duì)應(yīng)最優(yōu)算法為GW的圖像,其中1幅作為參考圖像,分別使用構(gòu)建的5種距離公式計(jì)算該參考圖像與另20幅圖像的語(yǔ)義相似度,觀察各計(jì)算公式所得結(jié)果的誤差值,如圖2所示。

    圖2 5種公式下語(yǔ)義相似度計(jì)算結(jié)果Fig.2 Results of semantic similarity calculation under 5 formulas

    圖2中誤差棒表示上四分位值,柱形圖高度表示計(jì)算結(jié)果均值。由于常數(shù)c1,c2,c3,c4取值和相似度結(jié)果有著直接關(guān)系,故本次實(shí)驗(yàn)所得結(jié)果大小并不能衡量實(shí)際相圖像語(yǔ)義似度。僅從5種語(yǔ)義相似度計(jì)算公式的魯棒性角度出發(fā),觀察圖2中5種語(yǔ)義相似度計(jì)算公式下計(jì)算結(jié)果的誤差值,可知?dú)W氏距離對(duì)應(yīng)的計(jì)算結(jié)果誤差值最小,證明了本文選用歐氏距離作為圖像語(yǔ)義相似度計(jì)算公式的有效性和魯棒性。

    2.3.2 閾值選取

    閾值大小的選取直接影響著算法的效果,而閾值的選取與決策集合中用于訓(xùn)練參考圖像的數(shù)目高度相關(guān),閾值越高,對(duì)參考圖像數(shù)目要求越多。本文閾值大小的選取是由決策集合中每幅參考圖像通過(guò)計(jì)算獲取的,與每幅參考圖像直接相關(guān),可解釋性較強(qiáng)。本文算法閾值的確定,通過(guò)以下步驟實(shí)現(xiàn):

    步驟1 根據(jù)訓(xùn)練集中的圖像,選擇采取相同算法fk(如GW算法)的決策集合Mk中一幅參考圖像N0與其余N幅參考圖像進(jìn)行語(yǔ)義相似度計(jì)算。在公式(7)的基礎(chǔ)上引入向量特征表示,如公式(8):

    (8)

    (9)

    步驟3 得到5種算法(GW,WP,SoG,1stGE,2ndGE)決策集合Mk的平均相似度εk,結(jié)果如圖3所示,其中誤差棒表示95%的置信區(qū)間。

    圖3 95%置信區(qū)間下參考圖像的平均相似度Fig 3.Average similarity of reference images under 95% confidence interval

    (10)

    式中:|Xk|表示決策集合Mk中的樣本數(shù)。

    根據(jù)訓(xùn)練階段使用的677張參考圖像的計(jì)算結(jié)果,本文設(shè)定測(cè)試階段語(yǔ)義相似度閾值τ=0.706。

    2.3.3 算法選擇

    經(jīng)過(guò)對(duì)語(yǔ)義集合體m進(jìn)行場(chǎng)景語(yǔ)義相似度計(jì)算后,得到最高相似度S及該相似度對(duì)應(yīng)的語(yǔ)義集合體m′和處理算法f′:

    (11)

    最后通過(guò)判斷S與設(shè)定閾值τ的大小,為目標(biāo)圖像b選擇合適算法f:若相似度S大于閾值τ,則對(duì)輸入圖像b適用語(yǔ)義集合體m′的顏色恒常性計(jì)算方法f′處理;若相似度S小于閾值τ,則對(duì)圖像整體采用SoG算法進(jìn)行處理,最終得到偏色校正圖像c。

    2.4 相關(guān)參數(shù)設(shè)置

    2.4.1 算法參數(shù)選擇

    根據(jù)表1中參數(shù)取值與公式,SoG、1stGE、2ndGE 3種算法通過(guò)調(diào)節(jié)不同的ρ值(1<ρ<∞)與高斯濾波器參數(shù)σ可得到不同的算法效果,本文通過(guò)使用網(wǎng)格化參數(shù)尋優(yōu)的方法,設(shè)定SoG算法中ρ=7,1stGE、2ndGE算法參數(shù)取值分別為e1,1,6和e2,1,5,如表3所示。

    表3 算法參數(shù)設(shè)置Tab.3 Algorithm parameter settings

    2.4.2 PSPNet語(yǔ)義分割模型參數(shù)選擇

    本文使用PSPNet模型對(duì)圖像進(jìn)行語(yǔ)義分割,主干特征提取網(wǎng)絡(luò)分別使用了ALexNet、Vgg16和ResNet50,訓(xùn)練圖像為Cityscapes數(shù)據(jù)集中5 000幅精細(xì)標(biāo)注的圖像。設(shè)置訓(xùn)練語(yǔ)義分割信息類別共10類(包含背景)。設(shè)置總的epoch=100(凍結(jié)階段epoch=60,解凍階段epoch=40),模型凍結(jié)訓(xùn)練階段batchsize=8,解凍訓(xùn)練階段batchsize=6。

    3 實(shí)驗(yàn)結(jié)果與分析

    3.1 數(shù)據(jù)集

    3.1.1 語(yǔ)義分割模型訓(xùn)練:Cityscapes數(shù)據(jù)集

    Cityscapes數(shù)據(jù)集[15],即城市景觀數(shù)據(jù)集,包含了50個(gè)不同歐洲城市的街道場(chǎng)景圖像,其中包括5 000幅精細(xì)標(biāo)注的圖像和20 000幅粗糙標(biāo)注的圖像,語(yǔ)義信息包含34個(gè)類別,但常用的是19個(gè)類別。本文將數(shù)據(jù)集中5 000幅精細(xì)標(biāo)注的圖像用于訓(xùn)練和評(píng)估PSPNet語(yǔ)義分割模型,訓(xùn)練類別包括人、汽車、道路、天空、建筑等10類。

    3.1.2 算法訓(xùn)練階段:Cube+數(shù)據(jù)集

    Cube+[28]數(shù)據(jù)集是對(duì)Cube數(shù)據(jù)集的擴(kuò)展,包含了克羅地亞、斯洛文尼亞和奧地利等城市在不同季節(jié)記錄1 707幅圖像。本文選取Cube+數(shù)據(jù)集共677幅語(yǔ)義信息豐富的室外圖像用于構(gòu)建決策集合。

    3.1.3 算法測(cè)試階段:Color Checker數(shù)據(jù)集、NUS 8-camera數(shù)據(jù)集

    Color Checker數(shù)據(jù)集包括568幅線性RGB圖像,真實(shí)光照是通過(guò)圖像中放置的色彩測(cè)試標(biāo)板(Color Checker)獲得。NUS 8-camera數(shù)據(jù)集是由8部不同型號(hào)相機(jī)在相同場(chǎng)景下拍攝的1 736幅圖像。

    3.2 評(píng)估指標(biāo)

    3.2.1 語(yǔ)義分割模型性能評(píng)估指標(biāo):均交并比

    均交并比(Mean Intersection over Union,MIoU)是語(yǔ)義分割領(lǐng)域中最為廣泛使用的評(píng)估指標(biāo),通過(guò)計(jì)算場(chǎng)景中所有語(yǔ)義類別的交集和并集之比的平均值來(lái)度量語(yǔ)義分割模型的性能,計(jì)算公式如下:

    (12)

    式中:n表示語(yǔ)義信息類別的數(shù)量;i表示真實(shí)值;j表示語(yǔ)義分割的預(yù)測(cè)值;pij表示將i預(yù)測(cè)為j。

    PSPNet模型使用3種主干特征提取網(wǎng)絡(luò)訓(xùn)練所得模型MIoU如圖4所示。從圖4可以看出,3種主干特征提取網(wǎng)絡(luò)在訓(xùn)練結(jié)果上相差無(wú)幾,但考慮到網(wǎng)絡(luò)的計(jì)算效率,由于ResNet50使用了殘差網(wǎng)絡(luò)結(jié)構(gòu),網(wǎng)絡(luò)的計(jì)算能力和準(zhǔn)確率相較于ALexNet和Vgg16要高,故本文算法使用ResNet50作為PSPNet模型的主干特征提取網(wǎng)絡(luò)對(duì)目標(biāo)圖像進(jìn)行語(yǔ)義分割。

    圖4 PSPNet模型MIoU曲線Fig.4 MIoU curve of PSPNet model

    3.2.2 光源估計(jì)性能評(píng)估指標(biāo):角度誤差

    本文通過(guò)使用角度誤差(Angular error)估計(jì)真實(shí)光照和估計(jì)光照的距離以評(píng)估各種顏色恒常性計(jì)算方法的性能,如公式(4)。在此基礎(chǔ)上,為綜合評(píng)估顏色恒常性計(jì)算方法的性能,本文使用光源估計(jì)圖像角度誤差的均值、中值、三均值與最大誤差等指標(biāo)作為評(píng)估依據(jù)。

    3.3 算法性能評(píng)估

    本文使用Color Checker、NUS 8-camera數(shù)據(jù)集評(píng)估各算法光源估計(jì)性能。對(duì)比算法選用了單一算法和融合算法兩種類型:?jiǎn)我凰惴ò℅E框架內(nèi)5種算法(GW、WP、SoG、1stGE、2ndGE)和兩種GM算法(GM-pixel和GM-edge);融合性算法包括Top-Down和NIS算法。參數(shù)設(shè)置方面除了本文設(shè)定的GE框架內(nèi)的算法外,其余算法皆采用默認(rèn)值。各算法在Color Checker和NUS 8-camera數(shù)據(jù)集中光源估計(jì)性能如表4所示。

    表4 各算法光源估計(jì)性能Tab.4 Illuminant estimation performance of each algorithm

    由表4觀察到,本文所提算法在Color Checker數(shù)據(jù)集中與實(shí)驗(yàn)結(jié)果中性能最優(yōu)的單一顏色恒常性算法(SoG算法)相比,均值、中值、三均值角度誤差分別下降14.03%,14.22%,15.86%,與性能最優(yōu)的融合性顏色恒常性算法(NIS算法)相比,均值、中值、三均值角度誤差分別下降11.59%,14.62%,15.86%;在NUS 8-camera數(shù)據(jù)集中與實(shí)驗(yàn)結(jié)果中性能最優(yōu)的單一顏色恒常性算法(1stGE算法)相比,均值、中值、三均值角度誤差分別下降8.24%,6.76%,4.38%,與性能最優(yōu)的融合性顏色恒常性算法(NIS算法)相比,均值、中值、三均值角度誤差分別下降6.44%,10.88%,7.19%。此外,本文算法相對(duì)于所基于的GW、WP、SoG、1stGE、2ndGE算法,光源估計(jì)性能大幅提升,證明了本文所提出算法決策模型的有效性。且在兩種數(shù)據(jù)集中,本文算法最大角度誤差較各種算法均有大幅度下降,這表明本文算法能夠彌補(bǔ)單一顏色恒常性算法的局限性,有效為目標(biāo)圖像選擇合適的顏色恒常性算法,提高了在不同場(chǎng)景下光源估計(jì)的魯棒性,進(jìn)一步增強(qiáng)了光源估計(jì)的準(zhǔn)確度。

    3.4 實(shí)驗(yàn)結(jié)果分析

    根據(jù)表4中各種算法的實(shí)驗(yàn)結(jié)果表明,本文算法在兩種數(shù)據(jù)集中均取得較好的性能表現(xiàn),分析原因有以下幾點(diǎn):首先,本文算法使用了PSPNet語(yǔ)義分割模型充分利用圖像全局信息,并使用精細(xì)標(biāo)注的Cityscapes數(shù)據(jù)集圖像輔以學(xué)習(xí),從而更為精細(xì)、全面地構(gòu)建語(yǔ)義集合體;其次,本文算法在計(jì)算目標(biāo)圖像與已訓(xùn)練決策集合中參考圖像的語(yǔ)義相似度過(guò)程中,選擇與多幅參考圖像計(jì)算相同語(yǔ)義信息占比的歐氏距離,以確定最終相似度最高的參考圖像;最后,在確定相似度閾值時(shí),根據(jù)參考圖像對(duì)應(yīng)最優(yōu)算法的種類及數(shù)目計(jì)算,閾值的確定和訓(xùn)練使用的參考圖像高度關(guān)聯(lián),選取規(guī)則更具有說(shuō)服力。

    實(shí)驗(yàn)過(guò)程中,在處理具有大面積單一語(yǔ)義或是語(yǔ)義類別沒(méi)有經(jīng)過(guò)訓(xùn)練的目標(biāo)圖像時(shí),如圖5中右側(cè)兩幅目標(biāo)圖像,由于場(chǎng)景相似度過(guò)低,本文算法默認(rèn)使用SoG算法對(duì)這類目標(biāo)圖像進(jìn)行處理,也會(huì)出現(xiàn)光源估計(jì)精度低等問(wèn)題。因此,場(chǎng)景語(yǔ)義類別的擴(kuò)充訓(xùn)練應(yīng)作為后續(xù)的一個(gè)研究方向。

    圖5 部分圖像光源估計(jì)示例Fig.5 Example of illuminant estimation for some images

    4 結(jié) 論

    針對(duì)單一顏色恒常性算法的局限性及融合性算法在算法選擇依據(jù)上的不足,本文基于GE框架提出了一種語(yǔ)義驅(qū)動(dòng)的顏色恒常決策算法,通過(guò)計(jì)算已訓(xùn)練參考圖像與待校正目標(biāo)圖像場(chǎng)景語(yǔ)義相似度,從而為目標(biāo)圖像選擇最合適算法,達(dá)到彌補(bǔ)單一算法局限性、提高顏色恒常性算法準(zhǔn)確度的目的。在Color Checker和NUS 8-camera數(shù)據(jù)集中的實(shí)驗(yàn)結(jié)果表明,本文算法的光源估計(jì)性能優(yōu)于GE框架下的單一算法且較同類型融合性算法角度誤差分別下降14.02%和8.17%,提高了顏色恒常性算法對(duì)偏色圖像進(jìn)行光源估計(jì)時(shí)的魯棒性和準(zhǔn)確度。

    猜你喜歡
    偏色光源語(yǔ)義
    語(yǔ)言與語(yǔ)義
    《光源與照明》征訂啟事
    光源與照明(2019年3期)2019-06-15 09:21:04
    改進(jìn)的完美反射法及其在視頻偏色校正中的應(yīng)用
    一招解決手機(jī)拍照偏色問(wèn)題
    綠色光源
    基于方差因子的圖像 偏色檢測(cè)研究
    “上”與“下”語(yǔ)義的不對(duì)稱性及其認(rèn)知闡釋
    認(rèn)知范疇模糊與語(yǔ)義模糊
    科技連載:LED 引領(lǐng)第三次照明革命——與傳統(tǒng)照明的對(duì)比(一)
    將偏色問(wèn)題一網(wǎng)打盡
    国产成人freesex在线| 永久网站在线| 午夜福利网站1000一区二区三区| 国产一区二区在线观看av| 久久综合国产亚洲精品| 久久精品国产亚洲网站| 亚洲精品一二三| 肉色欧美久久久久久久蜜桃| 欧美bdsm另类| 亚洲欧美日韩卡通动漫| 欧美成人精品欧美一级黄| 国产伦理片在线播放av一区| 国内少妇人妻偷人精品xxx网站| 我的女老师完整版在线观看| 国产免费视频播放在线视频| 建设人人有责人人尽责人人享有的| av黄色大香蕉| 免费看日本二区| 国产伦精品一区二区三区视频9| 日本与韩国留学比较| 一区二区av电影网| 亚洲天堂av无毛| 日本av免费视频播放| 草草在线视频免费看| 亚洲国产欧美在线一区| 一级毛片久久久久久久久女| videossex国产| 亚洲精品国产av蜜桃| 亚洲无线观看免费| 五月伊人婷婷丁香| 大片免费播放器 马上看| 婷婷色av中文字幕| 精品人妻熟女毛片av久久网站| 日产精品乱码卡一卡2卡三| 精品久久久久久久久av| 亚洲人与动物交配视频| 精品视频人人做人人爽| 成人毛片a级毛片在线播放| 18禁裸乳无遮挡动漫免费视频| 精品久久久精品久久久| 91成人精品电影| 成人亚洲精品一区在线观看| av福利片在线| 嫩草影院入口| 亚洲av成人精品一区久久| 国产精品久久久久久久电影| 十分钟在线观看高清视频www | 国产日韩欧美亚洲二区| 人体艺术视频欧美日本| 九色成人免费人妻av| 国产老妇伦熟女老妇高清| 久久精品国产鲁丝片午夜精品| 岛国毛片在线播放| 女人精品久久久久毛片| 一本大道久久a久久精品| 在线观看人妻少妇| 永久网站在线| 久久午夜综合久久蜜桃| 韩国高清视频一区二区三区| 熟女av电影| 亚洲精品久久久久久婷婷小说| 国国产精品蜜臀av免费| 天堂俺去俺来也www色官网| 亚洲精品一二三| 国产精品偷伦视频观看了| 偷拍熟女少妇极品色| 日韩一区二区三区影片| 黄色配什么色好看| 日韩三级伦理在线观看| 曰老女人黄片| 日日摸夜夜添夜夜添av毛片| 国产精品偷伦视频观看了| 国产综合精华液| 国产精品久久久久久精品古装| 亚洲国产精品999| 国产精品福利在线免费观看| 精品少妇久久久久久888优播| 三级国产精品片| 午夜免费男女啪啪视频观看| 国产亚洲5aaaaa淫片| 我要看日韩黄色一级片| 国产欧美日韩一区二区三区在线 | 99热国产这里只有精品6| 午夜福利视频精品| 新久久久久国产一级毛片| 人体艺术视频欧美日本| 97在线视频观看| 国产中年淑女户外野战色| 国产成人午夜福利电影在线观看| 日产精品乱码卡一卡2卡三| 国产综合精华液| 人妻系列 视频| 一级黄片播放器| 免费不卡的大黄色大毛片视频在线观看| 免费播放大片免费观看视频在线观看| 日韩不卡一区二区三区视频在线| 日韩中文字幕视频在线看片| 日本av手机在线免费观看| 一区二区三区乱码不卡18| 亚洲精品第二区| 免费看av在线观看网站| 纯流量卡能插随身wifi吗| 久久久久久久亚洲中文字幕| 十八禁网站网址无遮挡 | 久久人人爽av亚洲精品天堂| 成年人午夜在线观看视频| 在线观看免费视频网站a站| 男女边摸边吃奶| 青春草亚洲视频在线观看| 性色av一级| 人妻制服诱惑在线中文字幕| 日本vs欧美在线观看视频 | 最新的欧美精品一区二区| 在线观看美女被高潮喷水网站| 丝袜在线中文字幕| 国产精品久久久久久久电影| 日本猛色少妇xxxxx猛交久久| 免费黄色在线免费观看| 国产精品一区二区三区四区免费观看| 日日撸夜夜添| 免费在线观看成人毛片| 国产精品.久久久| www.色视频.com| 夜夜骑夜夜射夜夜干| 黄色欧美视频在线观看| 日本与韩国留学比较| 久久6这里有精品| 久久精品国产a三级三级三级| 在线天堂最新版资源| 一级片'在线观看视频| 亚洲人与动物交配视频| 国产精品一区二区在线观看99| 日日撸夜夜添| 天堂俺去俺来也www色官网| 看免费成人av毛片| 久久人人爽人人爽人人片va| 97精品久久久久久久久久精品| 人人妻人人爽人人添夜夜欢视频 | 日韩一区二区三区影片| 国产av精品麻豆| 中文精品一卡2卡3卡4更新| 51国产日韩欧美| 80岁老熟妇乱子伦牲交| 久久久久国产网址| 国产精品熟女久久久久浪| 乱系列少妇在线播放| 秋霞伦理黄片| 黄片无遮挡物在线观看| 最后的刺客免费高清国语| 黄色欧美视频在线观看| 久久精品国产自在天天线| videossex国产| 一级毛片aaaaaa免费看小| 国产亚洲5aaaaa淫片| 卡戴珊不雅视频在线播放| videos熟女内射| 高清黄色对白视频在线免费看 | 国产淫语在线视频| 欧美日韩精品成人综合77777| 精品卡一卡二卡四卡免费| 成人美女网站在线观看视频| 免费高清在线观看视频在线观看| 日日爽夜夜爽网站| 久久婷婷青草| 伦理电影免费视频| 亚洲图色成人| 汤姆久久久久久久影院中文字幕| 日日摸夜夜添夜夜爱| 亚洲国产毛片av蜜桃av| 欧美日韩视频精品一区| 色婷婷久久久亚洲欧美| 国产精品.久久久| 亚洲av福利一区| 青春草国产在线视频| 三级经典国产精品| √禁漫天堂资源中文www| 亚洲精品中文字幕在线视频 | 嫩草影院新地址| av在线app专区| 边亲边吃奶的免费视频| 嫩草影院入口| 高清视频免费观看一区二区| 美女国产视频在线观看| 在线观看www视频免费| 免费av不卡在线播放| 亚洲自偷自拍三级| 成年av动漫网址| 亚洲成人av在线免费| 有码 亚洲区| 国产精品久久久久久久久免| 男女免费视频国产| 精品卡一卡二卡四卡免费| 99久久精品一区二区三区| 精华霜和精华液先用哪个| 夜夜骑夜夜射夜夜干| 国产精品不卡视频一区二区| 亚洲国产av新网站| 丰满饥渴人妻一区二区三| 久久国产精品大桥未久av | 性高湖久久久久久久久免费观看| 一本—道久久a久久精品蜜桃钙片| 亚洲人与动物交配视频| 免费观看在线日韩| 9色porny在线观看| 又爽又黄a免费视频| 亚洲精品日韩av片在线观看| 嫩草影院入口| 一个人看视频在线观看www免费| 最近最新中文字幕免费大全7| 欧美精品亚洲一区二区| 亚洲成人av在线免费| av天堂久久9| 国产日韩欧美亚洲二区| 中文欧美无线码| 亚洲综合精品二区| www.av在线官网国产| 午夜激情久久久久久久| 乱人伦中国视频| 亚洲精品久久久久久婷婷小说| 国产免费一区二区三区四区乱码| 欧美变态另类bdsm刘玥| 国产男人的电影天堂91| 99久久人妻综合| 久久久精品94久久精品| 观看免费一级毛片| av福利片在线| 欧美3d第一页| 亚洲av日韩在线播放| 校园人妻丝袜中文字幕| 久热这里只有精品99| 国产欧美日韩综合在线一区二区 | 精品熟女少妇av免费看| 91久久精品国产一区二区成人| 日韩精品免费视频一区二区三区 | 亚洲经典国产精华液单| 国产精品女同一区二区软件| tube8黄色片| 亚洲美女黄色视频免费看| 久久国内精品自在自线图片| 国产探花极品一区二区| 精品一区在线观看国产| 日本欧美视频一区| 日本vs欧美在线观看视频 | 女人精品久久久久毛片| 国产精品一区www在线观看| 亚洲国产精品国产精品| 六月丁香七月| 久久久久久久亚洲中文字幕| 亚洲精品,欧美精品| 插阴视频在线观看视频| 国产又色又爽无遮挡免| 日本wwww免费看| 欧美精品亚洲一区二区| 精品人妻熟女毛片av久久网站| 纵有疾风起免费观看全集完整版| 国产精品国产三级国产av玫瑰| 久久精品久久精品一区二区三区| 在线观看美女被高潮喷水网站| 亚洲av综合色区一区| 十八禁网站网址无遮挡 | 老司机影院成人| 久久这里有精品视频免费| 这个男人来自地球电影免费观看 | 草草在线视频免费看| 午夜91福利影院| 久久久久久久亚洲中文字幕| 国产成人精品无人区| 久久ye,这里只有精品| 在线观看人妻少妇| 久久精品久久久久久噜噜老黄| 亚洲人与动物交配视频| 交换朋友夫妻互换小说| 欧美 亚洲 国产 日韩一| 亚洲,欧美,日韩| 日韩不卡一区二区三区视频在线| 人人澡人人妻人| www.色视频.com| 好男人视频免费观看在线| 内地一区二区视频在线| 欧美日韩综合久久久久久| 久久久久视频综合| 亚洲国产精品成人久久小说| 久久久精品免费免费高清| 国产 一区精品| 好男人视频免费观看在线| 高清视频免费观看一区二区| 国产精品欧美亚洲77777| 97在线人人人人妻| 国产一区二区在线观看av| 嘟嘟电影网在线观看| 国内少妇人妻偷人精品xxx网站| 一区二区三区乱码不卡18| 九草在线视频观看| 色视频在线一区二区三区| 在线观看免费视频网站a站| 中国三级夫妇交换| 蜜桃久久精品国产亚洲av| 欧美精品一区二区免费开放| 秋霞在线观看毛片| 亚洲欧美精品自产自拍| 日韩免费高清中文字幕av| 看十八女毛片水多多多| 日韩成人av中文字幕在线观看| 少妇的逼水好多| 亚洲自偷自拍三级| 精品久久久噜噜| 精品一区二区免费观看| 午夜精品国产一区二区电影| 欧美日韩视频精品一区| 久热久热在线精品观看| 国产熟女午夜一区二区三区 | av在线app专区| 99热国产这里只有精品6| 免费看av在线观看网站| 日本av免费视频播放| 久久人人爽人人片av| 国产免费一级a男人的天堂| 日韩免费高清中文字幕av| 亚洲av二区三区四区| 综合色丁香网| 在线精品无人区一区二区三| 成人影院久久| 久久毛片免费看一区二区三区| 国产国拍精品亚洲av在线观看| 国产色爽女视频免费观看| 亚洲伊人久久精品综合| 国产深夜福利视频在线观看| 最新中文字幕久久久久| 久久久久久久国产电影| 美女主播在线视频| 精品99又大又爽又粗少妇毛片| 国产 一区精品| 性色av一级| 蜜臀久久99精品久久宅男| 亚洲国产精品成人久久小说| 两个人的视频大全免费| 国产 精品1| 大话2 男鬼变身卡| 简卡轻食公司| 在线观看av片永久免费下载| 欧美日韩av久久| 制服丝袜香蕉在线| 日韩亚洲欧美综合| 伊人亚洲综合成人网| 麻豆成人午夜福利视频| 天天躁夜夜躁狠狠久久av| a 毛片基地| 日韩欧美 国产精品| 2021少妇久久久久久久久久久| 国产有黄有色有爽视频| 春色校园在线视频观看| 你懂的网址亚洲精品在线观看| 18禁在线无遮挡免费观看视频| 黄色一级大片看看| 精品卡一卡二卡四卡免费| 国产黄片美女视频| 久久午夜福利片| 国产男女超爽视频在线观看| 国产深夜福利视频在线观看| 久久精品国产自在天天线| 欧美 日韩 精品 国产| 欧美日韩视频精品一区| 国产爽快片一区二区三区| 欧美日韩精品成人综合77777| 国产精品久久久久久久久免| av福利片在线| 亚洲国产精品国产精品| 黑人高潮一二区| 老女人水多毛片| 亚洲精品乱久久久久久| 日韩精品免费视频一区二区三区 | 男女边摸边吃奶| 狂野欧美白嫩少妇大欣赏| a级毛片在线看网站| 狂野欧美激情性bbbbbb| 日日啪夜夜撸| 色视频www国产| 免费高清在线观看视频在线观看| 啦啦啦啦在线视频资源| 婷婷色综合大香蕉| 精品亚洲乱码少妇综合久久| 少妇人妻久久综合中文| 在线观看人妻少妇| xxx大片免费视频| 中文字幕久久专区| 亚洲欧洲精品一区二区精品久久久 | 老司机亚洲免费影院| 在线天堂最新版资源| 日韩欧美精品免费久久| 亚洲第一区二区三区不卡| 女性被躁到高潮视频| 中文天堂在线官网| 99热这里只有是精品在线观看| 国产黄频视频在线观看| 纯流量卡能插随身wifi吗| 视频区图区小说| 亚洲av在线观看美女高潮| 七月丁香在线播放| 国产淫语在线视频| 青春草亚洲视频在线观看| 亚洲,欧美,日韩| 亚洲欧美日韩卡通动漫| 欧美区成人在线视频| 欧美 亚洲 国产 日韩一| 午夜福利网站1000一区二区三区| 免费黄色在线免费观看| 哪个播放器可以免费观看大片| 亚洲精品456在线播放app| 免费观看a级毛片全部| 狠狠精品人妻久久久久久综合| 成人国产麻豆网| 国产深夜福利视频在线观看| 精品久久久久久久久亚洲| 亚洲国产色片| 九草在线视频观看| 观看美女的网站| 日韩,欧美,国产一区二区三区| 亚洲色图综合在线观看| 精品国产露脸久久av麻豆| 老司机亚洲免费影院| 22中文网久久字幕| 天堂俺去俺来也www色官网| 五月伊人婷婷丁香| 精品亚洲成国产av| 亚洲av成人精品一二三区| a级毛色黄片| 国产一区有黄有色的免费视频| 亚洲成色77777| 亚洲欧美日韩卡通动漫| 国产在线视频一区二区| 久久影院123| 国产伦理片在线播放av一区| 国产精品欧美亚洲77777| 亚洲人成网站在线播| av网站免费在线观看视频| 午夜免费鲁丝| 人妻 亚洲 视频| 日韩制服骚丝袜av| 丰满饥渴人妻一区二区三| 中文字幕人妻丝袜制服| 黄色毛片三级朝国网站 | 菩萨蛮人人尽说江南好唐韦庄| 青春草国产在线视频| 日韩人妻高清精品专区| 夜夜骑夜夜射夜夜干| 免费av不卡在线播放| 亚洲,一卡二卡三卡| 18+在线观看网站| 一边亲一边摸免费视频| 日本91视频免费播放| 亚洲国产av新网站| 女的被弄到高潮叫床怎么办| 久久久久精品性色| 欧美 亚洲 国产 日韩一| 日韩一区二区视频免费看| 亚洲伊人久久精品综合| 国产亚洲一区二区精品| 久久99一区二区三区| 好男人视频免费观看在线| 精品少妇黑人巨大在线播放| 精品久久久久久久久av| 精品亚洲成国产av| 又大又黄又爽视频免费| 熟女人妻精品中文字幕| 高清午夜精品一区二区三区| 久久青草综合色| a级一级毛片免费在线观看| 亚洲怡红院男人天堂| 丝瓜视频免费看黄片| 精品久久久久久电影网| 内地一区二区视频在线| 少妇人妻久久综合中文| 日韩欧美一区视频在线观看 | 在线天堂最新版资源| 下体分泌物呈黄色| 深夜a级毛片| 久久精品国产亚洲av天美| 久久久久视频综合| 久久亚洲国产成人精品v| 免费观看无遮挡的男女| 国产精品国产三级国产av玫瑰| 80岁老熟妇乱子伦牲交| 免费观看无遮挡的男女| 国产成人精品无人区| 欧美丝袜亚洲另类| 最近最新中文字幕免费大全7| 少妇被粗大的猛进出69影院 | 日韩伦理黄色片| 观看免费一级毛片| 久久影院123| 亚洲成色77777| a 毛片基地| 日本午夜av视频| 国产亚洲av片在线观看秒播厂| 国产男女内射视频| 22中文网久久字幕| 在线亚洲精品国产二区图片欧美 | 下体分泌物呈黄色| 欧美日韩精品成人综合77777| 亚洲国产毛片av蜜桃av| 国产精品女同一区二区软件| 在线天堂最新版资源| 99热全是精品| 久久久久久久久大av| 国产在线男女| 亚洲高清免费不卡视频| 亚洲精品自拍成人| 蜜桃久久精品国产亚洲av| 一边亲一边摸免费视频| www.av在线官网国产| 日韩亚洲欧美综合| 观看av在线不卡| 欧美一级a爱片免费观看看| 一级毛片久久久久久久久女| 中文字幕人妻丝袜制服| 久久精品久久久久久久性| 色吧在线观看| 国产成人一区二区在线| 中文字幕精品免费在线观看视频 | 欧美精品一区二区大全| 亚洲精品国产av蜜桃| 一边亲一边摸免费视频| 大香蕉久久网| 国产 精品1| 精品一区二区三卡| 日韩av免费高清视频| 国产淫语在线视频| 精品久久久久久久久亚洲| 日韩中文字幕视频在线看片| 欧美精品高潮呻吟av久久| 久久久国产一区二区| 国产又色又爽无遮挡免| 国产黄片视频在线免费观看| 九草在线视频观看| 综合色丁香网| 国产探花极品一区二区| 91在线精品国自产拍蜜月| 人妻制服诱惑在线中文字幕| av在线播放精品| 黄色一级大片看看| 美女内射精品一级片tv| 成人亚洲精品一区在线观看| 毛片一级片免费看久久久久| 人人妻人人爽人人添夜夜欢视频 | 六月丁香七月| av福利片在线观看| 免费观看性生交大片5| 人妻一区二区av| 美女xxoo啪啪120秒动态图| 97超碰精品成人国产| 日本猛色少妇xxxxx猛交久久| 人妻 亚洲 视频| 亚洲精品国产色婷婷电影| 国产av一区二区精品久久| 多毛熟女@视频| 久热这里只有精品99| 五月开心婷婷网| 亚洲欧美一区二区三区国产| 精品国产国语对白av| 蜜臀久久99精品久久宅男| 免费黄频网站在线观看国产| 嫩草影院新地址| 交换朋友夫妻互换小说| 久久精品国产亚洲av天美| 久久午夜综合久久蜜桃| 成年美女黄网站色视频大全免费 | 岛国毛片在线播放| 狂野欧美白嫩少妇大欣赏| 亚洲av男天堂| 国产探花极品一区二区| 丝袜脚勾引网站| 精品久久久久久电影网| 国产伦理片在线播放av一区| 在现免费观看毛片| 亚洲欧洲国产日韩| 日日摸夜夜添夜夜添av毛片| 在现免费观看毛片| 人人妻人人澡人人看| 在线播放无遮挡| 热99国产精品久久久久久7| 欧美bdsm另类| 亚洲精华国产精华液的使用体验| 免费观看的影片在线观看| 观看av在线不卡| av视频免费观看在线观看| 亚洲综合精品二区| 精品久久久久久久久亚洲| 少妇的逼水好多| 中文字幕精品免费在线观看视频 | av播播在线观看一区| 成人综合一区亚洲| 卡戴珊不雅视频在线播放| 欧美日韩视频高清一区二区三区二| 亚洲av日韩在线播放| 九九爱精品视频在线观看| 国产亚洲最大av| 在线天堂最新版资源| 91精品国产九色| 成人特级av手机在线观看| 欧美日韩一区二区视频在线观看视频在线| 丝袜在线中文字幕| a级毛片免费高清观看在线播放| 夜夜看夜夜爽夜夜摸| 午夜精品国产一区二区电影| 国产精品一区二区在线不卡| 在线看a的网站| 蜜桃久久精品国产亚洲av| 国产日韩一区二区三区精品不卡 | 国产精品无大码| 男人添女人高潮全过程视频| 久久韩国三级中文字幕| 汤姆久久久久久久影院中文字幕| 国产免费又黄又爽又色| 精品卡一卡二卡四卡免费| 亚洲天堂av无毛|