本发明涉及数字图像处理,特别涉及一种针对计算摄影图像的图像色彩感知差异评价方法与系统。
背景技术:
1、图像色彩感知差异评价是颜色科学和图像处理技术中的一个关键概念,旨在量化不同图像之间的色彩感知差异。然而,大多数主流的图像色彩感知差异公式都是针对均匀的颜色色块设计的,并且不适用于具有多样内容的计算摄影图像。因此,为自然图像,尤其是计算摄影图像开发有效的色差测量仍然是一个具有挑战的研究领域。
技术实现思路
1、鉴于上述状况,本发明的主要目的是为了提出一种针对计算摄影图像的图像色彩感知差异评价方法与系统,以解决上述技术问题。
2、本发明公开了一种针对计算摄影图像的图像色彩感知差异评价方法,所述方法包括如下步骤:
3、步骤1、以rgb的形式将彩色图像输入色彩空间内,利用可学习可逆的下采样方法对彩色图像进行降采样,得到低分辨率图像;
4、步骤2、利用可逆的神经网络对低分辨率图像中的色彩特征进行融合,得到混合图像,对混合图像进行点对点的坐标转换;
5、步骤3、利用可学习可逆的上采样方法对转换结果进行上采样,以实现对彩色图像色彩空间的转换,得到高分辨率图像;
6、步骤4、以若干待测彩色图像作为色彩感知差异评价对象重复步骤1至步骤3,得到若干高分辨率图像;
7、步骤5、采用欧式距离计算若干高分辨率图像之间的色差,并根据色差生成反应局部色彩感知差异的热力图。
8、本发明还公开了一种针对计算摄影图像的图像色彩感知差异评价系统,所述系统包括:
9、降采样模块,用于以rgb的形式将彩色图像输入色彩空间内,利用可学习可逆的下采样方法对彩色图像进行降采样,得到低分辨率图像;
10、坐标转换模块,用于利用可逆的神经网络对低分辨率图像中的色彩特征进行融合,得到混合图像,对混合图像进行点对点的坐标转换;
11、上采样模块,用于利用可学习可逆的上采样方法对转换结果进行上采样,以实现对彩色图像色彩空间的转换,得到高分辨率图像;
12、数据处理模块,用于以若干待测彩色图像作为色彩感知差异评价对象依次输入降采样模块、坐标转换模块和上采样模块进行处理,以得到若干高分辨率图像;
13、色差计算模块,用于采用欧式距离计算若干高分辨率图像之间的色差,并根据色差生成反应局部色彩感知差异的热力图。
14、与现有技术相比,本发明的有益效果为:
15、1)本发明基于一个可逆神经网络提出了一个全新的图像色彩差异评价方法,能够准确评价计算摄影自然图像和均匀色块的色差,在多个数据集上均取得了卓越性能。与现有技术相比,本发明提出的方法在工作时对几何扭曲更为鲁棒。
16、2)本发明所提模型在训练中无需进行深度监督即可得到一个反应局部色差大小的热力图,相比于现有技术,本发明所得到的热力图更加符合人类视觉系统对色差的感知。
17、3)本发明相比所有现有技术方案,基于深度学习搭建的模型能够对色彩空间进行完全可逆的转换,为颜色科学领域提供了新的研究思路,为颜色配对、颜色质量控制领域提供了新的可行方法。
18、本发明的附加方面与优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实施例了解到。
1.一种针对计算摄影图像的图像色彩感知差异评价方法,其特征在于,所述方法包括如下步骤:
2.根据权利要求1所述的针对计算摄影图像的图像色彩感知差异评价方法,其特征在于,在所述步骤1中,利用可学习可逆的下采样方法对彩色图像进行降采样存在如下关系式:
3.根据权利要求2所述的针对计算摄影图像的图像色彩感知差异评价方法,其特征在于,可学习的协方差矩阵存在如下关系式:
4.根据权利要求3所述的针对计算摄影图像的图像色彩感知差异评价方法,其特征在于,在所述步骤2中,利用可逆的神经网络对低分辨率图像中的色彩特征进行融合,得到混合图像,对混合图像进行点对点的坐标转换的方法具体包括如下步骤:
5.根据权利要求4所述的针对计算摄影图像的图像色彩感知差异评价方法,其特征在于,在所述步骤3中,利用可学习可逆的上采样方法对转换结果进行上采样存在如下关系式:
6.根据权利要求5所述的针对计算摄影图像的图像色彩感知差异评价方法,其特征在于,在所述步骤5中,采用欧式距离计算若干转换后的图像之间的色差,并根据色差生成反应局部色彩感知差异的热力图的方法具体包括如下步骤:
7.一种针对计算摄影图像的图像色彩感知差异评价系统,其特征在于,所述系统应用如权利要求1至6任意一项所述的针对计算摄影图像的图像色彩感知差异评价方法,所述系统包括: