[发明专利]光源颜色的确定方法、装置、存储介质及电子设备

说明书

本申请实施例公开了一种光源颜色的确定方法、装置、存储介质及电子设备。该方法包括：将目标图像输入至机器学习模型，确定目标图像在预测空间中的空间位置；其中预测空间的维度个数是依据光源颜色算法中各参数的可选值数量确定的；根据在预测空间中目标图像的空间位置以及预先确定的样本类的类中心位置，确定匹配样本类；获取匹配样本类的目标维度，并根据所述目标维度确定与目标维度对应的目标参数值；将所述目标参数值代入光源颜色算法计算得到目标图像的光源颜色。通过执行本技术方案，可以实现采用无监督学习方式，在未知样本图像的光源颜色的情况下进行训练，提确定高光源颜色的准确性和易用性，以及增强光源颜色确定方式的适应性的效果。

技术领域

本申请实施例涉及图像处理技术领域，尤其涉及一种光源颜色的确定方法、装置、存储介质及电子设备。

背景技术

在自然环境下，人的视觉系统具有抵制场景中光源颜色变化的能力。比如，对同一个场景，无论是在早晨偏黄的阳光照射下，还是旁晚时分偏红的阳光照射下，我们的视觉系统所感知到的场景的颜色始终保持恒定，这种能力也被称为视觉系统的颜色恒常性。

当前常见的光源颜色估计算法包括灰度世界法(Gray World)、完美反射法(White-Patch)等，这类方法原理简单、易于实现，但由于基于的假设太强，导致使用场景受限。例如对于灰度世界法，其假设是一幅彩色图像中的所有像素值的统计平均结果是灰色的，当遇到一些如大面积纯色的场景(如大面积黄色、蓝色等)时，这类算法的假设就明显不成立，导致对光源颜色的估计存在严重偏差；完美反射法的假设是画面中高亮区的颜色代表了光源颜色，这在一些光照均匀的场景(无明显高亮区)同样也会失效。因此，如何能够更加精确的确定图片的光源颜色，以及增加确定过程的适用场景，已经成为本领域技术人员亟待解决的技术难题。

发明内容

本申请实施例提供一种光源颜色的确定方法、装置、存储介质及电子设备，可以实现采用无监督学习方式，在未知样本图像的光源颜色的情况下进行训练，提确定高光源颜色的准确性和易用性，以及增强光源颜色确定方式的适应性的效果。

第一方面，本申请实施例提供了一种光源颜色的确定方法，该方法包括：

将目标图像输入至机器学习模型，确定目标图像在预测空间中的空间位置；其中，所述预测空间的维度个数是依据光源颜色算法中各参数的可选值数量确定的；

根据在预测空间中目标图像的空间位置以及预先确定的样本类的类中心位置，确定匹配样本类；

获取匹配样本类的目标维度，并根据所述目标维度确定与目标维度对应的目标参数值；

将所述目标参数值代入光源颜色算法计算得到目标图像的光源颜色。

进一步的，所述机器学习模型被设置为采用如下方式处理训练样本：

将训练样本集中所有训练样本映射到预测空间中；

根据训练样本在预测空间中的空间位置分布，进行聚类运算，得到至少两个样本类，以及每个样本类的类中心；

根据预设规则，确定每个样本类的目标维度。

进一步的，根据预设规则，确定每个样本类的目标维度，包括：

根据各样本类在预测空间当前维度上类间离散度和/或类内离散度，并遍历所有维度，根据各维度上类间离散度和/或类内离散度确定每个样本类的目标维度。

进一步的，将所述目标图像输入至预先训练好的机器学习模型，确定目标图像在预测空间中的空间位置，包括：

将所述目标图像输入机器学习模型的光源颜色算法，分别代入光源颜色算法中各参数的可选值，得到光源计算值，作为目标图像在预测空间上每个维度的投影值；

基于目标图像在预测空间上各维度的投影值，确定在预测空间中的空间位置。