[发明专利]基于SIFT特征与GRNN网络的立体视频颜色校正方法

说明书

技术领域

本发明涉及图像处理技术领域，具体地，涉及基于尺度不变特征转换（Scale-invariant feature transform，简称SIFT）特征与广义回归神经网络（GRNN，简称Generalized Regression Neural Network）的立体视频颜色校正方法。

背景技术

在图像处理技术领域，在进行立体视频采集时，各个视点的摄像机经常会出现局部或者整体的颜色差异，造成这种颜色差异的原因包括多种。通常我们假设物体表面符合漫反射条件，即物体表面的反射光的色度不随三维空间视点的改变而变化，但实际情况并不完全符合漫反射条件。因此伴随着各个视点间接受同样的光照条件时，也会产生干扰。

另外摄像机参数设置、CCD或CMOS感光器件的噪音、相机快门速度和曝光时间抖动也都会导致所得到各个视点视频的颜色产生差异。因此由立体视频颜色的多个摄像机拍摄到的各个视点视频会出局部或整体的颜色差异，当人们直接观看这样的立体视频或立体图像时，大脑在自动拼接这些图像时就会产生不舒适感。因此这些差异可能会影响到观看效果，并导致场景深度信息恢复的错误，从而影响到立体视频的进一步处理。

目前，颜色校正的算法较多，但大多数是针对单目图像的颜色校正，也有一些算法可以应用于立体视频图像颜色校正，如文献[1]-文献[5]：

[1]Xu W., Mulligan J.. Performance Evaluation of Color Correction Approaches for Automatic Multi-view Image and Video Stitching. CVPR’10, 2010, pp. 263–270（Xu W., Mulligan J..自动多视点图像和视频拼接中颜色校正方法性能评价，计算机视觉与模式识别国际会议，2010年，页码：263–270）

[2]Young-Chang Chang，Reid J.F. RGB calibration for color image analysis in machine vision. Image Processing，Oct 1996，5(10):1414-1422（Young-Chang Chang，Reid J.F. 机器视觉中用于彩色图像分析的RGB标定，图像处理杂志，1996年10月，页码：1414-1422）

[3]Porikli F，Divakaran A.，Multi-camera calibration，object tracking and query generation. IEEE ICME’03.1:653-656（Porikli F，Divakaran A. 多相机标定及对象跟踪和查询生成，多媒体国际会议及展览，2003年，页码：653-656）

[4]Unal G.，Yezzi A.，Soatto S.，Slabaugh G.. A variational approach to problems in calibration of multiple cameras. Pattern Analysis and Machine Intelligence,2007，29(8):1322-1338（Unal G.，Yezzi A.，Soatto S.，Slabaugh G.. 多相机标定问题中的可变方法，模式分析与机器智能杂志，2007年，页码1322-1338） 

[5]姜浩，张蕾.一种基于直方图匹配的立体视频颜色校正算法.信息通信技术，2009年05期

文献[1]对这些目前存在的颜色校正算法进行总结和分类，并对各类算法的局限性进行评价。目前的颜色校正方法整体上可以分为基于模型参数（Model-based parametric approaches）和非参数（Modeless non-parametric approaches）颜色校正方法。