CN109903256B - 模型训练方法、色差校正方法、装置、介质和电子设备 - Google Patents

Abstract

本发明公开了一种模型训练方法、色差校正方法、装置、介质和电子设备，涉及图像处理技术领域。该模型训练方法包括：利用一系数矩阵构建图像的原始颜色信息值与标准颜色信息值之间的映射模型；基于可变指数的正则项建立所述映射模型的目标函数；确定多个样本图像的原始颜色信息值和标准颜色信息值；利用所述多个样本图像的原始颜色信息值和标准颜色信息值对所述目标函数进行计算，以确定所述系数矩阵。本公开利用可变指数的正则项建立的目标函数，使得模型在具有较高精度的情况下又具有稳定性，进而有助于提高色差校正的准确度。

Description

模型训练方法、色差校正方法、装置、介质和电子设备

技术领域

本公开涉及图像处理技术领域，具体而言，涉及一种模型训练方法、色差校正方法、模型训练装置、色差校正装置、存储介质和电子设备。

背景技术

颜色信息作为图像信息中最直观、最基本的特征之一，对人们认知、判别物体起着重要作用。物体的颜色信息通常由照明光源的相对光谱功率分布、物体反射率、观察者的颜色视觉特性共同决定。

然而，成像系统传感器针对红、绿、蓝三原色的光谱三刺激值与标准色度观察者确定的光谱三刺激值不同，导致获取的彩色图像与人眼观察到的彩色图像存在颜色差异。另外，当成像系统获取的彩色图像显示在显示设备时，由于伽马校正偏差等原因，造成显示的彩色图像会进一步出现色差。

因此，在图像处理过程中，需要对图像进行色差校正。然而，彩色图像的色差校正效果受多方面因素的影响，相关技术中未有较好的色差校正方案，导致成像中物体的颜色与物体真实颜色出现偏差。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种模型训练方法、色差校正方法、模型训练装置、色差校正装置、存储介质和电子设备，进而至少在一定程度上解决由于色差而导致成像物体的颜色与物体真实颜色偏差过大的问题。

根据本公开的一个方面，提供一种模型训练方法，包括：利用一系数矩阵构建图像的原始颜色信息值与标准颜色信息值之间的映射模型；基于可变指数的正则项建立所述映射模型的目标函数；确定多个样本图像的原始颜色信息值和标准颜色信息值；利用所述多个样本图像的原始颜色信息值和标准颜色信息值对所述目标函数进行计算，以确定所述系数矩阵。

在本公开的一种示例性实施例中，确定多个样本图像的原始颜色信息值和标准颜色信息值包括：获取由成像设备针对标准色卡而拍摄的图像作为样本图像；确定多个样本图像的原始颜色信息值和标准颜色信息值。

在本公开的一种示例性实施例中，确定多个样本图像的标准颜色信息值包括：利用光谱仪在预定几何条件下测量样本图像的三刺激值；利用所述光谱仪测量出的三刺激值确定为所述样本图像的标准颜色信息值。

在本公开的一种示例性实施例中，确定多个样本图像的标准颜色信息值包括：将与样本图像对应的标准色卡的标准三通道像素值作为所述样本图像的标准颜色信息值。

在本公开的一种示例性实施例中，确定多个样本图像的原始颜色信息值包括：确定样本图像的三通道像素值；基于所述样本图像的三通道像素值确定所述样本图像的原始颜色信息值。

在本公开的一种示例性实施例中，基于可变指数的正则项建立所述映射模型的目标函数包括：基于所述系数矩阵的理想值确定正则项的可变指数；基于所述正则项建立所述映射模型的目标函数。

在本公开的一种示例性实施例中，利用所述多个样本图像的原始颜色信息值和标准颜色信息值对所述目标函数进行计算，以确定所述系数矩阵，包括：基于所述目标函数确定系数矩阵的表达式；利用所述多个样本图像的原始颜色信息值和标准颜色信息值对所述系数矩阵的表达式进行迭代处理，直至所述系数矩阵收敛。

在本公开的一种示例性实施例中，所述模型训练方法还包括：分别确定连续两次迭代过程对应的两个目标函数的值；如果所述两个目标函数的值满足预设比对要求，则确定所述系数矩阵收敛。

根据本公开的一个方面，提供一种色差校正方法，包括：获取目标图像的原始颜色信息值；确定一训练后的映射模型；其中，所述映射模型用于确定原始颜色信息值与标准颜色信息值之间的映射关系；利用所述训练后的映射模型确定与所述目标图像的原始颜色信息值对应的所述目标图像的标准颜色信息值；采用所述目标图像的标准颜色信息值代替所述目标图像的原始颜色信息值，以对所述目标图像的色差进行校正。

在本公开的一种示例性实施例中，所述色差校正方法还包括：利用上述任意一实例性实施例所述的模型训练方法对映射模型进行训练，以得到训练后的映射模型。

在本公开的一种示例性实施例中，采用所述目标图像的标准颜色信息值代替所述目标图像的原始颜色信息值包括：如果所述目标图像的标准颜色信息被表示为三刺激值的形式，则将三刺激值转换为三通道像素值；采用所述目标图像的以所述三通道像素值形式表示的标准颜色信息值代替所述目标图像的原始颜色信息值。

根据本公开的一个方面，提供一种模型训练装置，包括模型构建模块、目标函数建立模块、样本确定模块和模型训练模块。

具体的，模型构建模块用于利用一系数矩阵构建图像的原始颜色信息值与标准颜色信息值之间的映射模型；目标函数建立模块用于基于可变指数的正则项建立所述映射模型的目标函数；样本确定模块用于确定多个样本图像的原始颜色信息值和标准颜色信息值；模型训练模块用于利用所述多个样本图像的原始颜色信息值和标准颜色信息值对所述目标函数进行计算，以确定所述系数矩阵。

在本公开的一种示例性实施例中，样本确定模块被配置为执行：获取由成像设备针对标准色卡而拍摄的图像作为样本图像；确定多个样本图像的原始颜色信息值和标准颜色信息值。

在本公开的一种示例性实施例中，样本确定模块包括第一标准值确定单元。

具体的，第一标准值确定单元用于利用光谱仪在预定几何条件下测量样本图像的三刺激值；利用所述光谱仪测量出的三刺激值确定为所述样本图像的标准颜色信息值。

在本公开的一种示例性实施例中，样本确定模块包括第二标准值确定单元。

具体的，第二标准值确定单元用于将与样本图像对应的标准色卡的标准三通道像素值作为所述样本图像的标准颜色信息值。

在本公开的一种示例性实施例中，样本确定模块包括原始值确定单元。

具体的，原始值确定单元用于确定样本图像的三通道像素值；基于所述样本图像的三通道像素值确定所述样本图像的原始颜色信息值。

在本公开的一种示例性实施例中，目标函数建立模块被配置为执行：基于所述系数矩阵的理想值确定正则项的可变指数；基于所述正则项建立所述映射模型的目标函数。

在本公开的一种示例性实施例中，模型训练模块被配置为执行：基于所述目标函数确定系数矩阵的表达式；利用所述多个样本图像的原始颜色信息值和标准颜色信息值对所述系数矩阵的表达式进行迭代处理，直至所述系数矩阵收敛。

在本公开的一种示例性实施例中，模型训练模块被配置为执行：分别确定连续两次迭代过程对应的两个目标函数的值；如果所述两个目标函数的值满足预设比对要求，则确定所述系数矩阵收敛。

根据本公开的一个方面，提供一种色差校正装置，包括原始值获取模块、模型确定模块、标准值确定模块和色差校正模块。

具体的，原始值获取模块用于获取目标图像的原始颜色信息值；模型确定模块用于确定一训练后的映射模型；其中，所述映射模型用于确定原始颜色信息值与标准颜色信息值之间的映射关系；标准值确定模块用于利用所述训练后的映射模型确定与所述目标图像的原始颜色信息值对应的所述目标图像的标准颜色信息值；色差校正模块用于采用所述目标图像的标准颜色信息值代替所述目标图像的原始颜色信息值，以对所述目标图像的色差进行校正。

在本公开的一种示例性实施例中，色差校正装置还包括上述任意一示例性实施例的模型训练装置。

在本公开的一种示例性实施例中，色差校正模块被配置为执行：如果所述目标图像的标准颜色信息被表示为三刺激值的形式，则将三刺激值转换为三通道像素值；采用所述目标图像的以所述三通道像素值形式表示的标准颜色信息值代替所述目标图像的原始颜色信息值。

根据本公开的一个方面，提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一示例性实施例所述的模型训练方法或上述任意一示例性实施例所述的色差校正方法。

根据本公开的一个方面，提供一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一示例性实施例所述的模型训练方法或上述任意一示例性实施例所述的色差校正方法。

在本公开的一些实施例所提供的技术方案中，采用基于可变指数的正则项建立映射模型的目标函数，一方面，利用可变指数的正则项，既可以得到平稳的收敛结果使得模型具有较高的精度和稳定性，又兼顾稀疏性从而简化模型；另一方面，本公开的映射模型可以适用于例如高斯分布、拉普拉斯分布等不同的数据集，具有良好的包容性。采用上述映射模型进行色差校正处理，一方面，解决了一些技术中模型受训练数据集限制而导致性能差、不稳定的问题；另一方面，提高了色差校正精度，具有实用性和适应性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1示意性示出了根据本公开的示例性实施方式的模型训练方法的流程图；

图2示意性示出了根据本公开的示例性实施方式的获取样本图像的系统架构图；

图3示意性示出了根据本公开的示例性实施方式的色差校正方法的流程图；

图4示意性示出了根据本公开的示例性实施方式的模型训练装置的方框图；

图5示意性示出了根据本公开的示例性实施方式的样本确定模块的方框图；

图6示意性示出了根据本公开的另一示例性实施方式的样本确定模块的方框图；

图7示意性示出了根据本公开的又一示例性实施方式的样本确定模块的方框图；

图8示意性示出了根据本公开的示例性实施方式的色差校正装置的方框图；

图9示意性示出了根据本公开的另一示例性实施方式的色差校正装置的方框图；

图10示出了根据本公开的示例性实施方式的存储介质的示意图；以及

图11示意性示出了根据本公开的示例性实施方式的电子设备的方框图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的步骤。例如，有的步骤还可以分解，而有的步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

本公开示例性实施方式的模型训练方法和/或色差校正方法可以由一服务器来实现，也就是说，服务器可以执行下述模型训练方法和/或色差校正方法的各个步骤。在这种情况下，模型训练方法和/或色差校正方法对应的装置、模块可以被配置为在该服务器中。另外，模型训练的过程可以在一服务器上实现，色差校正的过程可以在另一服务器上实现，也就是说，模型训练和模型应用(色差校正)可以是两个不同的服务器。然而，容易理解的是，模型训练和模型应用可以基于同一服务器来实现，本示例性实施方式中对此不做特殊限定。

此外，应当理解的是，终端设备(例如，手机、平板等)也可以实现下述方法的各个步骤，对应的装置、模块可以配置在终端设备中，在这种情况下，例如，可以通过终端设备来对实时拍摄的图像进行色差校正。

图1示意性示出了本公开的示例性实施方式的模型训练方法的流程图。参考图1，所述模型训练方法可以包括以下步骤：

S12.利用一系数矩阵构建图像的原始颜色信息值与标准颜色信息值之间的映射模型。

在本公开的示例性实施方式中，图像的原始颜色信息值可以是计算机系统读取到的图像的颜色信息值，也就是说，原始颜色信息值可以是未经过特殊方式由成像设备采集的颜色信息值。其中，此处所述的特殊方式可以包括在预定几何条件下采集图像信息的方式，例如，在预定几何条件下采集图像信息的方式可以包括：利用成像设备以RAW格式在CIE15:2004推荐的标准反射测量几何条件45°x:0°下采集图像信息。

图像的标准颜色信息值可以是经过特殊方式测量的能够表征拍摄对象本身色彩的颜色信息值。另外，如果拍摄对象为标准色卡，则标准色卡对应的颜色信息值即为本公开所述的标准颜色信息值。

容易理解的是，上述原始颜色信息值与标准颜色信息值之间存在对应关系，本公开可以构建映射模型来表征二者之间的关系。具体的，可以利用一系数矩阵构建图像的原始颜色信息值与标准颜色信息值之间的映射模型，映射模型可以被表示为公式1：

PM＝D (公式1)

其中，P表示原始颜色信息值、D表示标准颜色信息值、M表示系数矩阵。

S14.基于可变指数的正则项建立所述映射模型的目标函数。

在本公开的示例性实施方式中，可以建立带有正则项的目标函数，该目标函数亦可被称为代价函数。具体的，正则项为可变指数的正则项Lρ(1＜ρ＜2)，可以利用公式2确定出目标函数E(M)：

其中，λ为正则项的权重，其可以通过反复试验确定出，取值范围可以在0至1之间。

针对公式2中ρ的具体取值，可以通过公式3确定出：

其中，Wj为待求解的系数矩阵的理想值；k为常数，通常可以取为1。从上式中可以看出，ρ可以根据Wj在(0,1)范围内进行灵活调节。另外，λ和k可以根据实际的数据集进行调整，本公开对这两个参数的具体取值不做特殊限制。

S16.确定多个样本图像的原始颜色信息值和标准颜色信息值。

在本公开的示例性实施方式中，服务器可以获取由成像设备针对标准色卡而拍摄的图像作为样本图像。

具体的，可以根据ISO17321-1标准设计颜色校正实验确定出样本图像。如图2所示的架构，以标准色卡为靶标，标准色卡可以包含丰富的色块信息，本公开所使用的标准色卡可以包括但不限于X-Rite Color Checker Digital SG 140色色卡(爱色丽数码SG 140色专业色卡)、Gretgmacbeth ColorChecker 24色色卡(美国麦克贝斯24色色卡)等。利用成像设备以RAW格式在CIE 15:2004推荐的标准反射测量几何条件45°x:0°下进行拍摄，获取彩色图像作为样本图像，其中，45°方向照明，0°方向接收。

在确定出多个样本图像后，针对确定多个样本图像的标准颜色信息值，根据本公开的一些实施例，首先，可以利用光谱仪在上述预定几何条件下测量样本图像的三刺激值。具体的，可以利用光谱仪在45°x:0°几何条件下测量标准色卡中各色块的X、Y、Z色度值，其中，X可以表示红原色刺激量、Y可以表示绿原色刺激量、Z可以表示蓝原色刺激量，也就是说，可以采用X、Y、Z色度值来表征三刺激值。

接下来，服务器可以获取X、Y、Z色度值，并利用X、Y、Z色度值确定样本图像的标准颜色信息值。具体的，服务器可以对X、Y、Z色度值进行亮度归一化处理，例如，可以将标准白色色块的Y值归一化为100，进而确定归一化系数，再利用归一化系数对各色块X、Y、Z色度值进行调整，并将调整后的X、Y、Z色度值确定为标准颜色信息值。

根据本公开的另一些实施例，还可以直接将与样本图像对应的标准色卡的标准三通道像素值作为样本图像的标准颜色信息值。其中，标准色卡的标准三通道像素值可以是标准色卡规格书中色块sRGB(standard Red Green Blue，标准红绿蓝)模式下的R、G、B值。

针对确定多个样本图像的原始颜色信息值，可以确定样本图像的三通道像素值，并基于样本图像的三通道像素值确定样本图像的原始颜色信息值。例如，首先，可以利用CameraRaw软件将获取的RAW格式的图像转换为灰度可读取的TIFF图像，接下来，可以结合Matlab编程确定各色块的中心，批量读取各图像中心5×5区域的灰度值，计算各色块中心5×5区域的灰度平均值，并将该灰度平均值作为原始颜色信息值。

另外，与步骤S12中对应的，原始颜色信息值P可以表示为R、G、B值的组合。具体的，可以将原始颜色信息值P表示为下述P₁、P₂、P₃的形式：

P₁＝(R,G,B)

P₂＝(R²,G²,B²,RG,RB,GB,P₁)

然而，本领域技术人员结合本公开实施方式的构思可以确定原始颜色信息值P还可以以其他形式表示，这些都应属于本发明的保护范围。

此外，本公开进行模型训练所用的样本还可以通过网络下载或从专业公司购买等方式确定出，本示例性实施方式中对此不做特殊限定。

S18.利用所述多个样本图像的原始颜色信息值和标准颜色信息值对所述目标函数进行计算，以确定所述系数矩阵。

首先，可以基于目标函数确定系数矩阵的表达式。具体的，可以对上述公式2表示的目标函数进行求导，并令导数为零，以确定如公式4表示的系数矩阵M：

M＝(P^TP+λDiag)^-1P^TD (公式4)

其中，Diag可以表示为公式5：

接下来，可以利用多个样本图像的原始颜色信息值和标准颜色信息值对系数矩阵的表达式进行迭代处理，直至系数矩阵收敛。

具体的，可以采用高斯-赛德尔(Gauss-Seidel)迭代法实现上述迭代处理。首先，可以为系数矩阵的理想值W预先赋一初始值M⁰，其中，该初始值M⁰可以人为进行赋值；接下来，在迭代的过程中，系数矩阵M不断被上一步的结果更新，例如，在第i次迭代中，利用公式4，Mⁱ可以基于上一步的M^i-1和ρ^i-1而计算出，其中，i为大于1的正整数。

在迭代的过程中，分别确定连续两次迭代过程对应的两个目标函数的值，如果两个目标函数的值满足预设比对要求，则确定系数矩阵收敛。

具体的，在两个目标函数的值被表征为Eⁱ与E^i-1的情况下，预设比对要求可以为Eⁱ大于E^i-1。然而，预设比对要求还可以为|Eⁱ-E^i-1|²＜δ，其中，δ大于0且无限接近于0。

容易理解的是，如果两个目标函数的值不满足预设比对要求，本公开示例性实施方式可以利用公式3更新ρ，进而继续进行迭代。

在步骤S18中采用高斯-赛德尔迭代法确定出系数矩阵。然而，本公开还可以采用其他的方式确定出系数矩阵，例如，雅克比(Jacobi)迭代法等，本示例性实施方式中对此不做特殊限定。

根据本公开示例性实施方式的模型训练方法，一方面，利用可变指数的正则项，结合了Ridge回归(岭回归)与Lasso回归的优势，既可以得到平稳的收敛结果使得模型具有较高的精度和稳定性，又兼顾稀疏性从而简化模型；另一方面，本公开的映射模型可以适用于例如高斯分布、拉普拉斯分布等不同的数据集，具有良好的包容性。

进一步的，本公开示例实施方式中还提供了一种色差校正方法。

图3示意性示出了本公开的示例性实施方式的色差校正方法的流程图。参考图3，所述色差校正方法可以包括以下步骤：

S32.获取目标图像的原始颜色信息值。

在本公开的示例性实施方式中，可以通过成像设备采集彩色图像作为目标图像。本公开对目标图像的类型不做特殊限制。接下来，计算机系统可以直接读取到该目标图像的原始颜色信息值。

S34.确定一训练后的映射模型；其中，所述映射模型用于确定原始颜色信息值与标准颜色信息值之间的映射关系。

在本公开的示例性实施方式中，步骤S34中确定出的映射模型可以是在上述模型训练方法的步骤S12至步骤S18中提及的映射模型。

S36.利用所述训练后的映射模型确定与所述目标图像的原始颜色信息值对应的所述目标图像的标准颜色信息值。

将步骤S32中确定的目标图像的原始颜色信息值作为P，利用已确定出系数矩阵M的上述公式1，可以确定出对应的标准颜色信息值。

S38.采用所述目标图像的标准颜色信息值代替所述目标图像的原始颜色信息值，以对所述目标图像的色差进行校正。

根据本公开的一些实施例，首先，如果目标图像的标准颜色信息被表示为三刺激值的形式，则可以将三刺激值转换为三通道像素值。具体的，可以采用公式6进行转换：

接下来，可以采用以三通道像素值形式表示的标准颜色信息值代替目标图像的原始信息值。

根据本公开示例性实施方式的色差校正方法，一方面，解决了一些技术中模型受训练数据集限制而导致性能差、不稳定的问题；另一方面，提高了色差校正精度，具有实用性和适应性。

应当注意，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

进一步的，本公开示例实施方式中还提供了一种模型训练装置。

图4示意性示出了本公开的示例性实施方式的模型训练装置的方框图。参考图4，根据本公开的示例性实施方式的模型训练装置4可以包括模型构建模块41、目标函数建立模块43、样本确定模块45和模型训练模块47。

具体的，模型构建模块41可以用于利用一系数矩阵构建图像的原始颜色信息值与标准颜色信息值之间的映射模型；目标函数建立模块43可以用于基于可变指数的正则项建立所述映射模型的目标函数；样本确定模块45可以用于确定多个样本图像的原始颜色信息值和标准颜色信息值；模型训练模块47可以用于利用所述多个样本图像的原始颜色信息值和标准颜色信息值对所述目标函数进行计算，以确定所述系数矩阵。

根据公开示例实施方式的模型训练装置，一方面，利用可变指数的正则项，既可以得到平稳的收敛结果使得模型具有较高的精度和稳定性，又兼顾稀疏性从而简化模型；另一方面，本公开的映射模型可以适用于例如高斯分布、拉普拉斯分布等不同的数据集，具有良好的包容性。

根据本公开的示例性实施例，样本确定模块45可以被配置为执行：获取由成像设备针对标准色卡而拍摄的图像作为样本图像；确定多个样本图像的原始颜色信息值和标准颜色信息值。

根据本公开的示例性实施例，参考图5，样本确定模块45可以包括第一标准值确定单元501。

具体的，第一标准值确定单元501可以用于利用光谱仪在预定几何条件下测量样本图像的三刺激值；利用所述光谱仪测量出的三刺激值确定为所述样本图像的标准颜色信息值。

根据本公开的示例性实施例，参考图6，样本确定模块45可以包括第二标准值确定单元601。

具体的，第二标准值确定单元601可以用于将与样本图像对应的标准色卡的标准三通道像素值作为所述样本图像的标准颜色信息值。

根据本公开的示例性实施例，参考图7，样本确定模块45可以包括原始值确定单元701。

具体的，原始值确定单元701可以用于确定样本图像的三通道像素值；基于所述样本图像的三通道像素值确定所述样本图像的原始颜色信息值。

根据本公开的示例性实施例，目标函数建立模块43可以被配置为执行：基于所述系数矩阵的理想值确定正则项的可变指数；基于所述正则项建立所述映射模型的目标函数。

根据本公开的示例性实施例，模型训练模块47可以被配置为执行：基于所述目标函数确定系数矩阵的表达式；利用所述多个样本图像的原始颜色信息值和标准颜色信息值对所述系数矩阵的表达式进行迭代处理，直至所述系数矩阵收敛。

根据本公开的示例性实施例，模型训练模块47可以被配置为执行：分别确定连续两次迭代过程对应的两个目标函数的值；如果所述两个目标函数的值满足预设比对要求，则确定所述系数矩阵收敛。

进一步的，本公开示例实施方式中还提供了一种色差校正装置。

图8示意性示出了本公开的示例性实施方式的色差校正装置的方框图。参考图8，根据本公开的示例性实施方式的色差校正装置8可以包括原始值获取模块81、模型确定模块83、标准值确定模块85和色差校正模块87。

具体的，原始值获取模块81可以用于获取目标图像的原始颜色信息值；模型确定模块83可以用于确定一训练后的映射模型；其中，所述映射模型用于确定原始颜色信息值与标准颜色信息值之间的映射关系；标准值确定模块85可以用于利用所述训练后的映射模型确定与所述目标图像的原始颜色信息值对应的所述目标图像的标准颜色信息值；色差校正模块87可以用于采用所述目标图像的标准颜色信息值代替所述目标图像的原始颜色信息值，以对所述目标图像的色差进行校正。

根据本公开示例性实施方式的色差校正装置，一方面，解决了一些技术中模型受训练数据集限制而导致性能差、不稳定的问题；另一方面，提高了色差校正精度，具有实用性和适应性。

根据本公开的示例性实施例，参考图9，色差校正装置9相比于色差校正装置8，除包括原始值获取模块81、模型确定模块83、标准值确定模块85和色差校正模块87外，还可以包括模型训练装置91。

具体的，模型训练装置9可以与上述模型训练装置4相同。

根据本公开的示例性实施例，色差校正模块87可以被配置为执行：如果所述目标图像的标准颜色信息被表示为三刺激值的形式，则将三刺激值转换为三通道像素值；采用所述目标图像的以所述三通道像素值形式表示的标准颜色信息值代替所述目标图像的原始颜色信息值。

由于本发明实施方式的程序运行性能分析装置的各个功能模块与上述方法发明实施方式中相同，因此在此不再赘述。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。

参考图10所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品1000，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光盘、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图11来描述根据本发明的这种实施方式的电子设备1100。图11显示的电子设备1100仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图11所示，电子设备1100以通用计算设备的形式表现。电子设备1100的组件可以包括但不限于：上述至少一个处理单元1110、上述至少一个存储单元1120、连接不同系统组件(包括存储单元1120和处理单元1110)的总线1130、显示单元1140。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元1110执行，使得所述处理单元1110执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元1110可以执行如图1中所示的步骤S12至步骤S18中所述的模型训练方法或者如图3中所示的步骤S32至步骤S38中所述的色差校正方法。

存储单元1120可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)11201和/或高速缓存存储单元11202，还可以进一步包括只读存储单元(ROM)11203。

存储单元1120还可以包括具有一组(至少一个)程序模块11205的程序/实用工具11204，这样的程序模块11205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线1130可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备1100也可以与一个或多个外部设备1200(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备1100交互的设备通信，和/或与使得该电子设备1100能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1150进行。并且，电子设备1100还可以通过网络适配器1160与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器1160通过总线1130与电子设备1100的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备1100使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。

Claims (12)

1.一种模型训练方法，其特征在于，包括：

利用一系数矩阵构建图像的原始颜色信息值与标准颜色信息值之间的映射模型；

基于可变指数的正则项建立所述映射模型的目标函数；其中，利用所述系数矩阵能够计算出所述正则项的可变指数；

确定多个样本图像的原始颜色信息值和标准颜色信息值；

基于所述目标函数确定所述系数矩阵的表达式，在为所述系数矩阵赋一初始值的情况下，利用所述多个样本图像的原始颜色信息值和标准颜色信息值对所述系数矩阵的表达式进行迭代处理，直至所述系数矩阵收敛。

2.根据权利要求1所述的模型训练方法，其特征在于，确定多个样本图像的原始颜色信息值和标准颜色信息值包括：

获取由成像设备针对标准色卡而拍摄的图像作为样本图像；

确定多个样本图像的原始颜色信息值和标准颜色信息值。

3.根据权利要求2所述的模型训练方法，其特征在于，确定多个样本图像的标准颜色信息值包括：

利用光谱仪在预定几何条件下测量样本图像的三刺激值；

利用所述光谱仪测量出的三刺激值确定为所述样本图像的标准颜色信息值。

4.根据权利要求2所述的模型训练方法，其特征在于，确定多个样本图像的标准颜色信息值包括：

将与样本图像对应的标准色卡的标准三通道像素值作为所述样本图像的标准颜色信息值。

5.根据权利要求2所述的模型训练方法，其特征在于，确定多个样本图像的原始颜色信息值包括：

确定样本图像的三通道像素值；

基于所述样本图像的三通道像素值确定所述样本图像的原始颜色信息值。

6.根据权利要求1所述的模型训练方法，其特征在于，所述模型训练方法还包括：

分别确定连续两次迭代过程对应的两个目标函数的值；

如果所述两个目标函数的值满足预设比对要求，则确定所述系数矩阵收敛。

7.一种色差校正方法，其特征在于，包括：

获取目标图像的原始颜色信息值；

确定一训练后的映射模型；其中，所述训练后的映射模型利用权利要求1至6中任一项所述的模型训练方法而得到，所述训练后的映射模型用于确定原始颜色信息值与标准颜色信息值之间的映射关系；

利用所述训练后的映射模型确定与所述目标图像的原始颜色信息值对应的所述目标图像的标准颜色信息值；

采用所述目标图像的标准颜色信息值代替所述目标图像的原始颜色信息值，以对所述目标图像的色差进行校正。

8.根据权利要求7所述的色差校正方法，其特征在于，采用所述目标图像的标准颜色信息值代替所述目标图像的原始颜色信息值包括：

如果所述目标图像的标准颜色信息被表示为三刺激值的形式，则将三刺激值转换为三通道像素值；

采用所述目标图像的以所述三通道像素值形式表示的标准颜色信息值代替所述目标图像的原始颜色信息值。

9.一种模型训练装置，其特征在于，包括：

模型构建模块，用于利用一系数矩阵构建图像的原始颜色信息值与标准颜色信息值之间的映射模型；

目标函数建立模块，用于基于可变指数的正则项建立所述映射模型的目标函数；其中，利用所述系数矩阵能够计算出所述正则项的可变指数；

样本确定模块，用于确定多个样本图像的原始颜色信息值和标准颜色信息值；

模型训练模块，用于基于所述目标函数确定所述系数矩阵的表达式，在为所述系数矩阵赋一初始值的情况下，利用所述多个样本图像的原始颜色信息值和标准颜色信息值对所述系数矩阵的表达式进行迭代处理，直至所述系数矩阵收敛。

10.一种色差校正装置，其特征在于，包括：

原始值获取模块，用于获取目标图像的原始颜色信息值；

模型确定模块，用于确定一训练后的映射模型；其中，所述训练后的映射模型利用权利要求1至6中任一项所述的模型训练方法而得到，所述训练后的映射模型用于确定原始颜色信息值与标准颜色信息值之间的映射关系；

标准值确定模块，用于利用所述训练后的映射模型确定与所述目标图像的原始颜色信息值对应的所述目标图像的标准颜色信息值；

色差校正模块，用于采用所述目标图像的标准颜色信息值代替所述目标图像的原始颜色信息值，以对所述目标图像的色差进行校正。

11.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的模型训练方法或者权利要求7或8所述的色差校正方法。

12.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至6中任一项所述的模型训练方法或者权利要求7或8所述的色差校正方法。

Images