(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211290804.0 (22)申请日 2022.10.21 (71)申请人 昆明理工大 学 地址 650093 云南省昆明市五华区学府路 253号 (72)发明人 沈楠翔　顾文娟　李志文　王洪成　 (74)专利代理 机构 昆明人从众知识产权代理有 限公司 5 3204 专利代理师 陈波 (51)Int.Cl. G06T 7/90(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/774(2022.01) G06V 10/82(2022.01) (54)发明名称 一种基于组合模 型的图像颜色校正方法、 系 统 (57)摘要 本发明公开了一种基于组合模型的图像颜 色校正方法、 系统， 方法包括： 读取色卡上每个色 块的L*ab值， 依据转换矩阵将L*ab值转换为RGB 值， 将RGB值三通道分开， 建立三通道的真实值数 据集； 使用相机对色卡进行拍摄， 并通过计算机 分割出每个色块并读取每个色块的平均RGB值， 将三通道分开， 建立三通道的测量值数据集； 通 过一种自适应增强算法分别对三通道的真实值 数据集与测量值数据集拟合， 进行参数寻优， 得 到参数最优的R1、 G1、 B1颜色校正模型； 通过一种 梯度提升决策树算法分别对三通道的真实值数 据集与测量值数据集拟合， 进行参数寻优， 得到 参数最优的R2、 G2、 B2颜色校正模型； 分别分配R、 G、 B三通道对应的两个颜色校正模型的权重， 组 合为R组合、 G组合、 B组合三个组合模型， 对图像 进行颜色校正。 本发明提高了拟合精度， 进一步 提升了颜色校正的效果。 权利要求书2页 说明书6页 附图3页 CN 115482300 A 2022.12.16 CN 115482300 A 1.一种基于组合模型的图像颜色校正方法， 其特 征在于： 包括： 读取色卡上每个色块的L*ab值， 依据转换矩阵将L*ab值转换为RGB值， 将RGB值三通道 分开， 建立 三通道的真实值数据集； 使用相机对色卡进行拍摄， 并通过计算机分割出每个色块并读取每个色块的平均RGB 值， 将三通道分开， 建立 三通道的测量 值数据集； 通过一种自适应增强算法分别对三通道的真实值数据集与测量值数据集拟合， 进行参 数寻优， 得到参数最优的R 1、 G1、 B1颜色校正模型； 通过一种梯度提升决策树算法分别对三通道的真实值数据集与测量值数据集拟合， 进 行参数寻优， 得到参数最优的R2、 G2、 B2颜色校正模型； 分别分配R、 G、 B三通道对应的两个颜色校正模型的权重， 组合为R组合、 G组合、 B组合三 个组合模型， 对图像进行颜色校正。 2.根据权利要求1所述的基于组合模型的图像颜色校正方法， 其特征在于： 所述将L*ab 值转换为RGB值时采用的转换矩阵是根据相机的参数进行选择的。 3.根据权利要求1所述的基于组合模型的图像颜色校正方法， 其特征在于： 所述自适应 增强算法具体过程如下： S31、 初始化样本集的权重： W1＝[w1,1,w1,2,…,w1,i,…,w1,m]， 表示第1次迭代时 第i个样本的权重， m为样 本集中样本总个数； 其中， 样本集采用真实值数据集与测量值数据 集构建； S32、 依据权 重训练出第j个弱学习器Gj(x)； S33、 计算最大误差： Ej＝max|yi‑Gj(x)|； 其中， Ej表示第j次迭代时的最大误差， yi为第i 个样本对应的真实值； S34、 计算每个样本的相对平方误差： 其中， eji表示第j次迭代时第i 个样本的相对平方误差； S35、 计算误差率： 其中， ej表示第j次迭代的误差率； S36、 计算弱学习器的系数： S37、 更新样本的权 重分布： 其中， Zj为归一化因子； S38、 重复上述S32至S37的过程 直至训练出k个弱学习器； S39、 将获得的k个弱学习器进行加权组合， 构建强学习器。 4.根据权利要求1所述的基于组合模型的图像颜色校正方法， 其特征在于： 所述梯度提 升决策树 算法包括： S41、 将样本集中样本随机打乱， 并估计样本预测结果的一阶和二阶梯度； S42、 用梯度估计构建一棵树的结构， 最终每片叶子节点的阈值是通过整个样本确定 的； S43、 在训练的过程中， 通过将弱学习器串行实现集成， 根据前一轮的学习结果持续地权　利　要　求　书 1/2 页 2 CN 115482300 A 2更替权重， 以此不间断地降低因噪声 而产生的偏差； S44、 最终， 通过加权训练的所有弱学习器的回归值得到最终 强学习器。 5.根据权利要求1所述的基于组合模型的图像颜色校正方法， 其特征在于： 所述分配R、 G、 B三通道对应的两个颜色校正模型的权重， 其确定权重的方法如下： 其中， 即表示第t个校正模型的预测值 与真实值yi差值的平方和。 6.一种基于组合模型的图像颜色校正系统， 其特 征在于： 包括： 第一建立模块， 用于读取色卡上每个色块的L*ab值， 依据 转换矩阵将L*ab值转换为RGB 值， 将RGB值 三通道分开， 建立 三通道的真实值数据集； 第二建立模块， 用于使用相机对色卡进行拍摄， 并通过计算机分割出每个色块并读取 每个色块的平均RGB值， 将三 通道分开， 建立 三通道的测量 值数据集； 第一获取模块， 用于通过一种自适应增强算法分别对三通道的真实值数据集与测量值 数据集拟合， 进行参数寻优， 得到参数最优的R 1、 G1、 B1颜色校正模型； 第二获取模块， 用于通过一种梯度提升决策树算法分别对三通道的真实值数据集与测 量值数据集拟合， 进行参数寻优， 得到参数最优的R2、 G2、 B2颜色校正模型； 校正模块， 用于分别分配R、 G、 B三通道对应的两个颜色校正模型的权重， 组合为R组合、 G组合、 B组合 三个组合模型， 对图像进行颜色校正。权　利　要　求　书 2/2 页 3 CN 115482300 A 3