本发明属于图像处理技术领域，涉及彩色图像纹理特征提取匹配技术，是一种基于目标物体表面特性的全局特征提取方法。
背景技术：
图像场景光照估计即通过图像处理操作获得拍摄场景的相关信息，是机器视觉领域中十分重要的一个研究内容。基于Grey-Edge算法框架下的经典颜色恒常性算法可以有效地估计出场景光照RGB值，另外基于目标图像的特征提取匹配也可以实现较好的图像场景光照估计效果。图像特征提取是计算机视觉和图像处理中的一个概念，它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征，特征提取的结果是把图像上的点分为不同的子集，这些子集往往属于孤立的点、连续的曲线或者连续的区域。图像特征的精准定义由具体的问题或者应用类型决定，特征是数字图像中重要的部分，它是许多计算机图像分析算法的起点，并且图像特征提取的一个特性是可重复性，即：同一场景下的不同图像所提取的特征应该是相同的。计算机视觉领域常用的图像特征主要包括颜色特征、纹理特征、形状特征和空间关系特征。纹理特征，作为一种图像全局特征，描述了图像所对应景物的表面性质，它需要在包含多个像素点的区域进行统计计算，并且这种区域性的图像特征在模式匹配中具有良好的性能优越性，不会由于局部的偏差而无法成功匹配。目前常用的图像纹理特征提取匹配算法有：基于统计学的灰度共生矩阵纹理特征分析方法，提取出灰度共生矩阵的四个关键特征：能量、惯量、熵和相关性；基于统计学的马尔可夫场自回归纹理模型，通过对图像能量谱函数的计算提取纹理的粗细度以及方向性等特征参数；基于几何法的纹理基元分析法，纹理基元理论认为复杂的纹理由若干个简单的纹理基元以一定的有规律的形式重复排列构成；等。作为一种随机分布概率规律，Weibull分布被应用于很多形式，分布由形状、尺度或范围、位置三个参数决定，并且主要被应用于故障分析领域中。此外，Weibull 分布还可用于表征图像纹理的空间分布规律，形状、尺度参数α和β代表不同的纹理特征参数，即：纹理尺寸大小和纹理图像对比度。
技术实现要素：
本发明提供了一种基于图像纹理特征提取匹配的图像场景光照估计设计方法，比经典颜色恒常性算法具有更好的运行性能。本发明通过如下技术方案实现。
一种用于实现优化场景光照估计的设计方法，包括：
(1)参考图像集中图像最优颜色恒常性算法的选取。
(2)建立给定测试图像与参考图像集纹理特征匹配的模型。
(3)提取出RGB图像基于Weibull分布下的纹理特征参数，纹理尺寸和对比度。
1.本发明把基于Grey-Edge算法框架下的五种经典颜色恒常性算法作为参考依据，包括：①Grey World；②Max RGB；③General Grey World；④First-Order Grey Edge；⑤ Second-Order Grey Edge，图像真实光照RGB值与对应颜色恒常性算法估计光照RGB值的空间向量夹角，角度误差值越小，对应颜色恒常性算法运行性能越好，分别计算对应五种算法下图像场景光照估计的角度误差值，挑选最小角度误差值对应的颜色恒常性算法作为参考图像的最优颜色恒常性算法。
2.构建测试图像与参考图像纹理特征匹配的模型，本发明中，通过计算给定测试图像与参考图像集中图像纹理特征的欧式距离，欧式距离是一种特征向量相似度的表征参数，其对应数值越小，两幅图像的特征越为相似，在参考图像集中挑选出与给定测试图像纹理特征最为接近的参考图像，然后将参考图像对应的最优颜色恒常性算法直接应用于测试图像，通过算法融合进行场景光照估计。
3.对于一幅RGB彩色图像，基于Weibull分布的图像纹理特征，包括：①图像纹理尺寸和②图像对比度，其通过如下步骤计算确定。
1)读入目标图像的像素值并按像素值大小进行排序，以矩阵形式存储。
图像处理工具箱中支持的默认图像数据类型是uint8，将图像数据类型经im2double转换为可计算的double数据类型，并由imread将图像像素值读入然后按数值大小对其进行排序，由于RGB图像被存储于一个p×q×3的三维数组中，令n＝p×q×3，故其以1×n的矩阵形式对图像像素值进行存储。
2)计算三参数Weibull分布的超值累积频率函数F(x)。
三参数Weibull分布的概率密度函数表达式如下。
等式两边同时进行积分处理，表达式如下。
其中，P(x)为累积失效函数，F(x)为超值累积频率函数，概率学中对P(x)给出一种快速求解的办法。
其中，n为RGB图像中所存储的像素点的数目，即：n＝p×q×3，因此三参数Weibull分布的超值累积频率函数F(x)表达式如下。
其中，xi对应于RGB图像中每个像素点的像素值。
3)在参数ε的基础上应用线性回归导出参数α，β的表达式。
对三参数Weibull分布超值累积频率函数F(x)进行等式两边同时取两次对数。
运用线性回归拟合Y＝A+B·X。
X＝1n(x-ε) (8)
A＝-α1nβ (9)
B＝α (10)
其中，线性回归拟合参数A，B以及线性相关参数γ表达式如下。
其中LXX，LXY，LYY表示变量之间的相关性。
Weibull分布参数α，β的表达式如下。
其中，α，β被表示为以参数ε为自变量的函数。
4)通过求解线性相关系数γ的最大值，并利用二分法得到参数ε的最优解。
对线性回归拟合相关系数γ求偏导。
以参数ε为自变量的线性相关系数函数表达式Q(ε)表达式如下。
在函数Q(ε)中通过二分法求解出参数ε的最优解，其中ε满足：ε≥0。
①设定ε的初始值为0，迭代间隔为mean(x)÷N，其中mean(x)为RGB图像所有像素点像素值的均值，N为迭代次数，区间精度为d。
②通过迭代并计算出函数Q(ε)第一次出现正负值交替时所对应的ε值ε1和ε2，即 Q(ε1)×Q(ε2)<0。
③计算区间(ε1，ε2)的中值对应的函数值Q((ε1+ε2)/2)，然后根据Q((ε1+ε2)/2)的正负值重新选择最优解区间，并计算对应的区间精度d＝|ε1-ε2|。
④重复③直至满足事先所设定的区间精度d或者迭代次数N，参数ε的最优解记为ε＝ (ε1+ε2)/2。
5)通过已得到的Weibull分布参数ε最优解计算得到参数α，β的最优解，即RGB图像的纹理特征参数：纹理尺寸和对比度。
本发明的有益效果：考虑所提取的图像纹理特征参数维数，基于Weibull分布的纹理特征仅提取了二维纹理特征参数，同时也具备了良好的可行性与适应性，可以获得较好的图像场景光照估计效果，并且与其它类型的图像特征相结合可以获得更好的图像特征提取匹配效果。
附图说明
图1是二分法求解ε最优解示意图。
图2是本发明方法的流程示意图。
图3是本发明方法用于图像特征匹配的实验流程图。
具体实施方式
本发明提供了一种图像特征提取的计算方法，将此发明方法应用于图像特征提取匹配试验中，进行图像场景光照估计效果测试，图像真实场景光照RGB值与算法估计场景光照RGB值之间的向量夹角，数值越小说明对应颜色恒常性算法性能越好，通过计算角度误差并与五种经典颜色恒常性算法进行性能对比，从而验证所提出算法的可行性与优越性。
具体实施方式一：基于图像纹理特征提取匹配的图像场景光照估计测试
在包含11,346张图片的国际通用颜色恒常性图像数据库Ciurea库中对本方法进行测试评估。分别提取出测试图像集和参考图像集中不同图像的纹理特征(α，β)，通过计算纹理特征矢量之间的欧式距离，在参考图像集中匹配出特定测试图像对应的图像特征最为接近的 5幅图像，然后采取算法融合计算出相应的图像场景光照估计角度误差，测试结果如表1所示，比经典的颜色恒常性算法具有更好的场景光照估计效果。
表1：基于图像纹理特征提取匹配的场景光照估计角度误差均值、中值。
具体实施方式二：基于图像纹理特征+颜色特征综合提取匹配的图像场景光照估计测试。
同样在11,346张图片的Ciurea标准图像集上对本方法进行测试评估。为了验证本发明方法可以与其他图像特征提取算法进行综合使用，以获得更优化的性能，这里引入了图像的颜色特征(颜色直方图的提取)进行图像特征提取匹配测试，测试结果如表2所示，可以获得更好的图像场景光照估计效果。
表2：基于图像颜色+纹理特征提取匹配的场景光照估计角度误差均值、中值。