彩色人脸图像的颜色校正方法与流程

本发明涉及图像处理技术，特别是涉及一种彩色人脸图像的颜色校正方法的技术。

背景技术：

在某些特定研究中往往需要图像采集设备得到的图像与其本身所固有的颜色具有较高的一致性。但是，由于受采集设备和光源色温、显色性以及空间分布的影响，图像采集设备采集到的图像与其本征颜色在光度和色度上可能会存在较大的差异。因此，在实际应用中通常就需要对采集得到的图像进行颜色校正处理。

目前，比较常用的图像颜色校正方法是采用颜色校正色卡，以对失真的彩色图像进行颜色校正。在人脸彩色图像颜色校正中，采用的颜色校正色卡的色域通常很广，完全超出了人脸图像的色域范围。如果用色卡中的全部色块训练颜色校正模型，并将其应用在人脸图像中，因有些色彩不可能出现在某些五官部位，很有可能会造成校正后的人脸图像中的某些五官部位产生偏色。由于人脸结构的特殊性，其五官的色域分布并不完全相同。若采用相同的色块对全部的五官区域进行颜色校正，必然会造成某些五官区域的校正精度高，而某些五官区域的校正精度低，从而影响整幅人脸图像的校正效果。因此，如何兼顾各个五官区域进行颜色校正，是提高彩色人脸图像颜色校正精度和效果的关键所在。

技术实现要素：

针对上述现有技术中存在的缺陷，本发明所要解决的技术问题是提供一种颜色校正精度高的彩色人脸图像的颜色校正方法。

为了解决上述技术问题，本发明所提供的一种彩色人脸图像的颜色校正方法，其特征在于，具体步骤如下：

S1：采用人脸五官分割法将人脸图像分割成眼部、耳部、口部、鼻部、眉部、皮肤部共六个目标分区；

S2：获取各个目标分区的色域范围；

S3：选定一种颜色校正色卡，并从所选定的颜色校正色卡中选出落在各个目标分区色域范围内的色块；

S4：采用贪婪搜索算法选出各个目标分区的最佳色块子集；

S5：在各个目标分区的最佳色块子集上，为各个目标分区各建立一个颜色校正模型；

S6：采用人脸五官分割法将待校正的人脸图像分割成眼部、耳部、口部、鼻部、眉部、皮肤部共六个待校正分区，利用步骤S5所建立的各个目标分区的颜色校正模型，对待校正的彩色人脸图像实施分区域颜色校正。

进一步的，所述步骤S2中，获取各个目标分区的色域范围的方法如下：

将各个目标分区的RGB颜色空间像素分别投影到CIE Lab颜色空间，得到各个目标分区的色域空间，然后提取各个目标分区的色域空间的边界像素，得到各个目标分区的色域范围。

进一步的，所述步骤S4中，采用贪婪搜索算法选出目标分区的最佳色块子集的步骤如下：

S41：从落在目标分区色域范围内的色块中选出多个候选色块子集；

S42：对每个候选色块子集，在该候选色块子集上为目标分区建立一个颜色校正模型，然后再利用目标优化函数对该颜色校正模型进行计算；

目标优化函数的公式为：；

式中，为颜色校正模型的优化值，为候选色块子集，为中的色块的数目，为落在目标分区域色域范围内的色块的集合，为选用中的色块作为训练色块建立颜色校正模型后，的预测值与标准值之间的色差；

S43：从各个候选色块子集中，将值最小的候选色块子集选定为目标分区的最佳色块子集。

进一步的，每个目标分区内选取的最佳色块子集中的色块数目都设定为24。

进一步的，所述步骤S5中，为目标分区建立颜色校正模型的步骤如下：

先提取目标分区的最佳色块子集中的色块图像在待校正和标准颜色空间中对应的颜色三刺激值，再以待校正颜色空间的颜色三刺激值为输入，以标准颜色空间的颜色三刺激值为输出，利用数据拟合技术建模，并对模型参数进行寻优，得到目标分区的最优颜色校正模型。

进一步的，所述步骤S6中，对待校正的彩色人脸图像实施分区域颜色校正的步骤如下：

将六个待校正分区的图像分别输入到六个目标分区的颜色校正模型中，并对各个目标分区的颜色校正模型进行融合，对校正后的五官图像进行肤色检测，将检测出来的肤色部分像素点输入到皮肤颜色校正模型中，得到校正后的肤色像素点后将其与校正后的五官图像以及皮肤图像进行合并，从而得到标准的彩色人脸图像。

本发明提供的彩色人脸图像的颜色校正方法，根据面部的颜色特征分布，采用人脸五官分割法将人脸图像分割成五官以及皮肤六个目标分区，每个目标分区只选取与其最相关的色块子集分别建立其最优化的颜色校正模型，从而兼顾了人脸五官以及皮肤的颜色分布特点，可以大大提高彩色人脸图像的校正精度，并且五官以及皮肤这六个目标分区的颜色校正模型的融合又能够保证校正后人脸图像的整体协调性，使其校正的效果更加接近实际的人脸本征颜色。

附图说明

图1是本发明实施例的彩色人脸图像的颜色校正方法的流程图；

图2是本发明实施例的彩色人脸图像的颜色校正方法中，对待校正的彩色人脸图像实施分区域颜色校正的流程图。

具体实施方式

以下结合附图说明对本发明的实施例作进一步详细描述，但本实施例并不用于限制本发明，凡是采用本发明的相似结构及其相似变化，均应列入本发明的保护范围，本发明中的顿号均表示和的关系。

如图1所示，本发明实施例所提供的一种彩色人脸图像的颜色校正方法，其特征在于，具体步骤如下：

S1：采用人脸五官分割法将人脸图像分割成眼部、耳部、口部、鼻部、眉部、皮肤部共六个目标分区；

S2：将各个目标分区的RGB颜色空间像素分别投影到CIE Lab颜色空间，得到各个目标分区的色域空间，然后提取各个目标分区的色域空间的边界像素，得到各个目标分区的色域范围；

S3：选定一种颜色校正色卡，并将所选定的颜色校正色卡内的所有色块投影到CIE Lab颜色空间，选出落在各个目标分区色域范围内的色块；

S4：采用贪婪搜索算法选出各个目标分区的最佳色块子集；

采用贪婪搜索算法选出目标分区的最佳色块子集的步骤如下：

S41：从落在目标分区色域范围内的色块中选出多个候选色块子集；

S42：对每个候选色块子集，在该候选色块子集上为目标分区建立一个颜色校正模型，然后再利用目标优化函数对该颜色校正模型进行计算；

目标优化函数的公式为：；

式中，为颜色校正模型的优化值，为候选色块子集，为中的色块的数目，为落在目标分区域色域范围内的色块的集合，为选用中的色块作为训练色块建立颜色校正模型后，的预测值与标准值之间的色差；

S43：从各个候选色块子集中，将值最小的候选色块子集选定为目标分区的最佳色块子集；

S5：在各个目标分区的最佳色块子集上，为各个目标分区各建立一个颜色校正模型，为目标分区建立颜色校正模型的步骤如下：

先提取目标分区的最佳色块子集中的色块图像在待校正和标准颜色空间中对应的颜色三刺激值，再以待校正颜色空间的颜色三刺激值为输入，以标准颜色空间的颜色三刺激值为输出，利用数据拟合技术（如多项式回归，支持向量回归机，最小二乘法，神经网络等）建模，并对模型参数进行寻优，得到目标分区的最优颜色校正模型；

S6：采用人脸五官分割法将待校正的人脸图像分割成眼部、耳部、口部、鼻部、眉部、皮肤部共六个待校正分区，利用步骤S5所建立的各个目标分区的颜色校正模型，对待校正的彩色人脸图像实施分区域颜色校正；

如图2所示，对待校正的彩色人脸图像实施分区域颜色校正的步骤如下：

将六个待校正分区的图像分别输入到六个目标分区的颜色校正模型中，并对各个目标分区的颜色校正模型进行融合，对校正后的五官图像进行肤色检测，将检测出来的肤色部分像素点输入到皮肤颜色校正模型中，得到校正后的肤色像素点后将其与校正后的五官图像以及皮肤图像进行合并，从而得到标准的彩色人脸图像。

本发明实施例中，待校正颜色空间为 RGB，标准颜色空间为sRGB，目标分区采用运算效率较高且性能较好的多项式回归拟合算法作为颜色校正算法。

本发明实施例中所选定的颜色校正色卡为孟塞尔色彩大全（Munsell Book of Color），孟塞尔色彩大全包含有1300多种颜色，并且每个颜色都按照40个固定的色相排列，并且还具有31个孟塞尔灰系列均匀地分布在CIE色度空间中，从孟塞尔色彩大全中选择出来的最佳色块子集可以保证全局最优性；

本发明实施例在颜色校正模型建立过程中，通过实验验证了在每个目标分区色域范围内选取最佳色块子集来建立颜色校正模型，可以实现比Munsell色卡更好的校正性能。

本发明实施例在颜色校正模型建立过程中，通过实验验证证明，最佳色块子集的大小会直接影响颜色校正的性能；随着最佳色块子集容量的增大，目标分区色域范围内的全部色块集合校正后颜色数值与标准值之间的色差会降低，当最佳色块子集中的色块数目增加到某个数值后，该色差降低的幅度会趋于平缓，当最佳色块子集中的色块数目取24时，目标分区色域范围内的全部色块预测值与标准值之间的色差已达到稳定，维持在一个固定的数值上下波动，同时为了与Munsell色卡具有可比较性，每个目标分区内选取的最佳色块子集中的色块数目都设定为24。

本发明实施例利用局部最优解来达到全局最优的效果，由于人脸的五官以及皮肤区域具有各自的色域分布特点，如果采用相同的色块对全部区域进行颜色校正，必然会造成某些五官区域的颜色校正效果好，某些五官区域的颜色校正效果差，进而影响人脸图像的整体协调性，采用人脸五官分割法将人脸图像根据颜色分布分割成五官以及皮肤六个目标分区，每个目标分区分别建立各自的最优化的颜色校正模型来对人脸图像进行颜色校正，可以有效地避免上述不协调性的存在，在一定程度上提高人脸图像的颜色校正精度与效果，使校正后的标准人脸图像与其本征颜色更加接近。