買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜昆明理工大學(xué)申請(qǐng)的專利一種基于組合模型的圖像顏色校正方法、系統(tǒng)獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN115482300B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-16發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202211290804.0，技術(shù)領(lǐng)域涉及：G06T7/90；該發(fā)明授權(quán)一種基于組合模型的圖像顏色校正方法、系統(tǒng)是由沈楠翔;顧文娟;李志文;王洪成設(shè)計(jì)研發(fā)完成，并于2022-10-21向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于組合模型的圖像顏色校正方法、系統(tǒng)在說(shuō)明書摘要公布了：本發(fā)明公開了一種基于組合模型的圖像顏色校正方法、系統(tǒng)，方法包括：讀取色卡上每個(gè)色塊的L*ab值，依據(jù)轉(zhuǎn)換矩陣將L*ab值轉(zhuǎn)換為RGB值，將RGB值三通道分開，建立三通道的真實(shí)值數(shù)據(jù)集；使用相機(jī)對(duì)色卡進(jìn)行拍攝，并通過(guò)計(jì)算機(jī)分割出每個(gè)色塊并讀取每個(gè)色塊的平均RGB值，將三通道分開，建立三通道的測(cè)量值數(shù)據(jù)集；通過(guò)一種自適應(yīng)增強(qiáng)算法分別對(duì)三通道的真實(shí)值數(shù)據(jù)集與測(cè)量值數(shù)據(jù)集擬合，進(jìn)行參數(shù)尋優(yōu)，得到參數(shù)最優(yōu)的R1、G1、B1顏色校正模型；通過(guò)一種梯度提升決策樹算法分別對(duì)三通道的真實(shí)值數(shù)據(jù)集與測(cè)量值數(shù)據(jù)集擬合，進(jìn)行參數(shù)尋優(yōu)，得到參數(shù)最優(yōu)的R2、G2、B2顏色校正模型；分別分配R、G、B三通道對(duì)應(yīng)的兩個(gè)顏色校正模型的權(quán)重，組合為R組合、G組合、B組合三個(gè)組合模型，對(duì)圖像進(jìn)行顏色校正。本發(fā)明提高了擬合精度，進(jìn)一步提升了顏色校正的效果。

本發(fā)明授權(quán)一種基于組合模型的圖像顏色校正方法、系統(tǒng)在權(quán)利要求書中公布了：1.一種基于組合模型的圖像顏色校正方法，其特征在于：包括：讀取色卡上每個(gè)色塊的L*ab值，依據(jù)轉(zhuǎn)換矩陣將L*ab值轉(zhuǎn)換為RGB值，將RGB值三通道分開，建立三通道的真實(shí)值數(shù)據(jù)集；使用相機(jī)對(duì)色卡進(jìn)行拍攝，并通過(guò)計(jì)算機(jī)分割出每個(gè)色塊并讀取每個(gè)色塊的平均RGB值，將三通道分開，建立三通道的測(cè)量值數(shù)據(jù)集；通過(guò)一種自適應(yīng)增強(qiáng)算法分別對(duì)三通道的真實(shí)值數(shù)據(jù)集與測(cè)量值數(shù)據(jù)集擬合，進(jìn)行參數(shù)尋優(yōu)，得到參數(shù)最優(yōu)的R1、G1、B1顏色校正模型；通過(guò)一種梯度提升決策樹算法分別對(duì)三通道的真實(shí)值數(shù)據(jù)集與測(cè)量值數(shù)據(jù)集擬合，進(jìn)行參數(shù)尋優(yōu)，得到參數(shù)最優(yōu)的R2、G2、B2顏色校正模型；分別分配R、G、B三通道對(duì)應(yīng)的兩個(gè)顏色校正模型的權(quán)重，組合為R組合、G組合、B組合三個(gè)組合模型，對(duì)圖像進(jìn)行顏色校正；所述自適應(yīng)增強(qiáng)算法具體過(guò)程如下：S31、初始化樣本集的權(quán)重：W1＝[w1,1,w1,2,…,w1,i,…,w1,m]，表示第1次迭代時(shí)第i個(gè)樣本的權(quán)重，m為樣本集中樣本總個(gè)數(shù)；其中，樣本集采用真實(shí)值數(shù)據(jù)集與測(cè)量值數(shù)據(jù)集構(gòu)建；S32、依據(jù)權(quán)重訓(xùn)練出第j個(gè)弱學(xué)習(xí)器Gjx；S33、計(jì)算最大誤差：Ej＝max|yi-Gjx|；其中，Ej表示第j次迭代時(shí)的最大誤差，yi為第i個(gè)樣本對(duì)應(yīng)的真實(shí)值；S34、計(jì)算每個(gè)樣本的相對(duì)平方誤差：其中，eji表示第j次迭代時(shí)第i個(gè)樣本的相對(duì)平方誤差；S35、計(jì)算誤差率：其中，ej表示第j次迭代的誤差率；S36、計(jì)算弱學(xué)習(xí)器的系數(shù)：S37、更新樣本的權(quán)重分布：其中，Zj為歸一化因子；S38、重復(fù)上述S32至S37的過(guò)程直至訓(xùn)練出k個(gè)弱學(xué)習(xí)器；S39、將獲得的k個(gè)弱學(xué)習(xí)器進(jìn)行加權(quán)組合，構(gòu)建強(qiáng)學(xué)習(xí)器；所述梯度提升決策樹算法包括：S41、將樣本集中樣本隨機(jī)打亂，并估計(jì)樣本預(yù)測(cè)結(jié)果的一階和二階梯度；S42、用梯度估計(jì)構(gòu)建一棵樹的結(jié)構(gòu)，最終每片葉子節(jié)點(diǎn)的閾值是通過(guò)整個(gè)樣本確定的；S43、在訓(xùn)練的過(guò)程中，通過(guò)將弱學(xué)習(xí)器串行實(shí)現(xiàn)集成，根據(jù)前一輪的學(xué)習(xí)結(jié)果持續(xù)地更替權(quán)重，以此不間斷地降低因噪聲而產(chǎn)生的偏差；S44、最終，通過(guò)加權(quán)訓(xùn)練的所有弱學(xué)習(xí)器的回歸值得到最終強(qiáng)學(xué)習(xí)器。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人昆明理工大學(xué)，其通訊地址為：650093 云南省昆明市五華區(qū)學(xué)府路253號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。