全雪峰

（南阳医学高等专科学校 卫生管理系，河南 南阳 473061）

0 引言

颜色校正问题对于诸如颜色识别、图像分类、图像目标检测等应用来说非常重要，颜色的偏差可能导致图像处理结果错误。人眼能够自适应光源的变化，并还原场景真实颜色，而图像传感器不具备自适应的功能。为了解决这个问题，数字摄像机等使用白平衡方法对图像颜色进行修正，使其符合人眼视觉。

目前，颜色校正研究取得了一定进展，经典方法如灰度世界法[1]、完美反射法[2]、动态阈值法[3]以及这些算法的改进[4-5]。这类算法原理比较简单，容易实现，但是当先验条件不满足时算法会失效。例如当含有大量的单色块时，灰度世界法会失效；当图像中不含白色点时，完美反射法会失效。Cardei等人[6]提出利用BP神经网络进行光照估计，进而校正颜色。神经网络方法比较灵活，学习的目标不同就可以使网络拥有不同的功能，其缺点是输出结果容易陷入局部极小[7]。

近年来基于卷积神经网络的深度学习算法得到快速发展[8-11]。如Shi等人[12]提出用于图像光照估计DS-Net网络；Hu等人[13]提出基于置信度加权池的全卷积颜色恒常性算法；Zhu等人[14]对用于图像风格迁移的网络结构进行改进，并用于图像颜色校正；Shen等人[15]根据Retinex颜色恒常性理论提出MSR-net网络，用于解决低光照下颜色增强问题；Simone等人[16]提出一种准无监督的深度卷积神经网络颜色恒常性算法。本文设计了一种新的端到端的图像颜色校正网络。实验结果表明，本文算法可以有效校正图像色偏。……