买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江理工大学

摘要：本发明公开了一种基于正则化极限学习机的染色织物图像光照校正方法，本发明步骤：获取图像，构建数据集；通过WOA对生成随机生成的种群优化筛选；通过SHO寻找最优解；将优化后的输入权重和隐层偏置通过RELM网络模型预测；对角映射模型实现图像的校正；输出光照校正结果。本发明可消除外界环境光照对摄影成像的影响，恢复物体真实的颜色，从而为基于计算机视觉的染色织物图像处理提供准确的颜色信息。模型具备优秀的预测精度，良好的收敛性和稳定性，提高了光照校正工作的效率与准确性。

主权项：1.一种基于正则化极限学习机的染色织物图像光照校正方法，其特征在于，该方法包括下列步骤：步骤1：获取图像，构建数据集获取图像时，使用的照明光源在照明区域内亮度分布均匀，避免采集染色织物上的反射光异常区域；所述染色织物上的反射光异常区域是指，染色织物上在照明光源的照射下，形成的反射光强明显高于或低于照明区域内染色织物其它部分的区域区域；获取图像时，分别使用若干种不同光源照射染色织物，以采集不同光源下的的图像；所述若干种不同光源具体为：D65、D50和A光源；获取图像时，使光源照射发出的光线垂直于染色织物表面照射，使用图像采集装置采集染色织物表面的反射光，图像采集装置采集染色织物表面的反射光，所述反射光的方向与染色织物表面呈45度夹角；将图像采集装置与染色织物表面的距离设置为0.7米；所述染色织物为以下2种中的任意一种，化纤织物、纤维素纤维织物；步骤2：使用WOA算法优化SHO算法通过WOA算法来优化得到SHO算法的初始种群，使初始种群更接近最优解，从而让SHO算法更快速的找到最优解，并提高算法的收敛性；步骤3：设定SHO算法的搜索代理数和最大迭代次数，并利用SHO算法的所述初始种群，使用SHO算法通过对搜索代理进行适应度计算找到最优解；步骤4：使用WOA优化后的SHO优化RELM模型在ELM模型中引入正则项，并用SHO算法对RELM模型的输入权重和偏置进行优化，得到WOA-SHO-RELM模型，并使用步骤1中所述数据集进行训练；所述进行优化包括使用搜索代理的映射的方式来进行处理，通过搜索代理到RELM模型的映射模型，将SHO算法寻找最优解的方式映射到RELM网络当中进行预测；通过是否激活来决定输入权重和隐层偏置，从而实现优化效果；步骤5：获取待处理图像，使用训练后的WOA-SHO-RELM模型进行处理，得到待处理图像的R、G、B值，通过对角映射模型还原图像，输出光照校正结果。

全文数据：

权利要求：

百度查询： 浙江理工大学 一种基于正则化极限学习机的图像光照校正方法