57、色彩恒常性：原理、算法与未来挑战

色彩恒常性：原理、算法与未来挑战

1. 色彩恒常性的定义与问题

色彩恒常性是指在环境光照或场景上下文变化的情况下，识别表面颜色的能力。颜色视觉的一个重要功能是基于表面颜色帮助识别物体及其属性，例如成熟的水果和新鲜的鱼。只要感知结果足以进行颜色识别，稳定的外观并非必要条件。其中一个相关方面是将颜色分类为少量类别的能力，在光照变化时保持颜色类别的恒常性可能足以进行颜色识别。

色彩感知是一个计算难题，因为到达眼睛的光线混淆了我们关心的稳定表面属性（表面反射率）和环境光照的信息。此外，在三色视网膜中，光谱被编码为三个量，即长波长敏感、中波长敏感和短波长敏感的锥体细胞的激活。在没有额外约束的情况下，由于存在无限种可能性，无法从光信号中恢复光谱反射率。

2. 色彩恒常性算法

• 传统算法
  • 色域映射方法 ：Forsyth引入了色域映射方法，该方法基于在给定光源下只有有限的一组颜色（规范色域）会出现的假设。模型根据训练图像（规范色域）学习一个模型，并根据输入特征估计光源。
  • 贝叶斯模型 ：受Brainard的启发，Rosenberg等人引入了一种利用非高斯概率模型的图像形成过程的贝叶斯色彩恒常性模型，并证明它可以优于色域映射算法。Gehler等人使用新的数据集扩展了贝叶斯算法，使算法能够学习更精确的光照先验。
  • 快速傅里叶色彩恒常性算法 ：Barron开发了快速傅里叶色彩恒常性算法，该算法可以在移动设备上以每秒700帧的速度运行。