基于图像导数框架和非负稀疏编码的颜色恒常计算方法

杜馨瑜; 李永杰; 尧德中; 李朝义

doi:10.3969/j.issn.0372-2112.2012.01.029

您当前的位置：

首页 >

文章列表页 >

基于图像导数框架和非负稀疏编码的颜色恒常计算方法

科研通信 | 更新时间：2025-07-16

- 基于图像导数框架和非负稀疏编码的颜色恒常计算方法
- Color Constancy Based on Image Derivative Framework and Non-negative Sparse Coding
- 电子学报 2012年40卷第1期页码：179-183
- 作者机构：
  
  1. 电子科技大学生命科学与技术学院,神经信息教育部重点实验室,四川,成都,610054
  2. 中国科学院上海生命科学研究院,上海,200032
  3. 电子科技大学生命科学与技术学院神经信息教育部重点实验室四川成都,610054
  4. 中国科学院上海生命科学研究院上海,200032
- 作者简介：
- 基金信息：
  
  国家973重点基础研究发展计划 (No.2007CB311001);国家自然科学基金 (No.30730036,No.31070881,No.90820301,No.61075109);教育部新世纪优秀人才支持计划 (No.NCET-07-0151)
- DOI：10.3969/j.issn.0372-2112.2012.01.029
  中图分类号： TN911.73
- 纸质出版：2012
- 稿件说明：
移动端阅览
杜馨瑜, 李永杰, 尧德中, 等. 基于图像导数框架和非负稀疏编码的颜色恒常计算方法[J]. 电子学报, 2012,40(1):179-183.

DU Xin-yu, LI Yong-jie, YAO De-zhong, et al. Color Constancy Based on Image Derivative Framework and Non-negative Sparse Coding[J]. Acta Electronica Sinica, 2012, 40(1): 179-183.
杜馨瑜, 李永杰, 尧德中, 等. 基于图像导数框架和非负稀疏编码的颜色恒常计算方法[J]. 电子学报, 2012,40(1):179-183. DOI： 10.3969/j.issn.0372-2112.2012.01.029.

DU Xin-yu, LI Yong-jie, YAO De-zhong, et al. Color Constancy Based on Image Derivative Framework and Non-negative Sparse Coding[J]. Acta Electronica Sinica, 2012, 40(1): 179-183. DOI： 10.3969/j.issn.0372-2112.2012.01.029.

摘要

本文通过模拟初级视皮层神经元感受野在视觉信息处理中的功能

提出了一种基于图像导数框架和非负稀疏编码思想的颜色恒常性计算模型

以实现对色偏图像的颜色矫正.从解决工程问题的角度

本文提出的基于生理机制的计算模型在处理效果上可与目前最好的颜色恒常性算法相媲美;从计算神经科学的角度

本文模型支持了大脑初级视皮层在视觉颜色恒常性中扮演重要角色的观点.

Abstract

By imitating the function of receptive fields of the primary visual cortical neurons

we proposed a color-constancy model that combines the ideas of image derivative framework and non-negative sparse coding.From the standpoint of image processing

statistical measures showed that the color compensation ability of the proposed model can be comparable to the current best technical methods.In the view of computational neuroscience

our results also provide support for the notion that primary visual cortex plays critical role on the capacity of color constancy.

关键词

Keywords

references

浏览量

1366

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于小波域的复数卷积和复数Transformer的轻量级MR图像重建方法

Kohonen网络后训练阶段自组织的密度分布

基于感受野模型的图像融合算法研究