一种基于主成分分析的图像光照校正算法

吉林大学学报(理学版) ›› 2022, Vol. 60 ›› Issue (6): 1377-1382.

一种基于主成分分析的图像光照校正算法

张震¹, 赵启鹏¹, 朱留存¹, 刘济尘², 罗俊琦¹, 魏金占¹, 李雪³

1. 北部湾大学先端科学技术研究院, 广西钦州 535001；
2. 吉林大学软件学院, 长春 130012; 3. 中国农业科学院长春兽医研究所, 长春 130118

收稿日期:2022-01-04 出版日期:2022-11-26 发布日期:2022-11-26
通讯作者: 赵启鹏 E-mail:348533483@qq.com

An Image Illumination Correction Algorithm Based on Principal Component Analysis

ZHANG Zhen¹, ZHAO Qipeng¹, ZHU Liucun¹, LIU Jichen², LUO Junqi¹, WEI Jinzhan¹, LI Xue³

1. Advanced Science and Technology Research Institute, Beibu Gulf University, Qinzhou 535001, Guangxi Zhuang Autonomous Region, China;
2. College of Software, Jilin University, Changchun 130012, China; 3. Changchun Veterinary Research Institute, Chinese Academy of Agricultural Sciences, Changchun 130018, China

Received:2022-01-04 Online:2022-11-26 Published:2022-11-26

摘要/Abstract

摘要： 针对受相同光照条件干扰图像的光照校正问题, 提出一种基于主成分分析的图像光照校正算法. 首先, 利用给定的多张图像构造协方差矩阵, 并计算特征值和特征向量; 然后, 根据特征向量构造一组标准正交基; 最后, 选择部分基底（主成分）重构图像. 实验结果表明，该算法能很好地消除光照影响, 同时保留图像的主要特征. 与经典算法进行对比验证了该算法的有效性.

关键词: 主成分分析, 图像处理, 光照校正, 特征向量

Abstract: Aiming at the illumination correction problem of the image interfered by the same illumination conditions, we proposed an image illumination correction algorithm based on principal component analysis. Firstly, a covariance matrix was constructed by using given multiple images, and the eigenvalues and eigenvectors were calculated. Secondly, a set of normal orthogonal bases was constructed according to the eigenvectors. Finally, a part of substrate principal component was selected to reconstruct the image.
The experimental results show that the algorithm can eliminate the influence of illumination and retain the main features of the image. Compared with the classical algorithm, the effectiveness of the algorithm is verified.

Key words: principal component analysis, image processing, illumination correction, eigenvector

中图分类号:

TP391.41

张震, 赵启鹏, 朱留存, 刘济尘, 罗俊琦, 魏金占, 李雪. 一种基于主成分分析的图像光照校正算法[J]. 吉林大学学报(理学版), 2022, 60(6): 1377-1382.

ZHANG Zhen, ZHAO Qipeng, ZHU Liucun, LIU Jichen, LUO Junqi, WEI Jinzhan, LI Xue. An Image Illumination Correction Algorithm Based on Principal Component Analysis[J]. Journal of Jilin University Science Edition, 2022, 60(6): 1377-1382.

[1]	张玉波, 王建阳, 韩爽, 王冬梅. 一种循环多尺度的图像盲去模糊网络[J]. 吉林大学学报(理学版), 2022, 60(4): 889-896.
[2]	王晓光, 管港云, 徐嘉铭, 李俊呈. 基于GPS和计算机图像识别的无人机导航系统[J]. 吉林大学学报(理学版), 2022, 60(4): 955-961.
[3]	鲍华良, 赵娅. 经典Marr-Hildreth边缘检测的量子实现[J]. 吉林大学学报(理学版), 2022, 60(3): 617-628.
[4]	肖红, 陈欣燕. 一种基于Gray码规则的彩色图像量子隐写方案[J]. 吉林大学学报(理学版), 2022, 60(3): 629-640.
[5]	张颖, 马承泽, 杨平, 王新民. 基于小波变换和改进PCA的人脸特征提取算法[J]. 吉林大学学报(理学版), 2021, 59(6): 1499-1503.
[6]	李鹏松, 李俊达, 倪天宇, 张琦, 胡建平. 基于图像特征的卷积核初始化方法[J]. 吉林大学学报(理学版), 2021, 59(3): 587-594.
[7]	袁倩影, 全海燕. 基于新进化优化BP学习算法的心音识别方法[J]. 吉林大学学报(理学版), 2020, 58(5): 1195-1201.
[8]	谭翔纬. 基于支持向量机和用户反馈的图像检索算法[J]. 吉林大学学报(理学版), 2020, 58(4): 899-905.
[9]	袁哲, 孙延君, 陈亮. 基于改进局部二值模式和梯度特征的计算机生成图像鉴别算法[J]. 吉林大学学报(理学版), 2019, 57(06): 1437-1441.
[10]	郭林, 孟旭东. 基于偏微分方程与多尺度分析的图像去噪算法[J]. 吉林大学学报(理学版), 2019, 57(04): 882-888.
[11]	莫才健, 田健榕, 武锋强, 陈莉, 邹强. 基于加权小波分析的遥感图像融合算法[J]. 吉林大学学报(理学版), 2018, 56(3): 617-624.
[12]	赵玉兰, 苑全德, 孟祥萍. 基于稀疏编码和机器学习的多姿态人脸识别算法[J]. 吉林大学学报(理学版), 2018, 56(2): 340-346.
[13]	董延华, 陈中华, 宋和烨, 黄雨. 改进特征匹配算法在银行卡号识别中的应用[J]. 吉林大学学报(理学版), 2018, 56(1): 126-129.
[14]	丁万宁, 李慧, 焦洪强. 多特征组合和用户反馈的图像检索算法[J]. 吉林大学学报(理学版), 2017, 55(06): 1511-1517.
[15]	王慧, 宋淑蕴. 基于KCPA提取特征和RVM的图像分类[J]. 吉林大学学报(理学版), 2017, 55(02): 357-362.