本發明涉及雪茄煙晾制夜間圖像自然色恢復，具體涉及一種自適應校正的雪茄煙晾制夜間圖像自然色恢復方法。

背景技術：

1、隨著圖像處理技術在煙草行業的廣泛應用，應用場景已囊括煙葉田間監測、陰雨天氣農情監測、雪茄煙晾制監測等煙葉生產環節。雪茄煙晾制過程是確保其品質的關鍵環節，需要全天候監控以記錄煙葉狀態。然而，由于晝夜光照條件的差異，圖像采集過程中存在顯著的色彩不一致問題。白天拍攝的圖像依賴自然光，色彩還原度較高，能夠真實反映煙葉的實際狀態；而夜間拍攝則需要使用人工補光燈（如led燈），導致圖像的色溫和色調與白天存在明顯差異，煙葉顏色呈現不自然，整體圖像色彩偏差較大。這種晝夜圖像色彩不一致性不僅影響了煙葉晾制過程的連續監控質量，還增加了后續雪茄煙晾制階段劃分提供了復雜性，甚至可能干擾基于計算機視覺的自動化分析系統，降低數據的可靠性和一致性，制約了其在雪茄煙晾制中的實際應用。

技術實現思路

1、本發明的目的在于克服現有技術的不足，提供一種自適應校正的雪茄煙晾制夜間圖像自然色恢復方法。

2、本發明的目的是通過以下技術方案來實現的：

3、本發明公開了一種自適應校正的雪茄煙晾制夜間圖像自然色恢復方法，包括以下步驟：

4、s1、輸入圖像，從網絡或硬盤上獲取雪茄煙晾房中的煙葉晾制圖像；從獲取的煙葉晾制圖像中加載出第一雪茄煙夜間圖像和第一參考圖像數據集；

5、s2、圖像預處理，分別對第一雪茄煙夜間圖像和第一參考圖像數據集進行圖像預處理，獲得第二雪茄煙夜間圖像和第二參考圖像數據集；

6、s3、深度特征提取，分別對第二雪茄煙夜間圖像和第二參考圖像數據集中的圖像特征進行計算，得到第二參考圖像數據集中的最佳圖像；

7、s4、顏色遷移，以步驟s3獲得的最佳圖像為基準，基于特征相似度所對應的自適應顏色，對第二雪茄煙夜間圖像進行顏色遷移，獲得第三雪茄煙夜間圖像；

8、s5、圖像調整，對第三雪茄煙夜間圖像進行對比度調整、飽和度調整和亮度調整；

9、s6、圖像融合，對圖像調整之后的第三雪茄煙夜間圖像進行加權融合、直方圖均衡化和最終融合，獲得并輸出雪茄煙夜間校正圖像。

10、進一步地，步驟s2所述的預處理具體包括以下步驟：

11、s21、通過公式對第一輸入圖像進行歸一化處理，獲得第一圖像，其中，所述第一輸入圖像包括第一雪茄煙夜間圖像和第一參考圖像數據集，表示第一輸入圖像的最大值，表示第一輸入圖像的最小值，（x，y）表示圖像坐標點，x表示水平方向的坐標；y表示垂直方向的坐標；

12、s22、通過公式對第一圖像進行z-score標準化，獲得第二圖像，其中表示第一圖像中各顏色通道的均值，表示第一圖像中各顏色通道的標準差；之后通過公式對第二圖像的均值進行計算，其中表示第二圖像的寬度，表示第二圖像的高度，表示第二圖像的均值；最后通過公式對第二圖像的標準差進行計算，其中表示第二圖像的標準差；

13、s23、通過公式對第二圖像進行高斯濾波，獲得第三圖像；

14、s24、通過公式對第三圖像進行雙邊濾波，獲得第四圖像，所述第四圖像包括第二雪茄煙夜間圖像和第二參考圖像數據集， ω(x,y)表示第三圖像圖像坐標點(x,y)的鄰域，表示圖像坐標點處的第三圖像值，表示空間高斯核，表示空間高斯核的標準差，表示圖像坐標點(x,y)和圖像坐標點之間的空間距離，表示值域高斯核，表示值域高斯核的標準差，表示圖像坐標點(x,y)和圖像坐標點之間的像素值差異，表示歸一化因子，且其權重和為1，其計算方式為。

15、優選地，所述步驟s3具體包括以下步驟：

16、s31、通過公式對第四圖像進行卷積運算，提取其局部特征，捕獲其局部紋理特征和邊緣特征，其中表示輸出特征圖在圖像中坐標為處的值，表示圖像在坐標處的像素值，表示卷積核在相對位置處的權重值；

17、s32、通過relu激活函數去除的負值，增加其非線性，防止梯度消失；

18、s33、通過公式進行圖像批次均值計算，其中表示圖像批次的均值，表示步驟s32中relu函數的輸出值，m表示批次大小；之后通過公式對圖像批次方差進行計算，最后通過公式和進行批歸一化計算，其中表示防止除零的常數，γ表示可學習的縮放參數，β表示可學習的平移參數，表示在坐標（ i， j）的歸一化特征值；

19、s34、通過公式對批歸一化的結果進行自適應池化，其中表示自適應平均池化；

20、s35、計算特征相似度，具體包括通過公式計算特征向量的相似程度，其中表示圖像的特征向量，表示圖像的特征向量，表示特征向量的第i個分量，表示特征向量的第i個分量，表示特征向量的l2范數，表示特征向量的l2范數，n表示向量的長度，表示特征向量和特征向量的相似程度。

21、優選地，步驟s4具體包括以下步驟：

22、s41、通過公式計算自適應權重，其中表示顏色遷移權重，表示特征權重系數，min（，）表示函數，用于將結果限制在[0,?1]內；

23、s42、通過公式對第四圖像進行顏色遷移，獲得第五圖像，所述第五圖像包括第三雪茄煙夜間圖像，其中，表示第二參考圖像數據集的參考圖平均值。

24、優選地，步驟s5具體包括以下步驟：

25、s51、通過公式對第五圖像的對比度進行調整，獲得對比度調整結果，其中表示第五圖像的最小值，表示第五圖像的最大值；

26、s52、通過公式對第五圖像的飽和度進行調整，獲得飽和度調整結果，其中γ表示飽和度指數；

27、s53、通過公式對第五圖像的亮度進行調整，獲得亮度調整結果，其中表示對比度參數，表示亮度參數。

28、優選地，步驟s6具體包括以下步驟：

29、s61、通過公式融合對比度調整結果、亮度調整結果和飽和度調整結果，平衡處理效果，其中表示亮度調整結果的分量權重，表示對比度調整結果的分量權重，表示飽和度調整結果的分量權重，并且；

30、s62、通過公式對第二輸入圖像中的各個通道進行局部直方圖均衡化，所述第二輸入圖像包括圖像調整之后的第三雪茄煙夜間圖像；其中表示第二輸入圖像的通道圖的局部值，表示當前局部區域內的最大通道值，表示當前局部區域內的最小通道值；

31、s63、通過公式進行范圍裁剪，其中表示最小允許值，表示最大允許值。

32、本發明的有益效果是：

33、1）本方案提出的自適應校正的雪茄煙晾制夜間圖像自然色恢復算法，采用零樣本自適應校正圖像處理技術，突破了傳統增強方法和深度學習算法在雪茄煙晾曬復雜環境下的應用瓶頸。

34、2）本發明在確保計算高效的基礎上，全面校正了雪茄煙夜間圖像：有效調整了雪茄煙夜間晾制圖像的色溫和色調與白天存在的明顯差異，縮減了圖像色彩偏差、實現準確的色彩還原。

35、3）本發明在雪茄煙夜間晾制條件下的圖像校正效果顯著，能進行復雜環境下雪茄煙晾制夜間圖像的還原，填補了當前雪茄煙夜間圖像校正算法的空白。