基于深度学习的图像色彩一致性算法设计

为了提高色彩一致性算法的精度和速度，提出1种基于卷积神经网络(CNN)的图像色彩一致性算法。所使用的CNN由2个卷积层、1个池化层和2个全连接层组成，以图像块为输入，而非之前常用的手工特征。此外，不同于之前的CNN算法，所提算法在局部区域进行，能够结合特征学习和回归形成一个端到端的优化过程。试验结果表明，所提算法在标准的原始RAW图像数据集上表现良好，且优于对比的基于假设和基于统计学习的算法。所提算法为使用CNN解决多光源问题提供了思路。