NIR-EIGCCNet：一种近红外边缘信息引导的色彩恒常性方法

《Optics & Laser Technology》：NIR-EIGCCNet: A near-infrared edge information-guided color constancy method

　　

Xingyu Hu|Minjie Wan|Xiaofang Kong|Guohua Gu|Qian Chen

摘要

在低照明等恶劣成像条件下，可见光图像常常会出现严重的颜色失真以及细节丢失问题。虽然RGB-NIR（RGBN）成像系统能够利用近红外光信息来增强图像的结构特征，但由于滤光片之间的光谱串扰会导致整体颜色偏差，同时表面反射率的空间变化也会造成局部颜色失真，从而降低成像质量。为了解决这些问题，本文提出了一种以近红外边缘信息为引导的颜色恒常性框架——NIR-EIGCCNet。该方法采用多尺度边缘引导融合架构，借助明确的近红外结构先验来有效弥补可见光通道中缺失的纹理细节。为进一步减少不同成像机制带来的差异，还引入了基于强度门控的统计特征对齐机制，动态纠正由不同成像机制导致的特征分布偏移。此外，还设计了一个专门的颜色校正模块，通过空间和通道级注意力机制共同抑制全局光谱串扰和局部颜色失真。在OMSIV数据集上进行的大量实验表明，所提方法具有显著效果。NIR-EIGCCNet的平均峰值信噪比可达26.053 dB，平均$\mathrm{\Delta }{E}_{00}$值为5.179，其在PSNR指标上的表现比第二好的方法高出1.230 dB，在上述另一个指标上的优势则为1.533。这些结果证明，所提方法能够有效减轻颜色偏差，同时保留精细的结构细节，从而显著提升整体图像质量。我们的代码可在https://github.com/MinjieWan/NIR-EIGCCNet处获取。