渐进式多尺度特征级联融合颜色恒常性算法

颜色恒常性是实现目标检测、三维物体重建、自动驾驶等计算机视觉任务的重要前提。为充分利用图像中不同尺度的特征信息估计光源，提出渐进式多尺度特征级联融合颜色恒常性算法，通过三个卷积网络分支从不同尺度提取图像中的特征信息，通过特征融合得到更加丰富的特征信息，通过级联方式将图像中的浅层边缘信息和深层细粒度特征信息进行融合，提高了颜色恒常性算法的精确性。渐进式网络结构基于加权累计角度误差损失函数提高了算法在面对极端场景光照下光源估计的鲁棒性。在重处理的ColorChecker和NUS-8数据集上的实验结果表明，本文算法在各项评价指标上均优于目前的颜色恒常性算法，可应用于需要进行颜色恒常性预处理的其他计算机视觉任务。