颜色恒常性是实现识别、分割和三维物体重建等视觉任务的重要前提。为使计算机视觉系统具有颜色恒常性感知功能,提出多通道特征置信度加权网络,在减少网络层数和模型参数的同时充分提取图像中的特征;通过多通道置信度加权方法利用每个通道中可以为光源估计提供更多信息的特征准确估计出全局场景光源。在基于重处理的ColorChecker和NUS-8数据集上的实验结果表明,本文算法通过对特征从多通道进行置信度加权,在各项评价指标上均优于目前的颜色恒常性算法,提高了算法的精确性和稳健性,可应用于需要进行色彩校正的计算机视觉任务。

为了解决特征融合目标跟踪(Staple)算法在复杂场景中固定权重融合方式的局限性,在其基础上进行改进并引入通道置信度,提出了一种自适应特征融合与通道加权的抗遮挡相关滤波跟踪算法。先引入多维特征描述,根据每个通道上滤波模板的响应峰值,计算通道权重;再根据特征模型的响应结果,计算模型的可靠性,确定模型的融合权重,从响应结果的角度完成特征融合;最后根据历史帧的平均峰值相关能量,以及当前帧图像与前一帧图像的均方误差,来判断目标的遮挡情况,并进行模型更新。在OTB-2013和OTB-100数据集上进行实验,与Staple算法相比,所提算法的成功率和精确度均有所提高,并在多项具有挑战的属性上表现较佳。