本篇论文来源于遥感学报，提出了一种基于遥感自动分类和lαβ颜色空间变换的色彩校正方法。

色彩校正方法流程图

1.自分类

  首先利用非监督分类方法将影像中的各种地物进行分类，分类数据的依据为图像直方图中峰的个数。通过分类将不同地物进行区分，在建立色彩校正模型时分开进行，充分考量不同地物的特性所带来的色彩差异。

  统计分布一致性方法是以两景图像的颜色分布和组成基本一致为基础的, 如果地物组成种类差异较大造成颜色组成和分布差异较大, 即在数据直方图上表现为多峰状态, 多峰数据分布不同, 单一的使用线性统计方法是很难使颜色协调到一致的。色彩校正中, 既要考虑图像整体色彩的协调性, 又要考虑不同地物种类的特殊性, 所以如果图像中地物组成种类差异较大(多峰), 则不能简单使用线性统计分布一致性方法。为了使整个图像中各种地物组成能够有较好的校正一致性, 本研究应用遥感自分类方法首先把图像按照直方图中峰的个数分类。遥感自分类中最常用的是非监督分类(ISODATA)。

2.分类结果 lαβ 颜色空间变换

  需要先将RGB颜色空间转换到LMS颜色空间，再将 LMS 颜色空间转换到对数 LMS 空间（消除由RGB转LMS所带来的统计分布的偏移），最后把图像从对数 LMS颜色空间转换到 lαβ 颜色空间。

  由于遥感图像获取通道以及常用 RGB 颜色空间 3 个通道之间存在一定的相关性, 在各个分类结果色彩校正中, 为了消除通道间相关性, 本研究选
用了 Ruderman 等(1998)提出的 lαβ颜色空间。其特点是这一颜色空间对于大多数自然场景的图像具有通道之间最小的相关性。其中, 颜色空间三分量 lαβ分别代表了无色组分, 黄-蓝组分和红-绿组分。

转换过程：

• （1） RGB 转 LMS

  
  RGB 转 LMS
  

  分解步骤如下：

• 从RGB空间到CIE XYZ空间的转换

  
  从RGB空间到CIE XYZ空间的转换

• 从CIE XYZ空间到LMS空间的转换

  
  从CIE XYZ空间到LMS空间的转换

• （2）LMS对数转换

  
  LMS对数转换

• （3）对数LMS转lαβ

  
  对数LMS转lαβ

3.线性模型亮度、颜色校正（这一趴需要自己深化）

  建立各个类别的亮度、颜色校正线性模型，主要参数是均值和方差，通过分类类别距离计算权重优化标准房差。

校正模型，Hertzmann, 2001

  分别计算 lαβ颜色空间变换后参考图像和待校正图像各个类别的均值和方差。其中, 参考图像部分表示为μi2 和σi2, 待校正图像部分表示为μi1 和σi1,用于代表第 i 个类别的数据分布状况。
  为了消除各类别标准方差不一致可能导致的各类别 嵌时拼接缝的问题 鑲 , 计算各像元对相应类别的中心(均值)的距离, 将所得距离除以各个类别的标准方差后作为距离权重参数, 利用反向归一化权重方法, 将反向归一化距离权重参数乘以各个类别的校正值后求得对应像元的最终校正值, 以保证图像整体色彩协调。

4.校正后 lαβ颜色空间反变换

  将获得的结构最终转换为RGB输出。

lαβ转RGB