使用CNN进行光源颜色估算：matlab白平衡项目

项目在Peter Van Beek教授的监督下，作为“ura项目”的一部分进行。项目的主要动机和目标是解决照明颜色对图像中对象表面颜色的影响问题，通过分析图像的特征来估计光源颜色，并恢复在白色照明下的表面颜色。 具体实施过程中，原始图像通常位于RGB颜色空间中。为了便于分析，将RGB颜色空间中的图像转换或归一化为rg颜色空间。转换的方法是将RGB空间中的R、G、B三个分量进行归一化处理，得到rg空间中的r和g分量，以及通过计算得到的b分量。这种转换可以帮助神经网络更好地处理颜色信息，以便估算光源颜色。 项目中尝试了三种不同的神经网络模型来完成任务，包括全连接模型、卷积模型和残差网络。全连接模型使用了Cheng-Prasad-Brown的特征，并且是一个结构简单的两隐藏层全连接网络。隐藏层的大小是可配置的，通过命令行参数可以轻松调整网络的复杂度。该项目被设计为开源，方便其他研究者和开发者参考和贡献。 文件名称列表中的“white_balance_nn-master”表示该项目代码的根目录文件夹，其中可能包含了模型的定义、训练代码、测试代码以及相关的数据预处理和结果分析工具。该项目的开源性质意味着可以在此基础上进行进一步的研究和开发，也可以为解决类似问题提供参考。 系统开源标签意味着项目的所有代码和资源都是公开可获得的，任何人都可以自由地查看、修改和分发代码，同时也意味着社区可以共同协作，不断改进算法和实现。开源软件的一个重要特点就是共享和协作，这有助于推动技术的发展和创新。 整体而言，该MATLAB项目涉及了图像处理、机器学习、深度学习等多个领域，强调了理论与实践的结合，通过实际的数据和算法来解决现实世界中的问题。同时，该项目也体现了开源文化的开放性和协作精神。"