图像序列颜色校正是计算机视觉和图像处理等领域的一个研究热点,在立体视觉和遥感图像融合等方面有广泛的应用前景。当前的算法主要集中于通过全局算法来解决在相同场景下得到的图像序列间颜色不一致的问题,但是容易在局部区域发生校正后与颜色真实值不一致的情况。因此,如何尽可能的使校正后的图像颜色与参考图像一致成为许多学者致力解决的一个难题。SIFT特征点对旋转、尺度缩放、仿射变换等图像变换具有不变性,可以在物体运动、遮挡、噪声等因素下,实现差异较大的两幅图像特征之间的匹配。基于此,本文利用图像区域之间的颜色对应关系来获得准确的校正信息。这样做可以提高校正后图像局部区域的颜色的准确度,降低校正的错误率。本文结合多尺度的思想和方法提出了一种基于多尺度区域的局部颜色校正算法。在校正时,首先对待校正图像进行图像分割,接下来借助于两幅图像间SIFT特征点的匹配结果来获取合适的校正信息,在此基础上,对图像进行准确的校正。针对其中的各个环节,本文所做的工作如下:1)通过比较国内外主流的图像分割方法,采用参数设置简单、分割速度较快的均值偏移方法完成对参考图像的分割。2)在区域对应环节中,采用基于SIFT特征点的匹配算法。依据该算法可以得到理想的校正信息。3)在区域校正时,考虑到单次校正存在的部分区域得不到有效校正的情况,基于多尺度思想对所有区域进行多次校正以获得更理想的校正结果。首先根据区域的颜色和纹理信息对其进行合并处理,然后依据所获取的更准确的校正信息,对合并区域进行再校正。重复多次,直到所有区域都得到有效的校正为止。实验结果表明,相比其他算法,本文算法可以有效的提高图像颜色校正的准确率。