林业机器人属于特种机器人范畴,可以替代人工活动,在林业作业方面有着非常重要的作用。颜色作为物体最直观、最显著的表现,是林业机器人识别不同目标的一个重要特征。但是,被摄物表面的颜色易受到场景光照影响,使得林业机器人获取的图像颜色失真。在机器视觉领域中,减少或在理想情况下消除光照对图像的影响,从而恢复图像的颜色信息,称为颜色恒常性。面向林业机器人所处的特殊环境,如何使图像得到较好的颜色恢复,是该文的研究目的。实现颜色恒常性有两种方法:第一种是通过对图像的场景光照颜色的RGB值进行估计,然后根据对角模型对该图像的颜色进行恢复,即光照估计算法;第二种是提取图像中对光照鲁棒的特征,即提取颜色不变子。该文主要面向林业机器人,围绕光照估计算法开展研究。针对林业机器人所在的场景,在对光照估计算法进行了深入的综述分析的基础上进行了如下几方面的研究:(1)改进了基于底层像素的光照估计算法,该方法利用零范数平滑增加图像颜色的可信度;(2)提出了基于图像场景特征的光照估计算法。该方法首先提取图像集中每个图像的特征,然后根据每幅图像的特征,确定与测试图像特征相似的K幅图像,最后根据K个被选图像的标准光照RGB值,计算加权平均数,得到测试图像的光照RGB值;(3)提出了基于场景分类的光照估计算法。该算法先采用支持向量机对测试图像的场景种类进行分类,然后利用该场景对应的最优光照估计算法对测试图像进行光照RGB值估计。最后,在包含了林业场景的图像集中,作者将提出的三个算法与经典的颜色估计算法进行对比分析,结果表明提出的三个算法在该图像集中总体优于其它对比算法,说明相对于其它对比的光照估计算法而言,本文提出的算法更适合于林业机器人的工作环境。在提出的三个算法中,基于图像场景特征的效果最好,其次为基于场景分类的光照估计算法,最后是基于零范数平滑的光照估计优化算法。