AlexNet中的图片增强--基于PCA的RGB三通道色彩抖动

在阅读完AlexNet的论文之后有感而发。

这篇论文开创性地使用了很多卷积神经网络中结构，小技巧，非常建议大家去精读一遍，这篇神经网络奠基级别的论文。

概要

在AlexNet中介绍了一种基于PCA的色彩增强的方法，效果就是图片的明度（明亮程度）会发生整体的变化，并且没有发生图片结构的改变或色差的明显变化。

效果如下图:

• 图像的亮度发生了明显的变化，有的暗，有的亮，而且图片的主要事物的轮廓还是十分清晰，没有发生改变；
• 事物的主导颜色没有发生变化（上面树叶的主导色绿色没有发生变化）；
• 图片的相对色差没有发生改变，（原来图片暗的地方和亮的地方的对比度仍然存在）

论文中的实现方法

这里我简要地说一下论文中的实现方法：
实现步骤：

1. 将图片按照RGB三通道进行normalization处理，均值为0，方差为1。
   值得一提的是，按照RGB三通道进行处理，因为我们进行的是色彩增强，在RGB 三通道的图片中，决定图像色彩的是RGB之间的相对关系，我们不能改变三通道内部的像素值分布。
2. 将图片按照channel展平成大小为(?, 3)的array
3. 求上述array的协方差矩阵
4. 对协方差矩阵进行特征分解
5. 下式的$\mathbf{p}$ 是特征向量，$\lambda$是特征值, $\alpha$即为我们添加的抖动系数
   [ p 1 p 2 p 3 ] [ α 1 λ 1 α 2 λ 2 α 3 λ 3 ] T \begin{bmatrix}\mathbf{p}_1 & \mathbf{p}_2 & \mathbf{p}_3\end{bmatrix} \begin{bmatrix}\alpha_1\lambda_1 & \alpha_2\lambda_2 & \alpha_3\lambda_3 \end{bmatrix}^T