1.一种色彩校正后的数字图像精确恢复原图的方法，其特征在于，包括以下步骤：S101，将色彩校正后的图像分离为饱和与非饱和区域，找出在原图中分别对应的区域；

S102，基于K‑means聚类，提取非饱和区域的颜色缩略矩阵，构建建模数据集；

S103，基于最小二乘支持向量机，建立从色彩校正后的图像至原图的非线性变换模型；

S104，利用建立的LSSVM模型，估算针对饱和区域的误差补偿矩阵；

S105，将LSSVM变换模型参数及误差补偿矩阵作为图像恢复模型，嵌入色彩校正后的图像；

S201，从嵌有恢复模型的图像中提取模型参数，还原图像恢复模型；

S202，根据S201所得的基于LSSVM的非线性变换图像恢复模型，对色彩校正后的图像进行恢复；

S203，利用S104所得误差补偿矩阵，进一步对S202所得恢复图像进行误差补偿。

2.根据权利要求1所述的色彩校正后的数字图像精确恢复原图的方法，其特征在于，所述S101具体为：

记色彩校正后的图像为Ic，原图为Io；在Ic中饱和区域为Ic_s，其余部分为非饱和区域，记为Tc_s，即 色彩校正后的图像中的饱和区域在原图Io中对应的区域为Io_s，其余部分记为 即 图像中RGB每个颜色通道的灰度级为L，即每一颜色分量的范围为[0，L‑1]，遍历图像每个像素的各颜色分量值，若每一颜色分量值均处于[0，L‑1]范围，则认为该像素处于非饱和区域；若任一颜色分量值为0或L‑1，则认为该像素处于饱和区域；

记录所有处于饱和区域的像素的行、列位置(ui，vi)，构成位置序列ns为饱和区域的像素个数。

3.根据权利要求1所述的色彩校正后的数字图像精确恢复原图的方法，其特征在于，所述S102具体过程包括：

(a)像素颜色去重，即对Ic的非饱和区域c_s中相同颜色的像素点只保留一个，去掉其余颜色重复的像素点，得到像素缩略点集φ；

(b)像素分块，记φ中像素个数为nφ，以Nφ个像素为一组，Nφ取25～100，将所有像素随机划分为M块：Ib1，Ib2，…，IbM，当nφ能被Nφ整除时， 当nφ不能被Nφ整除时，前M‑1个像素块中像素个数为Nφ，第M个像素块中像素个数为Mod(nφ，M)，其中floor(·)为取整函数，Mod(·)为求余数函数；

(c)对所有像素块逐一按照颜色值进行K‑means聚类，记第j个像素块Ibj的聚类数量为kj，j＝1，2，…，M；首先令kj＝1，计算聚类中心至每个像素颜色的欧式距离d，若距离的最大值dmax小于阈值η，停止聚类；否则令kj＝kj+1，重新进行聚类，并判断每类中的距离最大值dmax是否都小于阈值η，若是，停止聚类，若否，继续令kj＝kj+1，重新进行聚类，……；直至每一类中所有像素到该聚类中心的距离的最大值dmax都小于阈值η；阈值η可在5至8之间选取；

聚类停止时的kj为像素块Ibj的最终聚类数量，分别找到这kj个聚类中离该类聚类中心的距离最小的像素Pmin，i、离该类聚类中心的距离最大的像素Pmax，i，由此构建得到像素块Ibj的缩略点集：

所有M个像素块Ib1，Ib2，…，IbM将得到的M个点集，合并得到像素缩略点集(d)记像素缩略点集φ中像素个数为nφ，令分块数量 对φ重新随机划分；当nφ能被M整除时，每个像素块中像素数量为 当nφ不能被M整除时，前M‑1个像素块中像素个数为 第M个像素块中像素个数为Mod(nφ，M)，其中floor(·)为取整函数，Mod(·)为求余数函数；分块后，重新按照上述步骤(c)方法对所有像素块逐一按照颜色值进行K‑means聚类，得到新的像素缩略点集φ；如此循环迭代，直至分块数量M＝1，得到最终的像素缩略点集φ；

(e)构建颜色缩略矩阵，记最终的像素缩略点集φ中像素个数为N，每个像素的颜色值在Ic中的位置构成的序列为PN＝{(ui，vi)，i＝1，2，…，N}，(ui，vi)表示第i个像素在Ic中的行、列位置，φ中的像素颜色在Ic中有多个像素对应时，随机选择一个即可，记PN在Ic、Io中对应的像素颜色值分别构成颜色缩略矩阵Ic_th、Io_th，表示如下：式中r、g、b分别表示像素的红、绿、蓝颜色分量值。

4.根据权利要求1所述的色彩校正后的数字图像精确恢复原图的方法，其特征在于，所述S103具体过程包括：

将步骤S102所得颜色缩略矩阵Ic_th、Io_th中的N行数据分别作为输入输出训练样本，得3

到N个样本点{xi，yi}，i＝1，2，…，N，其中xi∈R 作为输入，表示Ic_th的像素点的RGB颜色值，3

yi∈R作为输出，表示Io_th的像素点的RGB颜色值，构建线性矩阵方程：T T T

式中y＝[y1 y2…yN]，Il＝[1 1…1]是N维全1向量，INN是N×N维全1矩阵，α＝[α 1α2…αN] ，Ω为核函数矩阵，为N×N方阵，其第k列、l行的元素为K(·，·)为核函数，采用如下形式高斯径向基核函数： 式中σ为核宽度，优选地，惩罚因子γ可取10～20，核宽度σ可取0.01～0.1；求解上述矩阵方程得α及b，从而得到基于LSSVM的非线性变换模型为：

5.根据权利要求1所述的色彩校正后的数字图像精确恢复原图的方法，其特征在于，所述S104具体为：

将色彩校正后的图像Ic中像素的RGB颜色分量作为输入量，利用S103所得LSSVM非线性变换模型进行计算，得到一组RGB颜色分量的预测输出值；将预测输出值作为像素的颜色分量，像素位置保持与Ic中像素位置一一对应，得到原图预测图像Iop；记原图Io与原图预测图像Iop的差为D＝Io‑Iop，即D中每个像素的值为Io、Iop对应像素的颜色分量的差；在D中，保持步骤S101所得的位置序列 中所列位置处的像素颜色分量值不变，其余位置的像素的颜色分量值均置为0；由此，以所得的D作为误差补偿矩阵。

6.根据权利要求1所述的色彩校正后的数字图像精确恢复原图的方法，其特征在于，所述S105具体为：

以JPG格式保存色彩校正后的图像Ic，同时将步骤S103中所得的LSSVM模型的参数α、b，步骤S103中选取的γ、σ值，以及步骤S104所得的误差补偿矩阵D的值，依次保存至该JPG图像的注释域中；α、b、γ、σ、D的值分别保存在注释域的第一、二、三、四、五字段中；由于D为稀疏矩阵，可采用稀疏矩阵存储方式保存。

7.根据权利要求1所述的色彩校正后的数字图像精确恢复原图的方法，其特征在于，所述S201具体为：

读取应用了步骤S105并存储有图像恢复模型参数的JPG图像文件，记为Ia，同时读取该图像注释域的内容，依次解析出注释域中的第一、二、三、四、五字段的内容，分别赋值给拉格朗日乘子向量α、偏置量b，惩罚因子γ、核宽度σ、误差补偿矩阵D，根据S201所得的参数α、b、γ、σ，还原得到S103所得的LSSVM的非线性变换模型。

8.根据权利要求1所述的色彩校正后的数字图像精确恢复原图的方法，其特征在于，所述S202具体为：

遍历S201所得的需要恢复的图像Ia的所有像素，按照从左至右、从上至下的顺序，将像素的RGB颜色分量作为输入量，输入至S201所得的LSSVM非线性变换模型，预测得到对应的输出值；将预测输出值作为像素的颜色分量，像素位置保持与Ia中像素位置一一对应，得到初步恢复的图像Iao。

9.根据权利要求1所述的色彩校正后的数字图像精确恢复原图的方法，其特征在于，所述S203具体过程为：

将S201所得的以稀疏存储方式存储的误差补偿矩阵D恢复成行列数与Ia一致的矩阵，记为Dr；最终得到误差补偿后的恢复图像Ir＝Iao+Dr，式中Iao为步骤S202所得初步恢复的图像，加法表示图像像素的各颜色分量值分别相加。