一種基于改進(jìn)的slic超像素分割算法的顏色識(shí)別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及計(jì)算機(jī)視覺和圖像識(shí)別技術(shù)領(lǐng)域，具體涉及一種基于改進(jìn)的SLIC超 像素分割算法的顏色識(shí)別方法。
【背景技術(shù)】
[0002] 彩色圖像相對(duì)于灰度圖像具有更多的信息量，彩色圖像的顏色識(shí)別在實(shí)時(shí)檢測(cè)系 統(tǒng)及自動(dòng)控制方面具有重要的意義，其在現(xiàn)代生產(chǎn)和科研方面都取得了越來越廣泛的應(yīng) 用，比如在遙感技術(shù)、工業(yè)過程控制、材料的分揀識(shí)別、圖像識(shí)別和產(chǎn)品質(zhì)量檢測(cè)等方面都 取得了廣泛的應(yīng)用。
[0003] 傳統(tǒng)的彩色圖像識(shí)別技術(shù)通常是基于RGB顏色空間對(duì)圖像中的每個(gè)像素進(jìn)行顏 色判斷，這樣比較耗時(shí)也不利于圖像的整體分析。由于圖像顏色一般都是漸變的，一種顏色 不會(huì)僅有一個(gè)像素，因此為了提高圖像的處理速度，首先需要對(duì)圖像進(jìn)行超像素聚類，然后 每個(gè)區(qū)域僅需要判斷一次顏色，從而大大減小了運(yùn)算量，提高了處理速度。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于提供一種基于改進(jìn)的SLIC超像素分割算法的顏色識(shí)別方法， 該方法首先對(duì)圖像進(jìn)行超像素聚類，然后判斷每個(gè)區(qū)域的顏色；相對(duì)于以往對(duì)每個(gè)像素進(jìn) 行判斷大大減小了運(yùn)算量，提高了處理速度。
[0005] 為實(shí)現(xiàn)上述目的，本發(fā)明采用了以下技術(shù)方案：
[0006] -種基于改進(jìn)的SLIC超像素分割算法的顏色識(shí)別方法，步驟如下：
[0007] (1)加載Lab顏色模式樣本集；
[0008] (2)獲取待識(shí)別的目標(biāo)彩色圖像并對(duì)該目標(biāo)彩色圖像進(jìn)行濾波、校正預(yù)處理；
[0009] (3)用SLIC超像素分割算法對(duì)預(yù)處理后的目標(biāo)彩色圖像進(jìn)行處理，分割出多個(gè)不 同的超像素區(qū)域；
[0010] (4)對(duì)經(jīng)步驟（3)分割出的每個(gè)超像素區(qū)域進(jìn)行均值處理，使每個(gè)單個(gè)超像素區(qū) 域內(nèi)的所有像素值是相同的，其均值" =，式中：
[0012] 其中：隊(duì)表示第1^個(gè)區(qū)域的像素個(gè)數(shù)，1^、\、1^表示對(duì)應(yīng)1^顏色模式中三通道的 像素值；
[0013] (5)將超像素區(qū)域中的一個(gè)像素值與步驟⑴中加載的樣本集中顏色利用馬氏距 離進(jìn)行比較，馬氏距離最小值所對(duì)應(yīng)的顏色即為該超像素區(qū)域的顏色，馬氏距離計(jì)算公式 為：
[0015] 式中：Lah表示第i個(gè)超像素區(qū)域內(nèi)的一個(gè)像素的顏色值，Lab sj表示Lab顏色模 式樣本集中的第j類樣本中第i個(gè)像素的顏色值，S 1為協(xié)方差矩陣S的逆，T表示矩陣的 轉(zhuǎn)置。
[0016] 進(jìn)一步方案，所述步驟（2)中的對(duì)目標(biāo)彩色圖像進(jìn)行濾波、校正預(yù)處理是指先利 用中值濾波器對(duì)其進(jìn)行平滑圖像和抑制噪聲處理，然后對(duì)其進(jìn)行g(shù)amma校正，以提高彩色 圖像的對(duì)比度。
[0017] 更進(jìn)一步方案，所述gamma校正是對(duì)目標(biāo)彩色圖像中RGB進(jìn)行非線性色調(diào)編輯，則 RGB中紅、綠、藍(lán)三個(gè)通道的顏色R、G、B分別如下：
[0020] r，g，b為像素三個(gè)通道值，取值范圍均為[0, 255]。
[0021] 進(jìn)一步方案，所述步驟（3)中的用SLIC超像素分割算法對(duì)預(yù)處理后的目標(biāo)彩色圖 像進(jìn)行處理的步驟如下：
[0022] (a)首先將目標(biāo)彩色圖像從RGB空間轉(zhuǎn)化為L(zhǎng)ab空間供后續(xù)超像素分割所用；
[0023] (b)初始化目標(biāo)彩色圖像被分割成超像素區(qū)域的類別數(shù)量K和迭代次數(shù)；對(duì)于像 素大小為N的彩色圖像，以步長(zhǎng)
初始化聚類中心，即以寬、高間隔為s取像素點(diǎn)為 聚類中心點(diǎn)，聚類中心用五維向量表示為Ci= [1 i, a;, bi, Xi, yj'其中（li, a;, bi)表示第i 個(gè)聚類中心的顏色值，（Xl，yi)為第i個(gè)聚類中心的坐標(biāo)值，T表示轉(zhuǎn)置；第i個(gè)聚類中心Q 與其周圍像素點(diǎn)的距離d(i)在初始化時(shí)為無窮大，即d(i) =°°。
[0024] (c)在以聚類中心Q為中心點(diǎn)的3*3區(qū)域內(nèi)，比較兩兩像素之間的梯度大小，并將 聚類中心(；移到梯度最小的區(qū)域SCk，從而避免聚類中心是邊緣點(diǎn)和噪聲點(diǎn)，其中兩兩像 素之間的梯度G(x，y)定義如下：
[0026] 式中V表示像素的五維向量，即為V[L，a，b，X，y]，其中（L，a，b)表示像素的顏色 值，（x，y)表示像素的坐標(biāo)值；
[0027] (d)在移動(dòng)后的聚類中心(；的2sX2s鄰域內(nèi)比較每個(gè)像素到聚類中心的空間距 離，其中2sX2s鄰域指的是以聚類中心(；為中心的2sX2s區(qū)域的所有像素，s為步驟（b) 中的步長(zhǎng)大小，也就是聚類中心的周圍區(qū)域；然后更新聚類中心，具體如下所示：
[0030] 上兩式中：03表示為第i個(gè)像素到聚類中心Ck的空間距離；C kn為更新后的聚類中 心的五維向量；
[0031] Lab;表示第i個(gè)像素的彩色值：Lab ;= [L ;，a;, bd ;Labk表示聚類中心C k的彩色 值 Labk= [Lk,ak,bk];
[0032] Si表示第i個(gè)像素的二維空間位置坐標(biāo)，S1= [Xl，yi]T，Sk表示聚類中心Ck的二 維空間位置坐標(biāo)，Sk= [xk，yk]T;
[0033] NlajP N s分別為彩色和空間距離的歸一化常數(shù)；
[0034] Gk表示聚類中心Ck所表示的聚類區(qū)域，Nk表示聚類中心C kft所包含的像素?cái)?shù)量；
[0035] (e)比較步驟（b)中聚類中心Q與周圍像素點(diǎn)的距離d(i)和步驟⑷中像素到 聚類中心Ck的空間距離D s之間的大小，若Ds〈d(i)，則更新聚類中心使d(i) = Ds，并通過 標(biāo)簽記錄此時(shí)的位置；
[0036] (f)反復(fù)執(zhí)行步驟（d)、（e)，直到達(dá)到步驟（b)所設(shè)定的迭代次數(shù)；
[0037] (g)比較兩兩相鄰的更新后的聚類中心區(qū)域的亮度差值，當(dāng)該差值小于設(shè)定的閾 值時(shí)，將最小的聚類中心區(qū)域合并到其相鄰的最大的聚類中心區(qū)域中，否則，該最小聚類中 心區(qū)域繼續(xù)尋找最近的聚類中心區(qū)域進(jìn)行合并，其中亮度差值公式如下：
[0038] 〇η=(μ-μη)2
[0039] 式中，μ和分別表示最小聚類中心區(qū)域的平均亮度值和與其最近的鄰聚類中 心區(qū)域的平均亮度值，表示最小的聚類中心區(qū)域和與其最近且最大的鄰聚類中心區(qū)域亮 度差值，Γη = 1，2，· · ·，M。
[0040] 進(jìn)一步方案，將目標(biāo)彩色圖像從RGB空間轉(zhuǎn)化為L(zhǎng)ab空間的步驟如下：
[0041] (a)首先將目標(biāo)彩色圖像的RGB空間按下面公式轉(zhuǎn)換到XYZ彩色空間，
[0043] 式中：R、G、B分別代表彩色空間RGB的三個(gè)通道，X、Y、Z對(duì)應(yīng)XYZ彩色空間的三個(gè) 通道，Μ為3X3的矩陣，且
[0044] (b)將ΧΥΖ彩色空間轉(zhuǎn)換到Lab空間，其轉(zhuǎn)換公式如下：

[0047] ΙΛ a% b*是最終的LAB彩色空間三個(gè)通道的值，X n、Yn、Zn-般默認(rèn)都是1。
[0048] 本發(fā)明提出一種基于改進(jìn)SLIC超像素分隔的顏色識(shí)別方法，該發(fā)明首先對(duì)圖像 進(jìn)行預(yù)處理，去除圖像噪聲點(diǎn)并提高圖像對(duì)比度；然后利用SLIC算法對(duì)圖像進(jìn)行超像素區(qū) 域分割，并對(duì)超像素區(qū)域進(jìn)行均值處理，便于后續(xù)基于區(qū)域進(jìn)行顏色識(shí)別；最后利用馬氏距 離來進(jìn)行顏色識(shí)別，該算法相對(duì)于以往基于每個(gè)像素的顏色識(shí)別方法具有準(zhǔn)確度高、運(yùn)算 量小等優(yōu)點(diǎn)。
【附圖說明】
[0049] 圖1是本發(fā)明的方法流程圖；
[0050] 圖2中值濾波對(duì)待識(shí)別的目標(biāo)彩色圖像進(jìn)行處理示例；
[0051] 圖3用SLIC超像素分割算法對(duì)預(yù)處理后的目標(biāo)彩色圖像進(jìn)行超像素分割流程 圖；
【具體實(shí)施方式】
[0052] 為了更好的理解本發(fā)明，下面結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步說明。
[0053] 實(shí)施例1 :
[0054] 如圖1所示的是基于SLIC顏色識(shí)別的流程圖，該方法包括以下步驟：
[0055] -種基于改進(jìn)的SLIC超像素分割算法的顏色識(shí)別方法，步驟如下：
[0056] (1)加載Lab顏色模式樣本集；
[0057] (2)獲取待識(shí)別的目標(biāo)彩色圖像并利用中值濾波器對(duì)其進(jìn)行平滑圖像和抑制噪聲 處理，然后對(duì)其進(jìn)行g(shù)amma校正，以提高彩色圖像的對(duì)比度；從而避免了 SLIC圖像分割后產(chǎn) 生大量微小區(qū)域，中值濾波器在平滑圖像和抑制噪聲的同時(shí)可以有效保留邊界，如圖2所 示是利用中值濾波器對(duì)3 X 3模板進(jìn)行進(jìn)行平滑圖像和抑制噪聲處理示意圖，從圖2中可看 出若像素點(diǎn)是噪聲點(diǎn)（像素值較大）則由周圍區(qū)域的像素點(diǎn)表示，在對(duì)圖像平滑處理的同 時(shí)保留了邊界，處理區(qū)域?yàn)楹谏煮w加黑部分。
[0058] 所述ga_a校正是對(duì)目標(biāo)彩色圖像中RGB進(jìn)行非線性色調(diào)編輯，則RGB中紅、綠、 藍(lán)三個(gè)通道的顏色R、G、B分別如下：

[0061] r，g，b為像素三個(gè)通道值，取值范圍均為[0,255]，其中g(shù)amma函數(shù)不是唯一的，主 要用來對(duì)圖像進(jìn)行非線性色調(diào)編輯。
[0062] (3)用SLIC超像素分割算法對(duì)預(yù)處理后的目標(biāo)彩色圖像進(jìn)行超像素分割處理，分 割出多個(gè)不同的超像素區(qū)域；其流程圖如圖3所示，具體步驟如下：
[0063] (a)首先將目標(biāo)彩色圖像從RGB空間轉(zhuǎn)化為L(zhǎng)ab空間供后續(xù)超像素分割所用，具體 轉(zhuǎn)化如下：
[0064] (aa)首先將目標(biāo)彩色圖像的RGB空間按下面公式轉(zhuǎn)換到XYZ彩色空間，
[0066] 式中：R、G、B分別代表彩色空間RGB的三個(gè)通道，X、Y、Z對(duì)應(yīng)XYZ彩色空間的三個(gè) 通道，Μ為3X3的矩陣，且
[0067] (ab)將ΧΥΖ彩色空間轉(zhuǎn)換到Lab空間，其轉(zhuǎn)換公式如下：
[0070] ΙΛ a% b*是最終的LAB彩色空間三個(gè)通道的值，X n、Yn、Zn-般默認(rèn)都是1。
[0071] (b)初始化目標(biāo)彩色圖像被分割成超像素區(qū)域的類別數(shù)量K和迭代次數(shù)；對(duì)于像 素大小為N的彩色圖像，以步長(zhǎng)^·^^初始化聚類中心，即以寬、高間隔為s取像素點(diǎn)為 聚類中心點(diǎn)，聚類中心用五維向量表示為Ci= [1 i, a;, bi, Xi, yj'其中（li, a;, bi)表示第i 個(gè)聚類中心的顏色值，（Xl，yi)為第i個(gè)聚類中心的坐標(biāo)值，T表示轉(zhuǎn)置；第i個(gè)聚類中心Q 與其周圍像素點(diǎn)的距離d(i)在初始化時(shí)為無窮大，即d(i) =°°。
[0072] (c)在以聚類中心Q為中心點(diǎn)的3*3區(qū)域內(nèi)，比較兩兩像素之間的梯度大小，并將 聚類中心(；移到梯度最小的區(qū)域SCk，從而避免聚類中心是邊緣點(diǎn)和噪聲點(diǎn)，其中兩兩像 素之間的梯度G(x，y)