定義如下：
[0074] 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；
[0075] (d)在移動后的聚類中心(；的2sX2s鄰域內(nèi)比較每個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：
[0078] 上兩式中：03表示為第i個像素到聚類中心Ck的空間距離；C kn為更新后的聚類中 心的五維向量；
[0079] Lab;表示第i個像素的彩色值：Lab ;= [L ;，a;, bd ;Labk表示聚類中心C k的彩色 值 Labk= [Lk，ak，bk];
[0080] Si表示第i個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;
[0081] NlajP N s分別為彩色和空間距離的歸一化常數(shù)；
[0082] 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所包含的像素數(shù)量；
[0083] (e)比較步驟（b)中聚類中心Q與周圍像素點的距離d(i)和步驟⑷中像素到 聚類中心(；的空間距離Ds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)簽記錄此時的位置；
[0084] (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)；
[0085] (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，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：
[0086] 〇η=(μ-μη)2
[0087] 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。
[0088] (4)對經(jīng)步驟（3)分割出的每個超像素區(qū)域進(jìn)行均值處理，使每個單個超像素區(qū) 域內(nèi)的所有像素值是相同的，這是因為經(jīng)SLIC處理后超像素區(qū)域的相似值都是相近的，進(jìn) 行均值化處理后該區(qū)域的像素值相同，方便后續(xù)顏色判別。其均值= 式中：
[0090] 其中：隊表示第1^個區(qū)域的像素個數(shù)，1^、\、1^表示對應(yīng)1^顏色模式中三通道的 像素值；
[0091] (5)經(jīng)（4)處理后，每個超像素區(qū)域的像素值是相同的，這樣每個區(qū)域僅需要比較 一次就可得該區(qū)域的顏色。所以將超像素區(qū)域中的一個像素值與步驟（1)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應(yīng)的顏色即為該超像素區(qū)域的顏色， 馬氏距離計算公式為：
[0093] 式中：Lah表示第i個超像素區(qū)域內(nèi)的一個像素的顏色值，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。
[0094] 實施例2 :以識別藍(lán)色顏色為例進(jìn)行具體說明其識別方法：
[0095] (1)加載Lab顏色模式樣本集，顏色樣本集的種類包括：黑、紅、黃、藍(lán)、綠、白和未 知；
[0096] (2)獲取待識別的目標(biāo)彩色圖像并利用中值濾波器對其進(jìn)行平滑圖像和抑制噪聲 處理，然后對其進(jìn)行g(shù)amma校正，以提高彩色圖像的對比度；
[0097] (3)用SLIC超像素分割算法對預(yù)處理后的目標(biāo)彩色圖像進(jìn)行超像素分割處理，對 輸入圖片為612*563大小的圖像分割出500個不同的超像素區(qū)域，迭代次數(shù)為20次；
[0098] (4)對經(jīng)步驟（3)分割出的每個超像素區(qū)域進(jìn)行均值處理，使每個單個超像素區(qū) 域內(nèi)的所有像素值是相同的；
[0099] (5)經(jīng)（4)處理后，每個超像素區(qū)域的像素值是相同的，這樣每個區(qū)域僅需要 比較一次就可得該區(qū)域的顏色。對于圖像中超像素區(qū)域類別號為100的區(qū)域顏色值為：
，計算該像素值與顏色樣本集中各顏色樣本集的馬氏距離并比較馬 氏距離的大小，最終得出該像素與藍(lán)色樣本集的距離最小，則判該區(qū)域為藍(lán)色。
[0100] 以上所述的實例僅僅是對本發(fā)明的優(yōu)選實施方式進(jìn)行描述，并非對本發(fā)明的范圍 進(jìn)行限定，在不脫離本發(fā)明設(shè)計精神的前提下，本領(lǐng)域普通技術(shù)人員對本發(fā)明的技術(shù)方案 作出的各種變形和改進(jìn)，均應(yīng)落入本發(fā)明權(quán)利要求書確定的保護(hù)范圍內(nèi)。
【主權(quán)項】
1. 一種基于改進(jìn)的SLIC超像素分割算法的顏色識別方法，其特征在于：步驟如下： (1) 加載Lab顏色模式樣本集； (2) 獲取待識別的目標(biāo)彩色圖像并對該目標(biāo)彩色圖像進(jìn)行濾波、校正預(yù)處理； (3) 用SLIC超像素分割算法對預(yù)處理后的目標(biāo)彩色圖像進(jìn)行處理，分割出多個不同的 超像素區(qū)域； (4) 對經(jīng)步驟（3)分割出的每個超像素區(qū)域進(jìn)行均值處理，使每個單個超像素區(qū)域內(nèi) 的所有像素值是相同的，其均值t式中：其中：Nk表示第k個區(qū)域的像素個數(shù)，L n、an、b^示對應(yīng)Lab顏色模式中三通道的像素 值； (5) 將超像素區(qū)域中的一個像素值與步驟（1)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應(yīng)的顏色即為該超像素區(qū)域的顏色，馬氏距離計算公式為：式中：Lab1表示第i個超像素區(qū)域內(nèi)的一個像素的顏色值，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。2. 根據(jù)權(quán)利要求1所述的顏色識別方法，其特征在于：所述步驟（2)中的對目標(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其進(jìn)行平滑圖像和抑制噪聲處理，然 后對其進(jìn)行g(shù)a_a校正，以提高彩色圖像的對比度。3. 根據(jù)權(quán)利要求2所述的顏色識別方法，其特征在于：所述gamma校正是對目標(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)三個通道的顏色R、G、B分別如下：r，g，b為像素三個通道值，取值范圍均為[0, 255]。4. 根據(jù)權(quán)利要求1所述的顏色識別方法，其特征在于：所述步驟⑶中的用SLIC超像 素分割算法對預(yù)處理后的目標(biāo)彩色圖像進(jìn)行處理的步驟如下： (a) 首先將目標(biāo)彩色圖像從RGB空間轉(zhuǎn)化為Lab空間供后續(xù)超像素分割所用； (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)；對于像素大 小為N的彩色圖像，以步長初始化聚類中心，即以寬、高間隔為s取像素點為聚類 中心點，聚類中心用五維向量表示為Ci= [I^ai, bi, Xyyi]'其中（Iuai,!^)表示第i個聚 類中心的顏色值，（Xl，Y1)為第i個聚類中心的坐標(biāo)值，T表示轉(zhuǎn)置；第i個聚類中心(^與 其周圍像素點的距離d(i)在初始化時為無窮大，即d(i) =°°。 (c) 在以聚類中心C1為中心點的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C1移到梯度最小的區(qū)域SC k，從而避免聚類中心是邊緣點和噪聲點，其中兩兩像素之 間的梯度G (x，y)定義如下：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； (d) 在移動后的聚類中心C^2SX2S鄰域內(nèi)比較每個像素到聚類中心的空間距離，其 中s為步驟（b)中的步長；然后更新聚類中心，具體如下所示：上兩式中：1表示為第i個像素到聚類中心Ck的空間距離；Ckn為更新后的聚類中心的 五維向量； Labi表示第i個像素的彩色值：Labi= [L ^ai, bj ;Labk表示聚類中心C!^勺彩色值Labk=[Lk，ak，bk]; S1表示第i個像素的二維空間位置坐標(biāo)，S 1= [x D yi]T，Sk表示聚類中心C ,的二維空 間位置坐標(biāo)，Sk= [X k, yk]T; NiajP N s分別為彩色和空間距離的歸一化常數(shù)； Gk表示聚類中心C k所表示的聚類區(qū)域，N k表示聚類中心C ,內(nèi)所包含的像素數(shù)量； (e) 比較步驟（b)中聚類中心C1與周圍像素點的距離d(i)和步驟（d)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 記錄此時的位置； (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)； (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， 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： Dm= (y _ y J2 式中，μ和μηι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，Dni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，m = 1，2, · · ·，M05.根據(jù)權(quán)利要求1所述的顏色識別方法，其特征在于：將目標(biāo)彩色圖像從RGB空間轉(zhuǎn) 化為Lab空間的步驟如下： (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，式中：R、G、B分別代表彩色空間RGB的三個通道，X、Y、Z對應(yīng)XYZ彩色空間的三個通 道，M為3X3的矩陣，且(b) 將XYZ彩色空間轉(zhuǎn)換到Lab空間，其轉(zhuǎn)換公式如下：ΙΛ a% b*是最終的LAB彩色空間三個通道的值，X n、Yn、Zn-般默認(rèn)都是1。
【專利摘要】本發(fā)明公開了一種基于改進(jìn)的SLIC超像素分割算法的顏色識別方法，其步驟為（1）加載Lab顏色模式樣本集；（2）獲取待識別的目標(biāo)彩色圖像并對該目標(biāo)彩色圖像進(jìn)行濾波、校正預(yù)處理；（3）用SLIC超像素分割算法對預(yù)處理后的目標(biāo)彩色圖像進(jìn)行處理，分割出多個不同的超像素區(qū)域；（4）對經(jīng)步驟（3）分割出的每個超像素區(qū)域進(jìn)行均值處理，使每個單個超像素區(qū)域內(nèi)的所有像素值是相同的；（5）將超像素區(qū)域中的一個像素值與步驟（1）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應(yīng)的顏色即為該超像素區(qū)域的顏色。該發(fā)明改變了傳統(tǒng)顏色識別針對每個像素進(jìn)行處理的方法，大大提高了運算處理速度和識別精度。
【IPC分類】G06K9/62
【公開號】CN105354599
【申請?zhí)枴緾N201510854444
【發(fā)明人】張芝華, 紀(jì)勇, 張傳金, 姚莉莉, 謝寶, 萬海峰
【申請人】安徽創(chuàng)世科技有限公司
【公開日】2016年2月24日
【申請日】2015年11月25日