定义如下：
[0074] 式中V表示像素的五维向量，即为V[L，a，b，X，y]，其中（L，a，b)表示像素的颜色 值，（X，y)表示像素的坐标值；
[0075] (d)在移动后的聚类中心(；的2sX2s邻域内比较每个像素到聚类中心的空间距 离，其中2sX2s邻域指的是以聚类中心(；为中心的2sX2s区域的所有像素，s为步骤（b) 中的步长大小，也就是聚类中心的周围区域；然后更新聚类中心，具体如下所示：
[0078] 上两式中：03表示为第i个像素到聚类中心Ck的空间距离；C kn为更新后的聚类中 心的五维向量；
[0079] Lab;表示第i个像素的彩色值：Lab ;= [L ;，a;, bd ;Labk表示聚类中心C k的彩色 值 Labk= [Lk，ak，bk];
[0080] Si表示第i个像素的二维空间位置坐标，S1= [Xl，yi]T，Sk表示聚类中心Ck的二 维空间位置坐标，Sk= [xk，yk]T;
[0081] NlajP N s分别为彩色和空间距离的归一化常数；
[0082] Gk表示聚类中心Ck所表示的聚类区域，Nk表示聚类中心C kft所包含的像素数量；
[0083] (e)比较步骤（b)中聚类中心Q与周围像素点的距离d(i)和步骤⑷中像素到 聚类中心(；的空间距离Ds之间的大小，若Ds〈d(i)，则更新聚类中心，使d(i) =Ds，并通过 标签记录此时的位置；
[0084] (f)反复执行步骤（d)、（e)，直到达到步骤（b)所设定的迭代次数；
[0085] (g)比较两两相邻的更新后的聚类中心区域的亮度差值，当该差值小于设定的阈 值时，将最小的聚类中心区域合并到其相邻的最大的聚类中心区域中，否则，该最小聚类中 心区域继续寻找最近的聚类中心区域进行合并，其中亮度差值公式如下：
[0086] 〇η=(μ-μη)2
[0087] 式中，μ和分别表示最小聚类中心区域的平均亮度值和与其最近的邻聚类中 心区域的平均亮度值，表示最小的聚类中心区域和与其最近且最大的邻聚类中心区域亮 度差值，Γη = 1，2，· · ·，M。
[0088] (4)对经步骤（3)分割出的每个超像素区域进行均值处理，使每个单个超像素区 域内的所有像素值是相同的，这是因为经SLIC处理后超像素区域的相似值都是相近的，进 行均值化处理后该区域的像素值相同，方便后续颜色判别。其均值= 式中：
[0090] 其中：队表示第1^个区域的像素个数，1^、\、1^表示对应1^颜色模式中三通道的 像素值；
[0091] (5)经（4)处理后，每个超像素区域的像素值是相同的，这样每个区域仅需要比较 一次就可得该区域的颜色。所以将超像素区域中的一个像素值与步骤（1)中加载的样本集 中颜色利用马氏距离进行比较，马氏距离最小值所对应的颜色即为该超像素区域的颜色， 马氏距离计算公式为：
[0093] 式中：Lah表示第i个超像素区域内的一个像素的颜色值，Lab sj表示Lab颜色模 式样本集中的第j类样本中第i个像素的颜色值，S 1为协方差矩阵S的逆，T表示矩阵的 转置。
[0094] 实施例2 :以识别蓝色颜色为例进行具体说明其识别方法：
[0095] (1)加载Lab颜色模式样本集，颜色样本集的种类包括：黑、红、黄、蓝、绿、白和未 知；
[0096] (2)获取待识别的目标彩色图像并利用中值滤波器对其进行平滑图像和抑制噪声 处理，然后对其进行gamma校正，以提高彩色图像的对比度；
[0097] (3)用SLIC超像素分割算法对预处理后的目标彩色图像进行超像素分割处理，对 输入图片为612*563大小的图像分割出500个不同的超像素区域，迭代次数为20次；
[0098] (4)对经步骤（3)分割出的每个超像素区域进行均值处理，使每个单个超像素区 域内的所有像素值是相同的；
[0099] (5)经（4)处理后，每个超像素区域的像素值是相同的，这样每个区域仅需要 比较一次就可得该区域的颜色。对于图像中超像素区域类别号为100的区域颜色值为：
，计算该像素值与颜色样本集中各颜色样本集的马氏距离并比较马 氏距离的大小，最终得出该像素与蓝色样本集的距离最小，则判该区域为蓝色。
[0100] 以上所述的实例仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围 进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案 作出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。
【主权项】
1. 一种基于改进的SLIC超像素分割算法的颜色识别方法，其特征在于：步骤如下： (1) 加载Lab颜色模式样本集； (2) 获取待识别的目标彩色图像并对该目标彩色图像进行滤波、校正预处理； (3) 用SLIC超像素分割算法对预处理后的目标彩色图像进行处理，分割出多个不同的 超像素区域； (4) 对经步骤（3)分割出的每个超像素区域进行均值处理，使每个单个超像素区域内 的所有像素值是相同的，其均值t式中：其中：Nk表示第k个区域的像素个数，L n、an、b^示对应Lab颜色模式中三通道的像素 值； (5) 将超像素区域中的一个像素值与步骤（1)中加载的样本集中颜色利用马氏距离进 行比较，马氏距离最小值所对应的颜色即为该超像素区域的颜色，马氏距离计算公式为：式中：Lab1表示第i个超像素区域内的一个像素的颜色值，Lab sj表示Lab颜色模式样 本集中的第j类样本中第i个像素的颜色值，S 1为协方差矩阵S的逆，T表示矩阵的转置。2. 根据权利要求1所述的颜色识别方法，其特征在于：所述步骤（2)中的对目标彩色 图像进行滤波、校正预处理是指先利用中值滤波器对其进行平滑图像和抑制噪声处理，然 后对其进行ga_a校正，以提高彩色图像的对比度。3. 根据权利要求2所述的颜色识别方法，其特征在于：所述gamma校正是对目标彩色 图像中RGB进行非线性色调编辑，则RGB中红、绿、蓝三个通道的颜色R、G、B分别如下：r，g，b为像素三个通道值，取值范围均为[0, 255]。4. 根据权利要求1所述的颜色识别方法，其特征在于：所述步骤⑶中的用SLIC超像 素分割算法对预处理后的目标彩色图像进行处理的步骤如下： (a) 首先将目标彩色图像从RGB空间转化为Lab空间供后续超像素分割所用； (b) 初始化目标彩色图像被分割成超像素区域的类别数量K和迭代次数；对于像素大 小为N的彩色图像，以步长初始化聚类中心，即以宽、高间隔为s取像素点为聚类 中心点，聚类中心用五维向量表示为Ci= [I^ai, bi, Xyyi]'其中（Iuai,!^)表示第i个聚 类中心的颜色值，（Xl，Y1)为第i个聚类中心的坐标值，T表示转置；第i个聚类中心(^与 其周围像素点的距离d(i)在初始化时为无穷大，即d(i) =°°。 (c) 在以聚类中心C1为中心点的3*3区域内，比较两两像素之间的梯度大小，并将聚类 中心C1移到梯度最小的区域SC k，从而避免聚类中心是边缘点和噪声点，其中两两像素之 间的梯度G (x，y)定义如下：式中V表示像素的五维向量，即为V[L，a，b，X，y]，其中（L，a，b)表示像素的颜色值， (X，y)表示像素的坐标值； (d) 在移动后的聚类中心C^2SX2S邻域内比较每个像素到聚类中心的空间距离，其 中s为步骤（b)中的步长；然后更新聚类中心，具体如下所示：上两式中：1表示为第i个像素到聚类中心Ck的空间距离；Ckn为更新后的聚类中心的 五维向量； Labi表示第i个像素的彩色值：Labi= [L ^ai, bj ;Labk表示聚类中心C!^勺彩色值Labk=[Lk，ak，bk]; S1表示第i个像素的二维空间位置坐标，S 1= [x D yi]T，Sk表示聚类中心C ,的二维空 间位置坐标，Sk= [X k, yk]T; NiajP N s分别为彩色和空间距离的归一化常数； Gk表示聚类中心C k所表示的聚类区域，N k表示聚类中心C ,内所包含的像素数量； (e) 比较步骤（b)中聚类中心C1与周围像素点的距离d(i)和步骤（d)中像素到聚类 中心Ck的空间距离D s之间的大小，若Ds〈d(i)，则更新聚类中心，使d(i) = Ds，并通过标签 记录此时的位置； (f) 反复执行步骤（d)、（e)，直到达到步骤（b)所设定的迭代次数； (g) 比较两两相邻的更新后的聚类中心区域的亮度差值，当该差值小于设定的阈值时， 将最小的聚类中心区域合并到其相邻的最大的聚类中心区域中，否则，该最小聚类中心区 域继续寻找最近的聚类中心区域进行合并，其中亮度差值公式如下： Dm= (y _ y J2 式中，μ和μηι分别表示最小聚类中心区域的平均亮度值和与其最近的邻聚类中心区 域的平均亮度值，Dni表示最小的聚类中心区域和与其最近且最大的邻聚类中心区域亮度差 值，m = 1，2, · · ·，M05.根据权利要求1所述的颜色识别方法，其特征在于：将目标彩色图像从RGB空间转 化为Lab空间的步骤如下： (a) 首先将目标彩色图像的RGB空间按下面公式转换到XYZ彩色空间，式中：R、G、B分别代表彩色空间RGB的三个通道，X、Y、Z对应XYZ彩色空间的三个通 道，M为3X3的矩阵，且(b) 将XYZ彩色空间转换到Lab空间，其转换公式如下：ΙΛ a% b*是最终的LAB彩色空间三个通道的值，X n、Yn、Zn-般默认都是1。
【专利摘要】本发明公开了一种基于改进的SLIC超像素分割算法的颜色识别方法，其步骤为（1）加载Lab颜色模式样本集；（2）获取待识别的目标彩色图像并对该目标彩色图像进行滤波、校正预处理；（3）用SLIC超像素分割算法对预处理后的目标彩色图像进行处理，分割出多个不同的超像素区域；（4）对经步骤（3）分割出的每个超像素区域进行均值处理，使每个单个超像素区域内的所有像素值是相同的；（5）将超像素区域中的一个像素值与步骤（1）中加载的样本集中颜色利用马氏距离进行比较，马氏距离最小值所对应的颜色即为该超像素区域的颜色。该发明改变了传统颜色识别针对每个像素进行处理的方法，大大提高了运算处理速度和识别精度。
【IPC分类】G06K9/62
【公开号】CN105354599
【申请号】CN201510854444
【发明人】张芝华, 纪勇, 张传金, 姚莉莉, 谢宝, 万海峰
【申请人】安徽创世科技有限公司
【公开日】2016年2月24日
【申请日】2015年11月25日