。一， 一 一 —ｈ～一 …… １…一１，…，一一 Ｌ一… 快速颜色特征提取改进算法研究 李庆利 ，王永强 ，张帆 ，陈宝。 （１唐山学院机电工程系河北唐山３唐山学院计算机中心河北唐山０６３０００； ０６３０００） ２唐山学院计算机科学与技术系河北唐山０６３０００； 【摘要】：针对颜色特征提取这一图像－／ｆ，￣４和检索领域的研究重点，提出了一种在ＲＧＢ颜色空间 实现的颜色特征提取改进算法。首先，在ＫＧＢ颜色空间通过对整幅图像分块进行灰色关联聚类，确定 初始聚类中心，然后应用改进的灰色聚类算法进行聚类，最后提取特征颜色。实验表明本文算法不仅能 够对近似纯色或具有简单纹理的物体表面特征颜色进行有效提取，还可有效提取较为复杂的图像特征 颜色。 【关键词】：彩色图像；特征颜色；灰色关联分析；特征提取 ０引言 算法需要经过多次颜色空间的变换，计算量十分大。 颜色作为图像中最直观的部分，是一种十分重要 ＲＧＢ颜色空间是基础、常用的颜色空间，且现有的彩 的视觉特征。颜色特征提取已经成为图像识别和检索 色图像采集设备均工作在ＲＧＢ空间，因此研究在 领域的研究重点，主要方法有颜色直方图法，主色调 ＲＧＢ颜色空间中进行颜色特征提取具有较强的现实 法、颜色矩和颜色布局法等『１－４１。同时，颜色特征提取技 意义。 术也是应用机器视觉技术解决诸如对墙地砖、板材或 竹片等物体表面颜色进行色差检测［ 的关键技术之 ２颜色特征提取算法 聚类算法是目前被证明较为有效的颜色特征提 取算法，其关键技术有两点：一是像素点与聚类中心 颜色检测的难点主要集中于颜色空间选择和特 的关联度或隶属度的计算方法，二是初始聚类中心的 征颜色提取算法上。许多研究人员做了大量的研究， 在分析研究了常见的ＲＧＢ、ＨＳＶ和ＣＩＥ１一ａｂ 等颜色 空间特点的基础上，提出了很多方法，包括颜色直方 确定。 ２．１颜色灰色关联度定义 在ＲＧＢ颜色空间中每一个像素点均由３个分量 （ＲＧＢ）组成，而这３个分量则可以构成一序列（曲 图法、特征空间聚类算法等。本文中提出了一种在 ＲＧＢ颜色空间中基于灰色关联分析的颜色特征提取 线）。假定某一颜色ｘ。作为标准参考序列，则：Ｘｏ＝ｆＲ。， 算法的改进算法，并以普通陶瓷墙地砖为例对算法可 Ｇｏ，Ｂｏ），即Ｘｏ（１）＝Ｒｏ，Ｘｏ（２）＝Ｇｏ，Ｘ。（３）＝Ｂ。。 行性进行了验证。 １颜色空间的选取 对于一幅ｍ行ｎ列的彩色图像有ｍｘｎ个序列， 每个序列由３个特征数据（ＲＧＢ）组成。对于图像中任 目前，常见色差检测算法步骤为：首先在ＨＳＶ颜 意一像素点ｘ 可以表示为：Ｘｉ’ｊ＝（Ｒｉ，ｊ，Ｇｉ，ｊ，ＢｉＩｉ），Ｘｉ，ｉ（１）＝ 色空间中应用直方图统计确定聚类中心数目，然后在 Ｒｉ，Ｊ，Ｘｉ，Ｊ（２）＝Ｇｉ．ｊ，Ｘ。，ｊ（３）＝Ｂｉｌｊｏ ＣＩＥ１…ａ ｂ颜色空间中进行模糊聚类提取颜色特征。该 根据灰色关联度计算公式ｌ ７ｌ有： （ ， ｍ、 ， 、、 ｉｆ，，， 。‘尼 尼） ＝— ］ 二 Ｊ ｋ＝１ ｎｍ２ｎ｛ｘ。（尼）一 ，（尼）Ｉ＋Ｃｍａｘｍａｘ Ｌｘ。（ ）一 ｆ√（ ） 孬 可 二打 （１） Ｙ（Ｘｏ， ，＿，）＝｛∑Ｙ（Ｘｏ（ｋ） Ｘ／，（足））（尼＝１…３， １… ， ＝ｌ…，２ 式中§称为分辨系数，经实验取§＝０．５。 （ｘ。，Ｘ ） 定义为像素点Ｘ 与标准参考颜色Ｘ。的灰色关联度。 ２．２初始聚类中心的确定 按照灰色关联聚类运算法则，对于一幅ｍ行ｎ列 ２０１４年第６期ｌ福建电脑 ・９３・ ～，…………，…一…一～～～… 一 一一建…， 一… …一 … …～一…， ～，，一… 一～ ： — 骚Ｕ ｊｌＡ ＣＯ黼ＰＵＴ纛张 的彩色图像有ｐ＝ｍｘｎ个观测对象（像素点），定义观测 对象集合为Ｘ，则： ｆ ．＝（ （１）， （２），Ｘ （３））ｌ ＝＿一 ｌ１ （、 ，３） ∑［ｙ（ｘｋ， ）］ ’ 一｛．ｌ．．…………………｝ Ｘ：，（ ，（１），Ｘ，（２）， （３））ｊ 繇 为了由初始聚类中心迭代获得最优解（特征颜 色），取如下迭代准则： 对所有的ｉ≤ｊ，ｉ，ｊ＝ｌ，２，…，Ｐ，计算ｘｉ与Ｘｌ的灰 色关联度 可构造上三角矩阵Ａ。 ｌＩ ｌ２…，，１ ｙ２２ ・－・ ｙ２ 其中 ＝ｌ，ｉ＝１，２，…，Ｐ 考虑到计算效率的问题，首先将整幅图像分成３× ３的子集进行灰色关联聚类。参照文献７中计算原理， 在构造Ａ时取一阈值 ＝０．９５，再根据上三角矩阵Ａ 中各个项的值进行分类，可将Ｐ个被观测对象归类。 以同样的原理处理得到的各个子集代表色作为最终 的初始聚类中心。 ２．３特征颜色提取 为建立系统优化模型 ，将第Ｓ组样本与第ｋ个 初始聚类中心的相似程度改进为加权广义距离ｆ考虑 的取值）： ｄ（ｘｋＸ．Ｘｓ）＝ｑｂ／ｙ（ｘ ．ｓ） （２） 式中，ｑ 为待评价的第ｓ组样本与各初始聚类中 心ｋ之间的差异度，要求∑ｇ ＝１ 灰色系统的最优聚类结果应使加权广义距离平 方总和最小，因而构造如下目标函数： ｍｉｎ｛厂（钆）＝艺∑ （Ｘｋ￣Ｘｓ）】 ｝ Ｌ ｓ＝ｌ ｋ＝ｌ Ｊ ＝艺ｍｉｎ｛∑ 】 （ ，ｔ）】 ｝ 根据上式构造Ｌ ａｇｒａｎｇｅ函数 ｍｉｎ｛ｆ（ｑ ， ）＝∑∑［ｄ（ｘｋ， ）】 ～ （∑ｑ １）｝ ＝∑ｍｉｎｆ∑ｑ三［ （Ｘｋ￣Ｘｓ）】一 －ｘ（∑ｑ 一１）｝ 关于变量ｇ 和Ｌａｇｒａｎｇｅ乘数入求偏导，并令其 为０； ｆ：２ｑ ［ （ ， ）］一ｚ一 ：ｏ ｌ ： 小。 且 推导得： ・９４・ 福建电脑ｌ ２０１４年第６期 在极值的约束条件下：∑ｇ ：１，使 ｍｉｎ｛ｄ（Ｑ， ）＝∑∑ｇ ＝∑∑ｑ （ 一 ） ｊ 其中 一Ｖ ）为一种距离范数， 为聚类中心。再 次应用Ｌａｇｒａｎｇｅ乘数法，可得 ∑（ｑ ） ＝ ＿ｃ—～ （４） Ｅ（ｑ ） 求取特征颜色时，首先计算图像中每个像素点 到ｈ类聚类中心的隶属度，然后依据式４进行迭代， 直至收敛。 ２．４改进算法流程 应用灰色关联分析提取特征颜色具体流程如图１ 所示，具体算法步骤为： 步骤１：在ＲＧＢ颜色空间采集图像 步骤２：根据实际情况确定聚类数目并求取初始 聚类中心。 步骤３：计算图像中每点麓到第ｈ类聚类中心的 隶属度函数矩阵（式１），然后计算各像素与各聚类中 心的相似程度（式２、式３）。 步骤４：更新各聚类中心（式４）。 步骤５：重复步骤３和步骤４，直至式４收敛，求 解出特征颜色。 原始图像 划分３Ｘ３子集 确定初始聚类中心 计算各像素与各聚类中心的隶属度 迭代计算 提取特征颜色 图１算法流程
