[发明专利]颜色识别方法

权利要求书

1.一种颜色识别方法，其特征在于，包括：

确定图像中待识别物的特征区域，所述特征区域的颜色能用于代表待识别物的颜色；

识别特征区域内像素点的颜色，对所述像素点的颜色进行统计，获取区域颜色识别的特征向量；

根据所述特征向量，识别出用于代表待识别物颜色的特征区域的颜色；

获取所述特征向量包括：通过用于像素点颜色识别的支持向量机分类器，识别特征区域内像素点的颜色；统计特征区域内每种颜色的像素点所占比例并对其进行归一化处理，形成与像素点的颜色对应的多维向量，作为区域颜色识别的特征向量；

所述识别用于代表待识别物颜色的特征区域的颜色通过用于区域颜色识别的支持向量机分类器实现；

其中，所述识别特征区域内像素点的颜色包括：

对建立的像素点颜色决策分类树各结点上的训练样本集进行支持向量机训练，得到各结点上用于像素点颜色识别的支持向量机分类器；

根据决策分类树与各结点上用于像素点颜色识别的支持向量机分类器，识别特征区域内各像素点的颜色；

其中，所述决策分类树包括：

将像素点颜色按红、黄、蓝、绿进行粗分类，以形成根结点；

将根结点中红、黄、蓝、绿分别与灰色系列进行分类，以形成包括红与灰色系列、黄与灰色系列、蓝与灰色系列、以及绿与灰色系列的一级结点；

根据颜色分布的实际情况，将红与灰色系列的一级结点中的红和灰色系列、黄与灰色系列的一级结点中的灰色系列、蓝与灰色系列的一级结点中的蓝和灰色系列、以及将绿与灰色系列的一级结点中的绿和灰色系列进行细分类，以形成对应的二级结点。

2.根据权利要求1所述的颜色识别方法，其特征在于，建立所述训练样本集的步骤包括：

从标准颜色块以及成像环境较好的待识别物图像中选择各颜色的正常样本；

通过先验知识与实际待识别物颜色相结合的方法来选择各颜色的边界样本，以得到能反映颜色分布的训练样本集。

3.根据权利要求2所述的颜色识别方法，其特征在于，所述选择各颜色的边界样本包括在HSV颜色空间中，通过固定色调分量H，调节饱和度分量S与亮度值分量V，选择红、黄、蓝、绿与灰色系列的边界点；以及通过调节色调分量H选择红、黄、蓝、绿之间的边界点，并将选择后的红、黄、蓝、绿与灰色系列的边界点和选择后的红、黄、蓝、绿之间的边界点转换到CIE_Lab颜色空间作为红与灰色系列、黄与灰色系列、蓝与灰色系列、绿与灰色系列，以及红、黄、蓝、绿间的边界样本。

4.根据权利要求2所述的颜色识别方法，其特征在于，所述选择各颜色的边界样本进一步包括从视觉上比较接近的不同颜色的待识别物颜色图像样本中选择。

5.根据权利要求2所述的颜色识别方法，其特征在于，所述选择各颜色的边界样本还包括选择训练过程中产生的支持向量。

6.根据权利要求1所述的颜色识别方法，其特征在于，所述对决策分类树各结点上的训练样本集进行支持向量机训练包括：

选择CIE_Lab颜色空间的三维特征值作为特征向量；

观察决策分类树各级节点上的分类样本的分布规律，选定每个支持向量机分类器的核函数类型，并通过交叉验证的方法来选择最终的核函数类型及相关参数；

采用增量训练方法，进行多次反馈训练，获得用于像素点颜色识别的支持向量机分类器。

7.根据权利要求1所述的颜色识别方法，其特征在于，所述用于区域颜色识别的支持向量机分类器是通过利用建立的区域颜色训练样本集进行支持向量机训练得到的。

8.根据权利要求7所述的颜色识别方法，其特征在于，所述区域颜色训练样本集包括：

在训练图库中，观察每个特征区域的像素点颜色分布情况，对分布情况进行归类统计，去除每种颜色类别的噪声样本后，形成每种颜色类别的样本库；

在所述每种颜色类别的样本库中，筛选出正常样本与边界样本，以正常样本与边界样本形成的集合作为最终的区域颜色训练样本集。

9.根据权利要求8所述的颜色识别方法，其特征在于，所述正常样本包括：选择能够明显与其他区域颜色类别区分的像素点颜色分布特征，作为识别的正常样本。