[发明专利]一种非线性颜色空间分类的模板选择与加速匹配方法

摘要

本发明提出一种非线性颜色空间分类的模板选择与加速匹配方法，包括：包括模型训练与图像匹配过程，模型训练包括：收集训练图像样本，提取训练图像样本的CIE色度图，人工标注其所属颜色类别号；获取五层前馈神经网络模型；图像匹配过程包括：输入彩色一对图像，设定采样率；进行隔点降采样处理；获得分类结果集合；计算相似概率的度量值；选择分值最高的前k个值所对应的i即为首选颜色类别号，根据首选颜色类别号即对应出模板图像中的模板区域及待匹配图像中的待匹配区域；到模板图像中的模板区域及待匹配图像中的待匹配区域匹配关系。实验结果表明，本发明具备更高的配准率与执行速度，解决了现有匹配方法存在的线性模型度量彩色空间颜色距离与人眼视觉判定不一致问题。

主权项

1.一种非线性颜色空间分类的模板选择与加速匹配方法，其特征在于，包括模型训练与图像匹配过程，具体步骤如下：模型训练过程：步骤1：收集训练图像样本，提取训练图像样本的CIE色度图，并获取每个Macadam椭圆图，记为颜色区域，提取每个颜色区域对应的RGB值，人工标注其所属颜色类别号；步骤2：基于收集的训练图像样本，采用五层前馈神经网络模型进行训练，得到五层前馈神经网络模型，五层前馈神经网络模型包括：输入层、第一隐含层、第二隐含层、第三隐含层、输出层；所述输入层的神经元有3个分别代表训练图像样本提取出的每个颜色区域对应的R、G、B值；所述输出层表示颜色类别号；图像匹配过程：步骤4：输入彩色一对图像I₁和I₂，记作像对I₁和I₂，其中，I₁为模板图像，I₂为待匹配图像，设定采样率α；步骤5：使用设定的采样率α，将像对I₁和I₂进行隔点降采样处理，得到和步骤6：用得到五层前馈神经网络模型，对和进行处理，获得分类结果集合与及类别数与其中，与分别为与集合中元素的个数；其中，分类结果集合与采用如下公式计算：其中，Cluster为采用五层前馈神经网络模型进行分类处理，Desend为隔点降采样处理，即步骤7：通过索引矩阵IM[i][j]为相似类簇建立索引，计算相似概率的度量值Score(i)；其中，IM[i][j]为索引矩阵，ε为一个实数用于保证分母不为0，Count()用于统计数量；索引矩阵IM[i][j]计算公式如下：步骤8：根据Score(i)选择分值最高的前k个值所对应的i即为首选颜色类别号，根据首选颜色类别号即对应出模板图像中的模板区域及待匹配图像中的待匹配区域；步骤9：计算模板图像中的模板区域及待匹配图像中的待匹配区域相似性，得到模板图像中的模板区域及待匹配图像中的待匹配区域匹配关系。