颜色分布结构表示与应用.pdfVIP

颜色分布结构的表示与应用 1 1 曾丰 ，张洪刚 1 北京邮电大学信息工程学院，北京(100876) E-mail：cryppie@163.com 摘 要： 在计算机视觉领域中，颜色是一种常用且有效的特征。利用颜色信息，可以进行 车牌定位，对车辆类型分类管理。然而，颜色受很多因素的影响，比如发光度、表面反射率、 环境光和遮挡等。这使得利用颜色特征进行图像分析的系统对应用环境的要求比较苛刻。本 文提出了一种利用颜色分布的空间几何结构信息作为特征进行车牌分类的系统。同时，文中 进行了实验，对作者提出的车牌颜色分类方法与利用颜色信息的C4.5 分类方法和基于朴素 贝叶斯网络的分类方法进行了比较。颜色分布的空间几何结构信息比单纯的颜色信息具有更 高的鲁棒性，可以适应恶劣的实际环境。 关键词：无参数概率密度估计，混合高斯模型，目标识别 1. 引 言 在计算机视觉中，颜色是一种常用且有效的特征。然而，颜色受很多因素的影响，比如 发光度、表面反射率、环境光、物体与光源的角度和遮挡等。这使得利用颜色信息进行图像 分析的系统对应用环境的要求比较苛刻。克服这些因素的影响，提高系统的鲁棒性和适应性， 是计算机视觉的一个研究问题。 在智能交通系统中，颜色发挥了重要的作用。利用颜色信息，可以进行车牌的检测和定 位，去除非车牌候选区域的干扰，辅助智能交通系统进行违章车辆的抓拍。利用车牌的颜色 信息，可以辅助光学字符识别系统对车牌进行正确的切分；此外，还可以对车辆进行分类管 理，比如：民用车辆和军用车辆。 目前，智能交通系统的文献中对车牌颜色的分析主要采用HSV 颜色空间。一般是利用 车牌像素点的H 、S、V 数据的经验分布作为信息进行车牌颜色分类。如前面所说，很多因 素限制了这类方法的鲁棒性和适应性。本文提出了一种以数据分布的几何结构信息为特征的 车牌颜色分类方法，这种方法具有全局性描述、鲁棒性强、适应性好的特点。对于颜色空间 的选择，文献[3]指出RGB 颜色空间两点间的欧式距离与颜色不成线性比例，换句话说是颜 色受亮度的影响大，并不具有进行彩色图像处理所要求的独立性和均匀性指标。而文献[4] 认为所有的颜色空间, 比如YIQ 、HSV 、XYZ 、Lab 等，都是由RGB 采取线性或者非线性 方法变换得到的，没有理由说明一种颜色空间优于其它的颜色空间。在各颜色空间坐标系中， 颜色特征均有其特点，对不同的颜色有着可能完全不同的效果。本人认为后者的观点更加合 理。在后面的分析中，可以看到，利用空间结构信息，RGB 和HSV 是具有相同的效果的。 在本文的分析中，采用圆锥形HSV 颜色空间，HSV 空间的一种变形，这并不是因为RGB 受亮度影响大不适合于颜色图像处理，而是因为利用圆锥形HSV 颜色空间坐标系进行表述 更方便直观。 本文余下部分的安排, 首先是介绍颜色分布的空间结构, 其次是介绍颜色分布的空间结 构的学习方法, 最后是实验比较。 2. 颜色分布的空间结构 颜色分布的空间结构，是指描述颜色数据分布区域的几何结构的信息，比如：分布区域 - 1 - 的质心、分布区域的倾角、分布区域的长轴和短轴。在合适的颜色空间坐标系中，数据分布 的结构紧致、描述直观方便，同时避免了计算过程中陷入奇异点的可能性。圆锥形HSV 颜 色空间符合了这些要求。圆锥形HSV 颜色空间描述的物理意义与HSV 颜色空间描述的物理 意义是一致的，即色度、饱和度、亮度，不同的是圆锥形颜色空间的坐标轴不是(h,s,v)而是 (scos(h),ssin(h),v) 。同时在圆锥形H