使用类神经网路于适应色彩转换的布匹花纹辨识-朝阳科技大学资讯学院.PDFVIP

使用類神經網路於適應色彩轉換的布匹花紋辨識 張 鴻德 石修豪 南台科技大學影像處理實驗室副教授 南台科技大學影像處理實驗室研究 生 e-mail ：hdchang@.tw e-mail ：z000984@ 摘要 方圖；兩個混合式架構 分別代表直角和邊的 紋理特徵關係 ，單個架構包含四個輻狀基底 紋理的辨識，在考慮色彩的情況下， 函數類神經網路。這四個類神經網路的 共同點 如像是：布匹的紋路、動植物的表面、重複性 在於使用同樣的輸 入層和類神經元。如圖1所 高的人工圖案；經由顏色的判斷可以簡單的 示 ，輸出層分別為同一個像素的灰階值和紅 區分大部分的類別。因此，紋理的顏色是一個 色、 綠色、藍色 三種色彩成分，輸 入層則為與 重要的指標，也是一個重要的特徵，而不同 輸出層像素比鄰的 個像素；這 個像素彼 色彩之間的變化形成了紋路。 本論 文提出使用 此也為相鄰的關係 。以3×3像素為單位 表示成 混合式的輻狀基底函數類神經網路，建立的 圖 2 ，顯示輸出層像素與直角和邊的相對分布 紋理辨識系統；該網路建立以相鄰像素點為 情形；網路實際輸出值為中 心位置的像素， 基礎的色彩轉換規律，能夠適應旋轉、些許距 周圍八個位置的像素和各自相鄰的兩個像素 離的影響，並且快速篩選掉不具有相同色彩 構成八筆輸 入，分別為四個直角和四個邊 ， 轉換規律的紋理。擁有相同色彩特徵的紋理再 採用同為順時針或 逆時針的 順序將像素讀入 透過網路輸出的直方圖作為第二層的辨識。 至混合式網路的輸 入層。 關鍵詞 ：紋理辨識、直方圖、輻狀基底函數 1. 前言 機器視覺的發展，能夠取代人工的勞動， 不僅更有效率，也不會疲倦，因此如何降低 失誤率更顯得有價值；分類是常運用到的原 則，不是甲就是乙，但是，誰都不能夠保證 不會有丙的情況產生。相對於判別是什麼，判 別不是什麼的價值也是不容忽視的。對於人類 的視覺能力，瀏覽這個名詞相當重要，只有 當發現感興趣的事情，才會仔細的評比以及 觀察。然而對於機器視覺來說，能夠使用瀏覽 圖 1 來判別不同的情況的基礎辨識能力，本論文 中將嘗試以色彩的變化來實現。色彩直方圖能 夠簡單的描述一張影像的色彩分布比率，雖 然缺少空間資訊的描述，但是擁有不受影像 平移與旋轉影響、以及計算簡單的優點；論文 中應用類神經網路記憶顏色變換的情況，能 夠補其色彩直方圖空間資訊的不足部份。輻狀 基底函數類神經網路[1] ，或稱為半徑式類神 經網路，特質主要在於模擬大腦皮質層軸突 的局部調節功能，具備相當良好的映射能力。 2. 混合式類神經網路 本論文提出的辨識系統中，辨識同一種 紋 理的混合式類神經網路，採用 兩個混合式架 構 、一個有效色彩轉換百 分比率和 一個特徵直 圖 2 2.1 混合式架構的訓練和學習 2.3 紋理的辨識流程 訓練在混合式網路中重新定義為對於類神 紋理辨識包含兩層；第一層撿視紋理的有 經元的 參數和 其對應的權重作回饋修正 ，學 效色彩轉換百 分比率，評比於樣 本資料的有 習則重新定義為僅對相對應的權重作回饋修 效色彩轉換百 分比率，百 分率過高或是過低 正[2] ；圖1 採用雙線代表訓練的輸出 項目( 灰 都視為錯誤的辨識，過低的情況自 然不予考 階值 ，其它則表 示學習的輸出項目(RGB 。混 慮，過高的情況則表 示檢測的花紋可能只是 合式網路的 灰階網路會預先訓練 ，訓練完 成 部分轉換的 子集合；第二層則撿視紋理的特 的類神經 元和權重再由彩色輸出的 個網路 徵直方圖與樣本資料的特徵直方圖。 所繼承 並進行學習 。算式 (1 為類神經元採用的 3.色彩轉換的適應性 輻狀基底函數為高 斯函數，x 表示輸 入層的 維 透過混合式類神經網路的訓練 以及學習 ， 度 ，c 表