基于SOM算法的机器视觉颜色识别.pdf

第 28卷 第 2期 广东工业大学学报 VO1．28No．2 2011年 6月 JournalofGuangdongUniversityofTechnology June201l 基于 SOM算法的机器视觉颜色识别 蒋玉玲 ．杨宜民 (广东工业大学 自动化学院，广东 广州 510090) 摘要：针对机器人视觉系统光适应性差的弱点，利用SOM(Self-organizingMap)算法 良好的聚类效果 ，把该算法应用 于视觉系统的颜色分类中，使视觉系统具有学习能力去适应环境的变化．仿真结果表明，采用 SOM算法的视觉系 统颜色识别率有所提高． 关键词：机器视觉；SOM算法；聚类 ；颜色分类；颜色识别率 中图分类号：TP391．4 文献标志码：A 文章编号：1007-7162(2011)02—0040．03 足球机器人视觉系统是机器人系统的重要组成 主要通过不断缩小获胜神经元的领域来达到聚类． 部分 ，颜色分类是机器人足球 图像处理任务的重要 图1所示的网络输入可写成向量形式：X：[，， 内容，颜色分类的准确性直接影响特征提取及 目标 X，…，]T，与输出神经元相联的网络权值向量表 识别结果的可靠性…．视觉系统的主要任务是对 图 示为： =[” 2『，…，f]．SOM算法是为每个输 片进行分割，而这种分割是基于颜色特征进行的，但 入神经元寻找对应的输 出神经元，通过寻找最佳匹 图像上的颜色受光照影响存在着不稳定性，所 以颜 配来确定获胜的神经元．文献 [6]详细介绍 了SOM 色的鲁棒性是足球机器人视觉系统实现的一大难点 算法． 所在．颜色在不同的光照下其 RGB值都是不同的， 同时它们的比值也是不同的，所以要提高视觉系统 的光适应性，就是提高视觉系统在不稳定光照条件 输 出层 竞争层) 下识别 目标颜色的正确率．目前，有相关的研究来适 应环境的变化，比如摄像机参数的自校准 j、在线的 颜色 自训练算法(ACT：AutomaticColorTraining) J、 训练颜色查找表的方法 等，但是，通过改变硬件安 x2 装、同时加上人工设置的一些参数来实现，并没有实 l 现真正意义上的自适应系统．本文介绍了自组织映 图 l SOM 网络的结构 图 射算法，并把该算法应用于足球机器人视觉系统的 2 基于SOM算法的颜色识别 颜色识别环节，从而实现真正意义上的自适应识别 系统． 在机器人适应环境的照明条件 ，自组织映射算 法使用神经网络和 自组织映射并提出了非线性组合 1 SOM算法的简介 算法的学习能力．算法的基本思想是从识别对象获 SOM网络是由著名神经 网路专家 T．Konhonen 取像素点的RGB值，然后利用 SOM网络去聚类，聚 教授提出的自组织竞争型人工神经网络．SOM网络 类后规范化网络的输出值，采用投票机制来确定像 是非监督、竞争学习的聚类 网络 ．自提出至今 ，该 素点的颜色类别．图2是机器人视觉系统颜色识别 算法在模式识别 、信号处理、数据挖掘等理论和应用 的过程．下