【技术实现步骤摘要】
基于SVM分类的魔方色块颜色还原方法
本专利技术涉及图像处理技术，具体是一种基于SVM分类的魔方色块颜色还原方法。
技术介绍
现有的魔方颜色识别效率不高且识别不准确存在误差，况且摄像头的色彩处理存在色差，在不同的色温下，图像从采集到显示过程会出现不同程度的颜色变化，图像会在采集过程进行中和数字化转换时会受到周围噪声、光环境等干扰,后续的计算会很敏感且出错，光照环境的改变、色差都会降低颜色识别的成功率。魔方色块颜色的识别很多错误是由于周围环境光的影响，无法避免的，这种类型的误差比较隐蔽不容易察觉，但是实际生活中，这类环境影响导致魔方色块颜色读取错误是非常致命的，这时候如果不去通过程序调控或者对数据运算处理，将会导致在不同环境下，每次读取魔方颜色块都会出错。目前魔方色块颜色的识别主要有：1.阈值限定识别：比较通用的做法是采用固定的RGB或HSV阈值，也就是将每个色块的颜色限定在一个区域的颜色值，这种算法很简单，但对于光照与设备环境的影响基本不可以消除，这种算法容易出现的情况是，在光照充足的地方，可以正常识别、黑暗的地方则完全无法识别；2.机器学习识别：通过采集不同环境的魔方色块颜色，然后使用大量的样本去“预测”当前识别的颜色，这个方案很好地消除了环境的影响，但有一个缺点是该算法很难做到去除阴影与色与橙色，所以只能采用黑色魔方块代替了橙色魔方块，从而避免颜色的误识别。
技术实现思路
本专利技术的目的是针对现有技术的不足，而提供一种基于SVM分类的魔方色块颜色还原方法。这种方法能提高颜色识别的准确...
【技术保护点】
1.一种基于SVM分类的魔方色块颜色还原方法，其特征在于，包括如下步骤：/n1)采集魔方色块信息：由采集设备获取魔方色块六个面的图像；/n2)图像预处理：采用高斯滤波处理和白平衡处理消除魔方色块图像在数字化过程中受到的噪声、光照干扰；/n3)图像色域空间转换：将魔方色块进行RGB-HSV的色域空间转换，对魔方每个面划分成九个50*50像素大小的区域即每个面的九个魔方色块，获取每个区域的RGBHSV六个值，整个魔方色块色域空间的数据则为：6*9*50*50＝135000个数据，首先将魔方色块的六种颜色设定为标签，然后采用SVM分类训练，将获取的RGBHSV色域空间的数据对应所设定的标签存放，生成XML训练文件；/n4)一对多分类法识别魔方色块：依据步骤3)生成的XML训练文件，采用一对多的分类法对经过步骤2)预处理的图像进行魔方色块识别，通过SVM分类预测出具体每个魔方色块的颜色，所述一对多分类法即one against all是指在训练过程中，将样本重新分类，然后构造六个类别的六向量机，在分类过程中如果遇到未知样本，则将其分类到训练函数中分类值最大的那个类别，当有六个魔方颜色类别时，将...
【技术特征摘要】
1.一种基于SVM分类的魔方色块颜色还原方法，其特征在于，包括如下步骤：
1)采集魔方色块信息：由采集设备获取魔方色块六个面的图像；
2)图像预处理：采用高斯滤波处理和白平衡处理消除魔方色块图像在数字化过程中受到的噪声、光照干扰；
3)图像色域空间转换：将魔方色块进行RGB-HSV的色域空间转换，对魔方每个面划分成九个50*50像素大小的区域即每个面的九个魔方色块，获取每个区域的RGBHSV六个值，整个魔方色块色域空间的数据则为：6*9*50*50＝135000个数据，首先将魔方色块的六种颜色设定为标签，然后采用SVM分类训练，将获取的RGBHSV色域空间的数据对应所设定的标签存放，生成XML训练文件；
4)一对多分类法识别魔方色块：依据步骤3)生成的XML训练文件，采用一对多的分类法对经过步骤2)预处理的图像进行魔方色块识别，通过SVM分类预测出具体每个魔方色块的颜色，所述一对多分类法即oneagainstall是指在训练过程中，将样本重新分类，然后构造六个类别的六向量机，在分类过程中如果遇到未知样本，则将其分类到训练函数中分类值最大的那个类别，当有六个魔方颜色类别时，将这这些训练集每个都分开训练，就可以得到六个不同训练结果文件，用每个训练文件分别测试之后的每一个分量，每个测试都有一个结果，最后通过比较六个结果的最大值就可以得出测试分量属于哪一类的哪一种魔方颜色；
5)魔方颜色修补：魔方色块立方体是由五十四个颜色块经过数学的排列组合方式构成，结合步骤4)预测的魔方色块颜色、三阶魔方的立方体结构与现行的国际标准着色原则进行中心块判决、角块判决、棱块判决，对无法识别的色块、识别错误的色块进行校验、修补，完成魔方各个色块的准确识别。
2.根据权利要求1所述的基于SVM分类的魔方色块颜色还原方法，其特征在于，步骤2)中所述的高斯滤波处理为：用一个模板扫描魔方色块图像中的每一个像素、用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值，所谓权重分配，就是把高斯核的每个系数乘以所有系数的和，高斯滤波核如下表1所示：
表1高斯滤波核
1
4
7
4
1
4
16
26
16
4
7
26
41
26
7
4
16
26
16
4
1
4
7
4
1
高斯滤波的核的参数公式为:
G(x,y)：是由高斯函数计算出来的高斯模板，以模板的中心位置为坐标原点进行取样，X、Y为每个位置的坐标轴，σ叫做决定平滑程度的高斯滤波器宽度。
3.根据权利要求1所述的基于SVM分类的魔方色块颜色还原方法，其特征在于，步骤2)中所述的白平衡处理为：对魔方色块色彩校正，白平衡处理过程处理魔方色块较深和较亮的颜色，并指定一个特定的像素值，将受环境光影响的颜色修正为原色。
4.根据权利要求1所述的基于SVM分类的魔方色块颜色还原方法，其特征在于，步骤3)中所述的SVM分类为：假设二维点类型可以线性划分，并且可以找到最佳的分隔线，在两类图像切割图中，有方形和圆形两个种类，有无数多可能的线可以分割样本，寻找一个能分割各类点且使值最大化的超水平面，在向量支持技术中，找到最好效果的线称为“划分超平面”，最大距离水平定义为一个“间隔”，即最近的样本点到此超平面的距离最大就使训练数据范围最大化，超平面的表达式:f(x)＝β0+βTx，β叫做权重向量，β0叫做偏置，最优超平面有无数种表达方式，即通过任意的缩放β和β0，采用以下方式来表达最优超平面：|β0+βTx|＝1，式中X表示离超平面最近的那些点，这些点被称为支持向量，该超平面也称超平面，点X到超平面(β，β0)的距离为:对于超平面,表达式中的分子为1，支持向量到超平面的距离是：间隔margin表示为M，它的取值是最近距离的2倍:最大化M转化为在附加限制条件下最小化函数L(β)，限制条件隐含超平面将所有训练样本xi正确分类的条件：
式中yi表示样本的类别标记，通过拉格朗日乘数法得到最优超平面的权重向量β和偏置β0，最佳“间隔”切割图由两个种类距离中央实线最近的点确定出虚线，两条虚线构成的区域就是“间隔”，只要一个类的最近点到超平面的距离等于到另一类最近点到超平面的距离，而且两侧类的超平面平行的时候，超平面达到最大，得出的也是最大间隔，将魔方色块六个颜色的颜色空间类别作训练数据，首先构建一个完整的分类器而后建立一个分类模型，将上述训练数据分配给不同标签，使该分类模型成为一个非概率Meta线性回归，并划分出最大的“间隔”分开两类，之后的所有的数据点将会映射到对应的类别中，并根据数据在超平面中间隔的哪一侧来预测类别。
5.根据权利要求1所述的基于SVM分类的魔方色块颜色还原方法，其特征在于，步骤5)中所述的中心块判决为：每个魔方的状态都以得到魔方六个面对应的唯一展开图，魔方原始状态或还原状态的平面展开图，即从U面开始编号用1、2、3。。。数字来表示组成，最后1到48的数字表示一个完整的魔方，现行国际标准着色原则中心块是相对固定的，6个中心块方块的相对位置永远无法改变，中心块判决采用一个数组存储魔方各个色块的颜色，强制改变中心块的颜色即令[4]＝白、[13]＝红、[22]＝绿、[31]＝黄、[40]＝橙、[49]＝蓝。
6.根据权利要求1所述的基于SVM分类的魔方色块颜色还原方法，其特征在于，步骤5)中所述的角块判决为：每个魔方的角块都是一个一阶魔方体，每个角块的颜色与魔方原配色完全相同就是对角块推断的依据，知道角块两边的颜色，就能够推导出角块第三面的颜色，角块缺失两个以上的颜色时无法推断出缺失的颜色，魔方角块的规律为：(1)红橙相对；(2)蓝绿相对；(3)黄白相对；(4)上黄下白；(5)逆时针来看色彩排序:红绿橙蓝，八个角块分别为：白橙蓝(0,36,47)、白红蓝(2,11,45)、白绿橙(6,18,38)、白红绿(8,9,20)、绿黄橙(24,27,44)、绿红黄(15,26,29)、黄橙蓝(33,42,53)、红黄蓝(17,35,51)，魔方角块的颜色不会因旋转而改变，只要捕捉到角块的两个颜色，就依据“上黄下白，红绿橙蓝”的规律推断出缺少的颜色，过程为：
5-1)固定魔方的URFDLB六个面分别对应白红绿黄橙蓝WRGYOB；
5-...
【专利技术属性】
技术研发人员：覃琴，胡钊艺，王鑫，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：广西;45
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。