36、基于视觉感知学习的自主视觉系统实验研究

基于视觉感知学习的自主视觉系统实验研究

1. 基于视觉的感知学习

在图像序列处理中，如果后续图像中某个聚类的大部分成员之间的距离大于阈值，就会出现一个新的聚类，并为其成员分配一个新的标签。给定一组图像、BIRCH树分支因子B和阈值T，可通过以下两个步骤获得一组分割后的图像：
1. 聚类步骤 ：读取图像，提取特征向量，应用聚类算法对其进行分割，并为每个特征向量分配一个标签。
2. 合并步骤 ：将特征向量插入BIRCH树并合并聚类。

不断重复聚类步骤和合并步骤，直到图像序列结束。最后，将整合后的每个聚类用不同颜色标记，即可得到图像分割结果。

2. 实验设置与数据处理

2.1 实验环境与数据采集

为评估所提出方法的质量，实验选择在建筑物周围的路径作为工作环境，使用SONY数码摄像机拍摄该户外环境的图像。

2.2 图像转换与特征提取

将拍摄的图像从RGB颜色空间转换为HSV颜色空间。为获取特征向量，对于每张图像，使用一个10×10的移动窗口，在行列方向上每次移动6个像素，但不超出图像边界。将色度H均匀划分为16个区间，饱和度S和亮度V均匀划分为4个区间，所有区间组合可生成240个不同的颜色区间，用于为每个图像块生成颜色直方图。然后，将移动窗口内的所有像素分配到相应的可能性中，得到一个稀疏特征向量（颜色直方图）。

2.3 聚类结果与感知类别

通过当前的增量感知学习系统实现，得到了五个聚类，形成了数据库，对应的感知类别如下表所示：
| 表示符号 | 人类