基于ANFIS-LSSVM的计算颜色恒常性算法研究

摘要

计算颜色恒常性是指消除场景光源的影响从而再现物体真实颜色的能力。目前，深度神经网络的应用使颜色恒常性精度显著提高，但大多数深度学习算法训练时间长、计算复杂度高，且需要大量的训练样本。针对此问题，提出了一种结合自适应神经模糊推理系统(ANFIS)和最小二乘支持向量机(LSSVM)的简单有效的方法。该方法分为训练和预测两个阶段：在训练阶段，首先提取图像特征分别训练ANFIS、LSSVM两种初始光源估计模型，接着利用核函数变换将两种模型融合，然后利用预留训练样本进一步训练得到多元线性回归光源估计模型；在预测阶段，提取测试图像特征后，直接由训练所得模型预测得到该测试图像最终的场景光源颜色值。实验结果表明，与深度学习方法相比，本文所提方法计算复杂度较低，即使在小训练样本中也能有很好的光源估计性能。

关键词

计算颜色恒常性 / 光源估计 / 自适应神经模糊推理系统(ANFIS) / 最小二乘支持向量机(LSSVM)