【CN】Parametric fuzzy sets for automatic color naming论文阅读笔记

摘要：这篇文章为自动颜色命名（automatic color naming）提出了一个参数化模型，每个颜色类别都建模为一个带有参数隶属度功能的模糊集。

函数的参数利用心理物理实验得到的数据拟合估计得到。命名的任务与之前的心理物理实验一致，因此提供的高水平的颜色命名信息对不同的计算机视觉应用都是非常有用的。参数模型的应用汇会在执行成本、数据表示、模型分析和模型更新等方面带来一些值得关注的优势。

 

介绍：略。

这篇文章提出一个基于应用参数隶属函数的模糊颜色命名模型。模型的主要目标是提供高水平的颜色描述符，包含计算机视觉应用需要的颜色命名信息。

 

参数模型：这篇文章最重要的贡献是进一步构建了自动化颜色分类任务的计算引擎。我们将颜色命名任务作为在模糊集理论框架下表述的“表决”问题。

之前的工作使用了最邻近分类器和k-mean模糊算法。我们提出的本质的区别是参数模型的定义，我们提出一系列可协调的参数，可以分析地决定代表每一种颜色的模糊集的形状。参数模型已被预先用于对颜色信息建模，这种方法的适配度可以总结为一下几个方面；

（1）加入先验知识。数据结构的先验知识可以爱让我们在各种场景下选出最好的模型，但如果选择的模型不合适的话会带来负面影响。

（2）紧凑的类别。每种类别完全由几个参数决定，在初始拟合后用于训练的数据无需再存储，这意味着较少的内存占用和计算时间。

（3）有意义的参数。每个参数在数据描述方面都有其意义，这使得我们可以通过调整参数来修改和完善模型。

（4）分析方便。通过对参数值的研究，可以对模型进行分析和比较。

考虑从之前的工作以及心理物理数据得到的感性空间，我们使用a triple-sigmoid function为八种基本的颜色分类(Red, Orange,
Brown, Yellow, Green, Blue, Purple, and Pink).拟合颜色隶属度。最后我们在CIELab颜色空间上工作，因为他是准感知均匀颜色空间，在欧几里得空间和颜色对上有很好的相关性，并且感知颜色的差异可以被观察到。有可能其它空间也是合适的，只要其中一个尺寸与颜色亮度以及其它两个与色度分量相关。

在这篇文章中，我们会将所有的色点表示在如下空间：，这里I代表亮度，c1,c2代表色点的色度分量。

 

理想情况下，颜色的隶属度应该由三维函数模型化，但是遗憾的是很难准确推断出在颜色空间中颜色命名数据是以什么方式分布的。因此找到适合这些数据的常数函数是非常困难的。基于此，在我们的提议中，这个三维颜色空间需要在亮度轴上被切成一系列层，得到一系列隶属函数已被建模成二维函数的色度平面。因此，任何具体的色彩类别会由一系列函数所决定，每一个取决于亮度成分。无色的类别（Black, Gray, and White）会被作为彩色类别的互补函数，但由三无色类别的成员函数加权得到。

A. 模糊颜色命名（Fuzzy Color Naming）

模糊集的元素之间有一定程度的隶属度。一个模糊集A由一个明确集X定义，称之为泛集，一个隶属度函数将泛集中的元素映射到[0,1]区间，即：

模糊集是用自然语言来表达不明确概念的很好的工具。在颜色命名中，我们可以认为，任何的颜色类别都是一个模糊集，并且有隶属度函数，在特定的颜色空间中分配任何颜色样本。举例在泛集中，一个隶属值，在[0，1]区间取值，这个值代表了我们认为s属于类别的确认度，这与寓意措辞有关。

在我们颜色分类中有固定数目的类别，对于给定的色彩样本我们需要施加约束，n种类别的隶属函数的和必须归一化：

在论文余下部分，这个约束被称为归一化和约束。这个约束让我们用考虑到的类别对最终颜色感知的贡献来解译任何样本的隶属函数。

对于给定的颜色样本s，可计算颜色描述符CD：

这个n维向量的任何一个成员都描述了s对于一个特定颜色类别的隶属度。

这个描述符包含的信息可以被一个决议函数使用，来指定刺激s的颜色名称。，最简单的决议原则是寻找描述符的最大值：

tk是与类别Ck对应的语义值。

本文考虑到的颜色类别：

B. 彩色类别（Chromatic Categories）

根据先前定义的模糊的框架，选来对彩色类别建模的任意函数的映射值必须要0-1区间内。此外从颜色命名实验中得到的精神物理学数据隶属值的观测值

让我们推断出彩色类别的隶属函数需要满足的一系列必要的属性：

（1）三角基

彩色类别呈现出一个平台，或者是一个没有混淆颜色名称的区域，有一个三角形的形状和一个由所有类别共享的主顶点。

（2）不同的斜率

对于一个给定的彩色类别，对相邻类别的命名确定性的斜率在类别的每一边都是不同的（例如，从蓝色到绿色的转换可以不同于从蓝色到紫色）。

（3）中央切口

从一个彩色的类别到中心的消色差的转变在主顶点周围有一个切口的形式

在图2中，我们在色度图中显示了前面条件的一个方案，在这个图中，绘制了颜色命名实验的样本。

在考虑了不同的满足以上部分属性的隶属函数之后，我们定义了它们的新变种，带有椭圆中心（TSE）的三重sigmoid，TSE作为一个二维函数:TSE的定义是从一维的s型函数开始的：