【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及一種基于全局特征的實(shí)木紋理識(shí)別分類方法及系統(tǒng)，屬于機(jī)器視覺(jué)目標(biāo)檢測(cè)識(shí)別領(lǐng)域。
技術(shù)介紹
1、在實(shí)木復(fù)合地板的生產(chǎn)過(guò)程中，對(duì)表面紋理進(jìn)行分類是一項(xiàng)復(fù)雜且關(guān)鍵的任務(wù)。傳統(tǒng)的紋理分類方法主要依賴于人工目視檢測(cè)，存在主觀性強(qiáng)、效率低、誤檢率高以及檢測(cè)人員易疲勞等問(wèn)題。隨著機(jī)器視覺(jué)技術(shù)的快速發(fā)展，視覺(jué)檢測(cè)方法已經(jīng)部分實(shí)現(xiàn)代替人工的自動(dòng)檢測(cè)，然而由于實(shí)木表面存在的顏色差異和紋理的多樣性導(dǎo)致分類的準(zhǔn)確性干擾因素較多。此外，傳統(tǒng)紋理特征提取方法計(jì)算成本高、處理速度慢，難以滿足實(shí)時(shí)性要求較高的生產(chǎn)場(chǎng)景。因此，本專利技術(shù)提出了一種基于全局特征(gist)的實(shí)木紋理識(shí)別分類方法及系統(tǒng)，實(shí)現(xiàn)克服表面色差影響、降低計(jì)算成本的目標(biāo)，為實(shí)木復(fù)合地板紋理的自動(dòng)化分類提供一種新的解決方案。
技術(shù)實(shí)現(xiàn)思路
1、專利技術(shù)目的：針對(duì)實(shí)木復(fù)合地板表面由于表面色差影響導(dǎo)致紋理分類不理想的問(wèn)題，本專利技術(shù)提供一種于全局特征的實(shí)木紋理識(shí)別分類方法及系統(tǒng)，通過(guò)基于全局特征提取結(jié)合支持向量機(jī)分類，實(shí)現(xiàn)克服表面色差影響并降低計(jì)算成本的目標(biāo)，降低企業(yè)在生產(chǎn)生活中的人工成本和誤檢率。
2、技術(shù)方案：為實(shí)現(xiàn)上述目的，本專利技術(shù)采用的技術(shù)方案為：
3、一種基于全局特征的實(shí)木紋理識(shí)別分類方法，包括以下步驟：
4、步驟s1：采集多張實(shí)木復(fù)合地板圖片，并進(jìn)行預(yù)處理，得到預(yù)處理后的地板圖片。
5、步驟s2：將采集圖像按照直紋和花紋分類，利用全局特征方法對(duì)預(yù)處理后的地板圖片進(jìn)行地板表面的紋理
6、步驟s3：提取出的特征向量帶入adaboost策略集成模型進(jìn)行分類訓(xùn)練，同時(shí)在訓(xùn)練過(guò)程中利用網(wǎng)格搜索算法得到支持向量機(jī)的最優(yōu)超參數(shù)，保存訓(xùn)練好的模型。
7、步驟s4：通過(guò)訓(xùn)練好的模型對(duì)待分類的實(shí)木復(fù)合地板圖片進(jìn)行分類。
8、優(yōu)選的，步驟s2中得到不同尺度方向的濾波圖像的方法如下：
9、步驟s21:首先將輸入的圖像進(jìn)行灰度化，調(diào)整大小至256*256，并做歸一化處理。
10、步驟s22:建立8個(gè)尺度，每個(gè)尺度為8個(gè)方向的gabor核，即選取7，5，3.5，2.5，1.75，1.25，0.875，0.625八個(gè)不同的方差，每一個(gè)方差計(jì)算0°，30°，45°，60°，90°，120°，135°，150°八個(gè)角度上的gabor核。
11、步驟s23:將得到的不同尺度方向的濾波圖像，分別劃分為多個(gè)7*7的區(qū)域塊并進(jìn)行平均池化操作。
12、步驟s24：將所有小塊的均值組合成一個(gè)特征向量，并通過(guò)除以該向量的l2范數(shù)來(lái)歸一化，最終得到一個(gè)2304維的特征向量。
13、步驟s25：遍歷所有圖片的2304維的特征向量的數(shù)據(jù)集。
14、步驟s26：根據(jù)每個(gè)近鄰數(shù)據(jù)點(diǎn)的歐式距離計(jì)算局部重構(gòu)權(quán)重系數(shù)向量。
15、步驟s27：最后利用局部重構(gòu)權(quán)重系數(shù)向量推導(dǎo)得到的計(jì)算矩陣將數(shù)據(jù)點(diǎn)映射至6維數(shù)據(jù)空間，得到不同尺度方向的濾波圖像。
16、優(yōu)選的：所述步驟s2中特征提取降維操作如下：
17、計(jì)算提取特征向量的重構(gòu)誤差：
18、
19、目標(biāo)映射空間求值數(shù)量關(guān)系：
20、
21、式中，∈(w)為目標(biāo)低維空間降維的重構(gòu)誤差參數(shù)，n為數(shù)據(jù)總數(shù)，kh表示池化窗口的高度，kw表示池化窗口的寬度，input表示輸入，m表示池化窗口的高度的起始位置，n表示池化窗口的寬度的起始位置，ni為批量大小，ci代表通道數(shù)，qi為數(shù)據(jù)點(diǎn)的近鄰點(diǎn)集合，ωij為xj對(duì)xi的重構(gòu)權(quán)重，n(i)表示xi的鄰近點(diǎn)集合，x表示像素橫坐標(biāo)位置，y表示像素縱坐標(biāo)位置，θ表示gabor核函數(shù)圖像的傾斜角度，γ表示長(zhǎng)寬比，σ表示高斯函數(shù)的標(biāo)準(zhǔn)差，λ表示濾波的波長(zhǎng)，ψ表示相位偏移量，minytrace表示最小化跡運(yùn)算，y為定義的嵌入映射矩陣，w為重構(gòu)權(quán)重ωij組成的權(quán)重矩陣，i為單位矩陣。
22、優(yōu)選的，預(yù)處理的方法為：首先將圖像進(jìn)行灰度化和高斯濾波。之后利用閾值分割方法進(jìn)行二值化。然后依據(jù)二值圖像繪制掩碼，并覆蓋在原彩色圖像上得到一張隔離背景的地板圖像。
23、一種基于全局特征的實(shí)木紋理識(shí)別分類系統(tǒng)，用于實(shí)現(xiàn)所述基于全局特征的實(shí)木紋理識(shí)別分類方法，包括圖片采集單元、預(yù)處理單元、濾波單元、分類模型單元，其中：
24、所示圖片采集單元用于采集多張實(shí)木復(fù)合地板圖片。
25、所述預(yù)處理單元用于對(duì)采集的多張實(shí)木復(fù)合地板圖片進(jìn)行預(yù)處理，得到預(yù)處理后的地板圖片。
26、所述濾波單元用于將采集圖像按照直紋和花紋分類，利用全局特征方法對(duì)預(yù)處理后的地板圖片進(jìn)行地板表面的紋理特征向量提取，并依據(jù)整體數(shù)據(jù)集結(jié)合非線性方法進(jìn)行特征降維操作，得到不同尺度方向的濾波圖像。
27、所述分類模型單元用于提取出的特征向量帶入基于adaboost策略集成的多支持向量機(jī)模型進(jìn)行分類訓(xùn)練，同時(shí)在訓(xùn)練過(guò)程中利用網(wǎng)格搜索算法得到支持向量機(jī)在完成分類任務(wù)時(shí)精度最高的核函數(shù)和懲罰因子兩個(gè)超參數(shù)，之后保存訓(xùn)練好的模型。通過(guò)訓(xùn)練好的模型對(duì)待分類的實(shí)木復(fù)合地板圖片進(jìn)行分類。
28、本專利技術(shù)相比現(xiàn)有技術(shù)，具有以下有益效果：
29、本專利技術(shù)通過(guò)基于改進(jìn)全局特征，將原先的4個(gè)方向和4個(gè)尺度的gabor濾波提取特征轉(zhuǎn)為8個(gè)尺度和8個(gè)方向的特征提取算法，在應(yīng)對(duì)復(fù)雜的實(shí)木紋理中能夠保證提取更多的特征信息，并且結(jié)合特征降維方法能夠有效的一直增加的特征維數(shù)帶來(lái)的模型過(guò)擬合風(fēng)險(xiǎn)，同時(shí)利用adaboost策略集成支持向量機(jī)也進(jìn)一步提高了分類器的泛化能力，因此相比于傳統(tǒng)的機(jī)器視覺(jué)分類模型，本專利技術(shù)提出的方法能夠有效克服木材表面可能存在的顏色差異帶來(lái)的影響，并且相對(duì)于傳統(tǒng)的顏色，紋理特征提取過(guò)程降低了計(jì)算設(shè)備硬件的運(yùn)算成本。整體上具備魯棒性好、識(shí)別精度高、處理速度快和使用維護(hù)便捷等優(yōu)勢(shì)，較好的解決了目前實(shí)木復(fù)合地板紋理分類依靠人工目視缺陷檢測(cè)中存在的主觀性強(qiáng)，效率低，誤檢率高，易疲勞的問(wèn)題。
本文檔來(lái)自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種基于全局特征的實(shí)木紋理識(shí)別分類方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述基于全局特征的實(shí)木紋理識(shí)別分類方法，其特征在于，所述步驟S2中特征提取降維操作如下：
3.根據(jù)權(quán)利要求2所述基于全局特征的實(shí)木紋理識(shí)別分類方法，其特征在于，步驟S2中得到不同尺度方向的濾波圖像的方法如下：
4.根據(jù)權(quán)利要求3所述基于全局特征的實(shí)木紋理識(shí)別分類方法，其特征在于，步驟S22中角度為45°的Gabor濾波的計(jì)算公式如下：
5.根據(jù)權(quán)利要求4所述基于全局特征的實(shí)木紋理識(shí)別分類方法，其特征在于，步驟S23中平均池化操作的計(jì)算方法如下：
6.根據(jù)權(quán)利要求5所述基于全局特征的實(shí)木紋理識(shí)別分類方法，其特征在于，步驟S26中重構(gòu)誤差的目標(biāo)函數(shù)如下：
7.根據(jù)權(quán)利要求6所述基于全局特征的實(shí)木紋理識(shí)別分類方法，其特征在于：預(yù)處理的方法為：首先將圖像進(jìn)行灰度化和高斯濾波；之后利用閾值分割方法進(jìn)行二值化；然后依據(jù)二值圖像繪制掩碼，并覆蓋在原彩色圖像上得到一張隔離背景的地板圖像。
8.一種基于全局特征的實(shí)木紋理識(shí)別分
...【技術(shù)特征摘要】
1.一種基于全局特征的實(shí)木紋理識(shí)別分類方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述基于全局特征的實(shí)木紋理識(shí)別分類方法，其特征在于，所述步驟s2中特征提取降維操作如下：
3.根據(jù)權(quán)利要求2所述基于全局特征的實(shí)木紋理識(shí)別分類方法，其特征在于，步驟s2中得到不同尺度方向的濾波圖像的方法如下：
4.根據(jù)權(quán)利要求3所述基于全局特征的實(shí)木紋理識(shí)別分類方法，其特征在于，步驟s22中角度為45°的gabor濾波的計(jì)算公式如下：
5.根據(jù)權(quán)利要求4所述基于全局特征的實(shí)木紋理識(shí)別分類方法，其特征在于，步驟s23中平均池化...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：李榮榮，楊博凱，孟媛，徐澤宇，
申請(qǐng)(專利權(quán))人：南京林業(yè)大學(xué)，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。