法律状态公告日
法律状态信息
法律状态
2018-11-13
授权
授权
2017-06-30
著录事项变更 IPC(主分类):G06K9/62 变更前: 变更后: 申请日:20160219
著录事项变更
2016-11-02
专利申请权的转移 IPC(主分类):G06K9/62 登记生效日:20161011 变更前: 变更后: 申请日:20160219
专利申请权、专利权的转移
2016-07-13
实质审查的生效 IPC(主分类):G06K9/62 申请日:20160219
实质审查的生效
2016-06-15
公开
公开
技术领域
本发明属于羊毛羊绒识别技术领域,尤其涉及一种基于Gabor小波分析的羊毛羊绒识别算法。
背景技术
羊绒纤维细长、均匀、柔软,用其制成的纺织品具有轻柔滑暖的特点,是高档服饰面临的首选。 由于其产量稀少,价格偏高,生产企业常用不同比例的羊绒羊毛进行混纺。羊毛与羊绒都属于天然 的蛋白质纤维,其结构和形态都非常接近,准确的进行纤维种类的判断是非常困难的。
目前常用的纤维鉴别方法是显微镜观测法。检测人员通过观察在显微镜下羊毛羊绒的鳞片形状 与纹理细节等特征,根据其个人经验来对羊绒羊毛的成分进行定性分类,这种方式不仅耗时耗力, 主观性大,测量的一致性也较差。
本发明参考标准:1,2,3,提出一种智能的全自动的羊绒羊毛识别方法,首先利用显微镜与 CCD来对羊绒羊毛进行数字化的图像采集,再利用对羊绒羊毛图像进行不同尺度下的小波卷积提 取特征,并利用SVM来构建分类器模型,实现对羊绒羊毛的智能分类识别。
Gabor小波与人类视觉系统中简单细胞的视觉刺激响应非常相似。它在提取目标的局部空间和 频率域信息方面具有良好的特性。Gabor小波对于图像的边缘敏感,能够提供良好的方向选择和尺 度选择特性,而且对于光照变化不敏感,能够提供对光照变化良好的适应性。二维Gabor小波变换 是在时频域进行信号分析处理的重要工具,其变换系数有着良好的视觉特性和生物学背景,因此被 广泛应用于图像处理、模式识别等领域。与传统的傅立叶变换相比,Gabor小波变换具有良好的时 频局部化特性。
发明内容
本发明提供一种基于Gabor小波分析的羊毛羊绒识别算法,可达到识别率高,识别速度快,识 别结果准确率高,适用性强的有益效果。
本发明所解决的技术问题采用以下技术方案来实现:本发明提供一种基于Gabor小波分析的羊 毛羊绒识别算法,包括在线识别流程与模型学习流程:
所述在线识别流程,对实时采集的纤维图像进行定性分析,包括以下步骤:
(1)图像的获取,采用300万像素工业级ccd配合奥林巴斯CX41生物显微镜,对羊绒羊毛纤维 进行取像;
(2)预处理:a采用高斯滤波器对图像进行平滑滤波,以去除图像中的噪点,高斯滤波器是一 种低通滤波器,其过程可以形式化表达为输入图像I(x,y)与高斯核函数G(x,y)的卷积:
S(x,y)=I(x,y)×G(x,y;σ)其中
b对图像灰度级调整实现图像增强,设数据xij是图像X中的i行j列元素,maxx,minx分别是X中的 最大、最小值;
(3)图像目标提取:采用基于canny的边缘检测与轮廓的提取,canny边缘检测是一个多级边 缘检测算法;其基本步骤主要有:a获取x,y的梯度,b非最大值抑制,c边缘跟踪,这里直接采用 opencv里面的canny算子;
(4)Gabor小波特征提取:分5个尺度8个方向40个特征描述子;采用PCA降维至100维;
Gabor函数可以在频域不同尺度、不同方向上提取相关的特征;二维Gabor函数可以表示为:
其中:
选取一组不同尺度和方向的Gabor基对输入纤维图像进行卷积,具体选取4个尺度(v=0,1,...,3), 8个方向(即K=8,u=0,1,...,7),共32个Gabor核函数;
(5)将特征向量输入分类器计算结果;将输入每一个纤维图像统一缩放为48*48大小,然后提 取32个尺度下的Gabor特征图谱,共提取48*48*32=73728维向量;进一步我们采取PCA方法将原始 高维数据降至100维,作为SVM的输入特征向量;
所述模型学习流程,是要得到一个分类器,采取一种基于SVM的分类器模型,包括以下步骤:
(1)模型学习的前提是积累的大量的羊毛羊绒的数据库;
(2)在此基础之上,采用人工标注的方式,使机器明确目标纤维的种类与所处的位置,是一 种监督学习方式;
(3)对数据库中纤维图像进行预处理、特征提取,该步骤与在线识别流程的(2)(4)步骤一 致;
(4)学习过程采取二分类的SVM分类器,并利用开源的libSVM进行训练,选取RBF径向基核 函数,迭代次数设置为100000次,迭代终止偏差0.001。
本发明的有益效果为:
本发明对羊绒羊毛的识别率高,识别速度快,识别结果准确率高且适用性强。
附图说明
图1是本发明的流程示意图。
具体实施方式
实施例:
本发明包括在线识别流程与模型学习流程:
所述在线识别流程,对实时采集的纤维图像进行定性分析,包括以下步骤:
(1)图像的获取,采用300万像素工业级ccd配合奥林巴斯CX41生物显微镜,对羊绒羊毛纤维 进行取像;
(2)预处理:a采用高斯滤波器对图像进行平滑滤波,以去除图像中的噪点,高斯滤波器是一 种低通滤波器,其过程可以形式化表达为输入图像I(x,y)与高斯核函数G(x,y)的卷积:
S(x,y)=I(x,y)×G(x,y;σ)其中
b对图像灰度级调整实现图像增强,设数据xij是图像X中的i行j列元素,maxx,minx分别是X中的 最大、最小值;
(3)图像目标提取:采用基于canny的边缘检测与轮廓的提取,canny边缘检测是一个多级边 缘检测算法;其基本步骤主要有:a获取x,y的梯度,b非最大值抑制,c边缘跟踪,这里直接采用 opencv里面的canny算子;
(4)Gabor小波特征提取:分5个尺度8个方向40个特征描述子;采用PCA降维至100维;
Gabor函数可以在频域不同尺度、不同方向上提取相关的特征;二维Gabor函数可以表示为:
其中:
选取一组不同尺度和方向的Gabor基对输入纤维图像进行卷积,具体选取4个尺度(v=0,1,...,3), 8个方向(即K=8,u=0,1,...,7),共32个Gabor核函数;
(5)将特征向量输入分类器计算结果;将输入每一个纤维图像统一缩放为48*48大小,然后提 取32个尺度下的Gabor特征图谱,共提取48*48*32=73728维向量;进一步我们采取PCA方法将原始 高维数据降至100维,作为SVM的输入特征向量;
所述模型学习流程,是要得到一个分类器,采取一种基于SVM的分类器模型,包括以下步骤:
(1)模型学习的前提是积累的大量的羊毛羊绒的数据库;
(2)在此基础之上,采用人工标注的方式,使机器明确目标纤维的种类与所处的位置,是一 种监督学习方式;
(3)对数据库中纤维图像进行预处理、特征提取,该步骤与在线识别流程的(2)(4)步骤一 致;
(4)学习过程采取二分类的SVM分类器,并利用开源的libSVM进行训练,选取RBF径向基核 函数,迭代次数设置为100000次,迭代终止偏差0.001。
以上通过实施例对本发明的进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认 为用于限定本发明的实施范围。凡利用本发明所述的技术方案,或本领域的技术人员在本发明技术 方案的启发下,设计出类似的技术方案而达到上述技术效果的,或者对申请范围所作的均等变化与 改进等,均应仍归属于本发明的专利涵盖保护范围之内。
机译: 一种生产由蛋白质纤维制成的衣服的磨损外观的方法,例如羊毛,羊绒和丝绸
机译: 一种在羊绒或羊毛上(无论是单独还是在头发上)涂抹的过程。
机译: 从基于骆驼和/或羊绒和/或羊驼毛和/或毛发和/或羊毛和/或Y牛毛的产品中消费的废消费中产生的分层产品及其提供方法