一种基于Gabor小波分析的羊毛羊绒识别算法制造技术

技术编号:14842429 阅读:124 留言:0更新日期:2017-03-17 07:36
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,所述在线识别流程,包括以下步骤:(1)对羊绒羊毛纤维进行取像;(2)采用高斯滤波器对图像进行平滑滤波,对图像灰度级调整实现图像增强;(3)采用基于canny的边缘检测与轮廓的提取图像目标;(4)提取Gabor特征;(5)计算结果;所述模型学习流程,包括以下步骤:(1)积累的大量的羊毛羊绒的数据库;(2)人工标注明确目标纤维的种类与所处的位置;(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。本发明专利技术可达到识别率高,识别速度快,识别结果准确率高,适用性强的有益效果。

【技术实现步骤摘要】

本专利技术属于羊毛羊绒识别
,尤其涉及一种基于Gabor小波分析的羊毛羊绒识别算法
技术介绍
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。本专利技术参考标准: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。
技术实现思路
本专利技术提供一种基于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。本专利技术所解决的技术问题采用以下技术方案来实现:本专利技术提供一种基于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;xij=xij-minXmaxX-minX×255;]]>(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:guv(x,y)=k2σ2exp(-k2(x2+y2)2σ2)[exp(ikxy)-exp(-σ22)]]]>其中:kv=2-v+22π,]]>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。本专利技术的有益效果为:本专利技术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是本专利技术的流程示意图。具体实施方式实施例:本专利技术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;xij=xij-minXmaxX-minX×255;]]>(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:guv(x,y)=k2σ2exp(-k2(x2+y2)2σ2)[exp(ikxy)-exp(-σ22)]]]>其中:kv=2-v+22π,]]>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:<本文档来自技高网
...
一种基于Gabor小波分析的羊毛羊绒识别算法

【技术保护点】
一种基于Gabor小波分析的羊毛羊绒识别算法,其特征在于: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G(x,y)=12πσ2exp(-x2+y22σ2)]]>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;xij=xij-minXmaxX-minX×255;]]>(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:guv(x,y)=k2σ2exp(-k2(x2+y2)2σ2)[exp(ikxy)-exp(-σ22)]]]>其中:kv=2-v+22π,]]>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。...

【技术特征摘要】
1.一种基于Gabor小波分析的羊毛羊绒识别算法,其特征在于: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G(x,y)=12πσ2exp(-x2+y22σ2)]]>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;xij=xij-minXmaxX-minX×255;]]>(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...

【专利技术属性】
技术研发人员:单学蕾俞浩谢自力葛传兵魏俊玲孙学艳李一晗
申请(专利权)人:天纺标检测科技有限公司
类型:发明
国别省市:天津;12

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1