[发明专利]基于八元数和回声状态网络的织物图像边缘检测方法

权利要求书

1.一种织物图像边缘检测方法, 能得到较完整的图像轮廓,细节保持良好。 其特征是：用八元数表示某像素，像素点与该点八领域均值的矢量积作为图像边缘的特征向量，用回声状态网络进行训练并对织物图像边缘检测。

2.根据权利要求1所述的织物图像边缘检测，其特征是：八元数、回声状态网络。

3.根据权利要求1所述的织物图像边缘检测，其特征在于包括以下步骤：

第一步，读取待检测织物图像和训练织物图像，把得到的RGB像素值转换成HIS像素值，对RGB和HIS像素值归一化，用八元数表示像素点f(x,y)= r(x,y)e1+g(x,y)e2+b(x,y)e3+ h(x,y)e4+s(x,y)e5+I(x,y)e6  其中r(x,y)，g(x,y)，b(x,y)，h(x,y)，s(x,y)，I(x,y) 分别为R、G、B、H、S、I分量值。把训练织物RGB图像转换成灰度图像，训练灰度图像用经典算子得到边缘图像output。

第二步，平滑区域中像素点f(x，y)应等于以其为中心的区域边界上函数值的均值; 在图像的边缘处，像素点f(x，y)不等于以( x，y) 为中心的区域边界上函数值的均值。因此，将像素点与该点八领域均值的矢量积作为图像边缘的特征向量。像素点八邻域上像素的均值：

M(x,y)=18Σf(α,β)]]>

计算M(x,y)与f(x,y)的矢量积：

M(x,y)f(x,y)=A(x,y)+R(x,y)e1+G(x,y) e2+B(x,y)e3+H(x,y)e4 +S(x,y)e5 +I(x,y)e6+D(x,y)e7

像素点的特征向量 V(x,y)= （A(x,y)，R(x,y) ，G(x,y) ，B(x,y) ，H(x,y) ，S(x,y) ，I(x,y)，D(x,y)）。

第三步，随机产生一个储备也处理单元数目为N、稀疏程度为D的隐含层稀疏矩阵(动态记忆库)，它和特征向量 V(x,y)输入神经元及一个输出神经元构成一个回声状态神经网络，其中输出神经元要以随机权值连接回动态记忆库。

第四步，把第一步得到边缘图像output作为训练输出，然后通过窗口在训练图像上的滑动，计算像素点的特征向量 V(x,y)构成回声状态网络的训练样本。把第二步得到的V(x,y) 作为特征向量输入回声状态神经网络，激活函数采用双曲正切函数tansig，回声状态神经网络的更新公式是：

x(k+1)=tansig(Wx·x(k)+Win·u(k)+Wbacky(k))]]>

y(k+1)=wout(u(k+1),x(k+1),y(k))]]>

其中W_x,W_in,W_back表示储备池内部点、输入点、输出点到储备池内部点的连接权值。

通过对网络进行训练，得到输入点、储备池内部点和输出点到输出点的连接权值w^out。

第五步，通过第四步训练完成的回声状态网络对待检测织物图像进行边缘检测。以待检测织物图像各像素点的特征向量作为输入，已训练好的回声状态网络检测、判断各像素是否为边缘点，从而得到边缘图像。