[发明专利]一种基于Gabor小波分析的羊毛羊绒识别算法

说明书

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x_ij是图像X中的i行j列元素，max_x，min_x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；