[发明专利]一种金属元件识别方法及装置

权利要求书

1.一种金属元件识别方法，其特征在于，包括：

图像预处理：采集物品的太赫兹图像，对输入的太赫兹图像进行图像增强、图像灰度化以及图像滤波操作；

阈值选取：将预处理过的太赫兹图像进行阈值分割，选取最佳阈值；

特征提取：将获取的最佳阈值运用于canny边缘检测算法中，对预处理过的太赫兹图像进行特征提取，获取图像特征参数；

信息比对：将提取出来的图像特征参数与已有的数据库中的数据进行比对，判断出图像中的物品为何种金属元件。

2.如权利要求1所述的金属元件识别方法，其特征在于，采用最大类间方差法选取最佳阈值。

3.如权利要求2所述的金属元件识别方法，其特征在于，采用最大类间方差法选取最佳阈值具体包括：统计阈值分割后每个灰度级中像素的个数，划分像素集合，计算每个灰度级中像素集合在整个灰度级中所占的比例，根据比例得到每个像素在整幅图像中的概率分布，遍历整个灰度级，计算当前灰度值下前景背景的类间概率，计算类内与类间方差下对应的阈值，选取类间方差最大的灰度级为最佳阈值。

4.如权利要求1所述的金属元件识别方法，其特征在于，图像特征参数为图像边缘像素；获取图像特征参数包括：

对预处理过的太赫兹图像进行canny边缘检测，计算图像的梯度幅值和梯度方向θ＝arctan2(G_y,G_x)，其中，G_x为图像在x方向上的偏导数，G_y为图像在y方向上的偏导数；

进行非最大值抑制使得图像边缘细化，保留图像的局部最大梯度；

根据最佳阈值选取双阈值，利用双阈值获取图像边缘像素。

5.如权利要求4所述的金属元件识别方法，其特征在于，双阈值包括高阈值和低阈值；根据最佳阈值选取双阈值包括：将最佳阈值作为高阈值，在高阈值的1/3～1/2范围内选取低阈值。

6.如权利要求4所述的金属元件识别方法，其特征在于，利用双阈值获取图像边缘像素包括：将高于高阈值的点作为边缘点像素，低于低阈值的点抛弃；将大于低阈值小于高阈值的点用8连通区域确定，即大于低阈值小于高阈值的点只有与高阈值像素连接时才能成为边缘点。

7.一种金属元件识别装置，其特征在于，包括：图像采集装置、图像处理装置和信息比对装置；图像处理装置的输入端连接图像采集装置，输出端连接信息比对装置；其中，图像采集装置用于采集物品的太赫兹图像，并输出到图像处理装置；图像处理装置用于获取图像采集装置输入的太赫兹图像的特征参数；信息比对装置用于将提取出来的图像特征参数与已有的数据库中的数据进行比对，判断出图像中的物品为何种金属元件。

8.如权利要求7所述的金属元件识别装置，其特征在于，图像处理装置包括图像预处理模块、阈值选取模块和特征提取模块；图像预处理模块的输入端连接图像采集装置，输出端分别连接阈值选取模块的输入端和特征提取模块的第一输入端，阈值选取模块的输出端连接特征提取模块的第二输入端，特征提取模块的输出端连接信息比对装置；

图像预处理模块用于将输入的太赫兹图像进行图像增强、图像灰度化以及图像滤波操作，并将预处理后的图像输出到阈值选取模块和特征提取模块；阈值选取模块用于将预处理过的太赫兹图像进行阈值分割，选取最佳阈值并输出到特征提取模块；特征提取模块用于将获取的最佳阈值运用于canny边缘检测算法中，对预处理过的太赫兹图像进行特征提取，获取图像特征参数。

9.如权利要求8所述的金属元件识别装置，其特征在于，采用最大类间方差法选取最佳阈值，具体包括：统计阈值分割后每个灰度级中像素的个数，划分像素集合，计算每个灰度级中像素集合在整个灰度级中所占的比例，根据比例得到每个像素在整幅图像中的概率分布，遍历整个灰度级，计算当前灰度值下前景背景的类间概率，计算类内与类间方差下对应的阈值，选取类间方差最大的灰度级为最佳阈值。

10.如权利要求8所述的金属元件识别装置，其特征在于，图像特征参数为图像边缘像素；获取图像特征参数包括：

对预处理过的太赫兹图像进行canny边缘检测，计算图像的梯度幅值和梯度方向θ＝arctan2(G_y,G_x)，其中，G_x为图像在x方向上的偏导数，G_y为图像在y方向上的偏导数；

进行非最大值抑制使得图像边缘细化，保留图像的局部最大梯度；

根据最佳阈值选取双阈值，利用双阈值获取图像边缘像素。