[发明专利]一种基于混合高斯模型的色选机粘连物料图像分割方法有效

专利信息
申请号: 202110286944.X 申请日: 2021-03-17
公开(公告)号: CN112991362B 公开(公告)日: 2022-11-01
发明(设计)人: 纪明伟;时宇;孙冬 申请(专利权)人: 合肥高晶光电科技有限公司
主分类号: G06T7/11 分类号: G06T7/11;G06T7/90;G06V10/764;G06V10/82;G06V10/98;G06N3/04;G06N3/08
代理公司: 合肥正则元起专利代理事务所(普通合伙) 34160 代理人: 刘念
地址: 230000 安徽省合肥市经济技术开发区桃*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 混合 模型 色选机 粘连 物料 图像 分割 方法
【说明书】:

本发明公开了一种基于混合高斯模型的色选机粘连物料图像分割方法,涉及图像处理技术领域;本发明设置了质量分析模块,该设置用于对原始图像进行质量分析,并获取质量分析标签;质量分析模块通过灰度值的分布来判断初筛图像的质量,为图像分割模块提供数据基础;本发明设置了图像分割模块,该设置通过混合高斯模型对初筛图像进行分割;图像分割模块结合混合高斯模型完成对初筛图像的分割,能够保证对初筛分割图像的分割精度;本发明设置了物料分类模块,该设置对目标图像进行分析获取物料种类;物料分类模块通过分类模型完成对目标图像的识别,能够快速判断物料类别,有助于工作人员对设备和程序进行改进。

技术领域

本发明属于图像处理技术领域,具体是一种基于混合高斯模型的色选机粘连物料图像分割方法。

背景技术

图像分割是数字图像处理过程中的关键技术之一,图像分割的任务是将输入图像分割为一些独立的区域,使得同一区域具有相同的属性,而使不同区域具有不同的属性;图像分割是进一步进行图像识别、分析和李杰的基础,在理论研究和实际应用中都得到了人们广泛的重视,因此,图像分割仍然是目前的研究热点之一。

公开号为CN103632361A的发明专利提供了一种图像分割方法和系统,所述方法包括:根据原始图像,划定第一初始前景区域和初始背景区域;对原始图像进行下采样,获得第一图像,并将第一图像中属于第一初始前景区域的像素划定为初始前景区域;利用所述初始背景区域中的像素建立初始的背景混合高斯模型,利用所述初始前景区域的像素建立初始的前景混合高斯模型;将所述第一图像输入图切割过程,划分新前景区域和新背景区域;并以所述新前景区域的像素优化所述前景混合高斯模型的参数,以新背景区域中的像素优化所述背景混合高斯模型的参数;直至图切割过程收敛。

上述方案提高了切割算法处理时间;但是,上述方案通过像素灰度值将原始图像划定为初始前景区域和初始背景区域,忽略了图像纹理,导致图像分割不准确;因此,上述方案仍需进一步改进。

发明内容

为了解决上述方案存在的问题,本发明提供了一种基于混合高斯模型的色选机粘连物料图像分割方法。

本发明的目的可以通过以下技术方案实现:一种基于混合高斯模型的色选机粘连物料图像分割方法,所述图像分割方法具体包括以下步骤:

步骤一:通过控制系统通过图像采集单元采集原始图像,并将原始图像分别发送至质量分析模块和数据存储模块;

步骤二:获取初筛图像的像素总数和灰度值变化直方图;获取灰度值变化直方图中任意连续三个灰度值对应的像素数量并标记为像素验证总数;获取像素验证总数与像素总数的比值并标记为图像评价系数;根据图像评价系数对初筛图像的质量进行评价,生成质量分析标签;通过处理器将初筛图像及对应的质量分析标签分别发送至图像分割模块和数据存储模块;

步骤三:当质量分析标签为1时,将初筛图像进行划分成像素区域,将像素区域标记为i;设定分割类别、分割类别对应的均值向量和协方差矩阵;分割类别、分割类别对应的均值向量和协方差矩阵结合期望最大算法获取最大似然参数,并获取像素区域i属于分割类别m的标准化后验矩阵,根据标准化后验矩阵计算后验概率,根据后验概率对初筛图像中色选机和粘连物料进行分割,获取粘连物料的图像并标记为目标图像;通过处理器将目标图像发送至物料分类模块和数据存储模块。

优选的,所述控制系统包括处理器、数据采集模块、质量分析模块、图像分割模块、物料分类模块和数据存储模块;

所述数据采集模块与图像采集单元电气连接;所述数据采集模块通过图像采集单元采集原始图像,并将原始图像分别发送至质量分析模块和数据存储模块;

所述图像分割模块通过混合高斯模型对初筛图像进行分割,包括:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于合肥高晶光电科技有限公司,未经合肥高晶光电科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110286944.X/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top