[发明专利]一种彩色直接部件标记图像的颜色稳定性分析方法及系统

权利要求书

1.一种彩色直接部件标记图像的颜色稳定性分析方法，其特征在于，包括：

获取待稳定性分析的彩色直接部件标记图像，并对所述彩色直接部件标记图像进行特征提取；

所述图像的特征提取包括颜色特征、形状特征和纹理特征的提取；在所述图像的颜色特征、形状特征和纹理特征的提取前，需要将获取的图像转换到HSV空间，计算64种颜色的量化矩阵，其中，H分量量化为16份，S分量量化为4份；

所述颜色特征的提取包括量化矩阵中数量第一与第二颜色的色差、量化矩阵的标准差、量化矩阵的偏度和量化矩阵的峰度；

所述形状特征的提取包括量化矩阵的主色占比和主色边缘质心偏离图像中心的欧式距离；

将提取的特征输入预训练的颜色稳定性分析模型中，获得其颜色稳定性分析结果；其中，所述颜色稳定性分析模型是基于BP神经网络，通过若干组训练数据进行训练得到的；所述若干组训练数据包括不同颜色稳定性的单元图像及其对应颜色稳定性结果；

基于所述BP神经网络颜色稳定性分析模型的分析结果，确定所述彩色直接部件标记图像中各单元的颜色稳定性。

2.如权利要求1所述的一种彩色直接部件标记图像的颜色稳定性分析方法，其特征在于，所述颜色稳定性分析模型的训练过程包括：

获取预设数量的训练图像；所述训练图像包括不同颜色稳定性的单元图像及其对应的颜色稳定性；

对训练图像进行特征提取；将提取的颜色特征、形状特征和纹理特征作为BP神经网络模型的输入，对应的颜色稳定性作为BP神经网络模型的输出，对所述模型进行训练；

当训练得到的模型满足预设条件时，模型训练完成。

3.如权利要求1所述的一种彩色直接部件标记图像的颜色稳定性分析方法，其特征在于，所述纹理特征的提取包括对比度、相关性、能量、同质性、熵和最大概率。

4.如权利要求1所述的一种彩色直接部件标记图像的颜色稳定性分析方法，其特征在于，所述BP神经网络颜色稳定性分析模型采用输入层、隐藏层和输出层的三层网络结构；其输入层的神经元数量为12，隐藏层的神经元数量为2，输出层的神经元数量为1；其权重学习算法采用Levenberg-Marquardt算法。

5.一种彩色直接部件标记图像的颜色稳定性分析系统，其特征在于，包括：

彩色直接部件标记获取模块，用于获取待稳定性分析的彩色直接部件标记图像，并对所述彩色直接部件标记图像进行特征提取；

所述图像的特征提取包括颜色特征、形状特征和纹理特征的提取；在所述图像的颜色特征、形状特征和纹理特征的提取前，需要将获取的图像转换到HSV空间，计算64种颜色的量化矩阵，其中，H分量量化为16份，S分量量化为4份；

所述颜色特征的提取包括量化矩阵中数量第一与第二颜色的色差、量化矩阵的标准差、量化矩阵的偏度和量化矩阵的峰度；

所述形状特征的提取包括量化矩阵的主色占比和主色边缘质心偏离图像中心的欧式距离；彩色直接部件标记单元分析模块，用于将提取的特征输入预训练的颜色稳定性分析模型中，获得其颜色稳定性分析结果；其中，所述颜色稳定性分析模型是基于BP神经网络，通过若干组训练数据进行训练得到的；所述若干组训练数据包括不同颜色稳定性的单元图像及其对应颜色稳定性结果；

颜色稳定性确定模块，其用于基于所述BP神经网络颜色稳定性分析模型的分析结果，确定所述彩色直接部件标记图像中各单元的颜色稳定性。

6.一种电子设备，包括存储器、处理器及存储在存储器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-4任一项所述的一种彩色直接部件标记图像的颜色稳定性分析方法。

7.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4任一项所述的一种彩色直接部件标记图像的颜色稳定性分析方法。