[发明专利]一种基于Gabor小波分析的羊毛羊绒识别算法

摘要

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。

主权项

1.一种基于Gabor小波分析的羊毛羊绒识别算法，其特征在于：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；Gabor函数可以在频域不同尺度、不同方向上提取相关的特征；二维Gabor函数可以表示为：其中：选取一组不同尺度和方向的Gabor基对输入纤维图像进行卷积，具体选取4个尺度(v＝0，1，...，3)，8个方向(即K＝8，u＝0，1，...，7)，共32个Gabor核函数；(5)将特征向量输入分类器计算结果；将输入每一个纤维图像统一缩放为48*48大小，然后提取32个尺度下的Gabor特征图谱，共提取48*48*32＝73728维向量；进一步我们采取PCA方法将原始高维数据降至100维，作为SVM的输入特征向量；所述模型学习流程，是要得到一个分类器，采取一种基于SVM的分类器模型，包括以下步骤：(a)模型学习的前提是积累的大量的羊毛羊绒的数据库；(b)在此基础之上，采用人工标注的方式，使机器明确目标纤维的种类与所处的位置，是一种监督学习方式；(c)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；(d)学习过程采取二分类的SVM分类器，并利用开源的libSVM进行训练，选取RBF径向基核函数，迭代次数设置为100000次，迭代终止偏差0.001。