[发明专利]一种基于颜色特征的汽车保险片分类方法

摘要

一种基于颜色特征的汽车保险片分类方法，属于图像处理与模式识别领域。本发明以汽车保险片的颜色特征为分类依据，解决了现有自动化汽车保险盒装配环节中的汽车保险片在固定复杂环境下的高效准确的分类问题。它包括以下步骤：步骤一、使用CCD工业摄像机采集汽车保险片图像信息，通过平均背景法对图像中的背景进行消除；步骤二、采用污点修复技术进行图像增强；步骤三、以不同类别的汽车保险片的色度中心向量为特征提取依据，完成对颜色信息基于色度向量聚类的特征提取；步骤四、通过将提取的特征矢量输入支持向量机，达到对不同类型保险片的识别分类。本发明适用于不同类型汽车保险片间的分类问题。

主权项

1.一种基于颜色特征的汽车保险片分类方法，其特征在于，一种基于颜色特征的汽车保险片分类方法，实现步骤如下：步骤一、使用CCD工业摄像机采集汽车保险片图像信息，通过平均背景法对图像中的背景进行消除，具体方法如下：(1)创建基于统计学的背景模型，通过工业摄像头采集500帧的图像作为统计样本，帧与帧的之间是时间间隔为1s，然后将样本的均值图像作为背景模型，计算公式如下：其中，是背景模型在(x,y)处的像素值，是样本数目，f_i(x,y)是第i帧图像在(x,y)处的像素值，(2)计算像素点的阈值，将样本标准差σ的3倍作为背景模型像素点的误差范围，计算公式如下：其中，σ(x,y)是在像素点(x,y)处的样本标准差，(3)利用背景模型分割背景，设摄像头采集的新一帧的图像在(x,y)处的像素值为g(x,y)，在经过背景模型分割后的像素值为g′(x,y)，分割后的像素值计算公式如下：步骤二、对经步骤一背景分割的图像进行基于污点修复的图像增强，设p为边界δΩ上的一个待修复的点，B(ε)为p尺度参数为ε的领域内已知像素区域，当ε足够小的时候，p点处新的像素值由领域B(ε)决定，计算公式如下：式中：q为B(ε)内的像素点，为在q点处的梯度，w(p,q)为权重函数，用来限定B(ε)内各像素的贡献大小，w(p,q)的定义如下：w(p,q)＝dir(p,q)·dst(p,q)·lev(p,q)              (5)式中：其中，d0和T0分别距离参数和水平集参数，N(p)为p处的法线方向，T(·)表示像素点到边界δΩ的距离，定义为：步骤三、利用色度向量聚类法提取汽车保险片的颜色特征，在HSI彩色空间下，图像的彩色信息和亮度信息是分开的，彩色信息由色调分量H和饱和度分量S表示，因此通过图像色彩信息表征颜色，这里将色调分量和饱和度分量构成的平面称为色度平面H‑S，色度平面上的点称为色度向量Zhs，图像在HSI空间下的色彩信息由色度量组成，对图像中每个像素点的色度向量进行统计，并通过色度向量的统计分布情况计算图像的色度中心向量Zcenter，定义为：式中：为色度向量Z_hs的权重值，N像素点总数，n(h,s)为色度向量的统计值，考虑到现实中同种类型汽车保险片之间存在色差，将图像的色度中心向量定义为m个汽车保险片样本色度中心向量的聚类中心，定义为：设有K类汽车保险片进行分类，通过色度向量聚类进行颜色特征提取的具体做法如下：(1)计算每种颜色的色度中心向量i表示汽车保险片种类；(2)将图像中的所有像素点的色度向量Z_hs，分类到以为聚类中心的色度向量模式类中，分类的依据为：式中称为欧式距离，定义为：(3)在完成图像中像素点的分类后，对分类结果进行统计，将被分类到色度中心的像素点的统计数值作为颜色特征向量第i维特征值，最终得到一个K维的颜色特征向量x，步骤四、通过将提取的特征矢量输入支持向量机，达到对不同类型保险片的识别分类具体发方法如下：对随机样本采用步骤三提取到的特征向量构建训练样本集，利用训练样本集对SVM二分类分类器进行训练，通过多个完成训练的SVM二分类分类器对多类汽车保险片分类识别，设有M类汽车保险片，训练样本集为T，将训练样本集分为X₁和两类，记为(x_i,y_i)，i＝1,2,…,n，y_i＝{+1,‑1}，n为训练样本集总数，则样本与标签满足：选取适当的高斯径向核函数K(x,z)和适当的参数C，构造并求解最优化问题：由式(15)求得最优解选择α^*的一个正分量计算：由α*和b*确定构造决策函数：通过决策函数可以完成类别w₁与的二分类，将w₁从训练样本集中掉，重复上述过程可求解剩余类别的决策函数，最终通过将提取的特征矢量输入经过训练的SVM，达到对不同类型保险片的分类。