[发明专利]一种基于网格标记的图像识别方法

说明书

技术领域

本发明涉及一种图像识别方法，特别涉及一种基于网格标记的图像识别方法，属于计算机模式识别技术领域。

背景技术

应用计算机对图像进行识别已在各个领域得到广泛的应用，通过计算机对输入图像的分类可以帮助人们快速有效地对物体进行分类，从而大大节约了人工筛选的成本。例如，近年来，图像识别越来越多的用于微小物体的识别分捡、定级工作中，如工业中螺丝钉的分捡、农业中谷物的质量检测等。图像识别在物体分捡领域的应用在大幅度降低人工成本的同时使得分捡效率成倍提高，并且最大限度降低了误选率，但是，图像识别的准确率却一直是一个困扰人们的问题。

   现有技术中，有效的图像识别算法包括：基于物体边界的轮廓线周长面积比，Fourier级数的方法，基于像素点分布的像素比重法，以及基于图像纹理的连通度判别法等等。在图像识别应用过程中，多数算法存在着图像识别算法效率低、对图像纹理的变化不敏感、受图像噪声影响大等不足，这种情况限制了自动识别的普及应用。比如：基于物体边界的识别方法，它可以对物体轮廓进行有效的辨别，但是无法对图像本身的表面花纹进行识别；基于像素点分布的方法可以对物体图像色彩分布，明暗进行判别，但它同样无法对纹理进行有效的辨别。

目前，常用的连通程度计算算法主要有：区域生长法，跟踪算法，边界跟踪法，基于行（列）扫描算法等。然而，上述方法都无法在图像存在噪声的情况下，保证计算结果的可靠性。

发明内容

本发明的目的在于克服现有技术存在的不足，提供一种精确、高效、适用于大批量设别内部花纹有较大差别的图像的识别方法。

为达到这一目的，本发明采用的技术方案是：提供一种基于网格标记的图像识别方法，其特征在于以图像的连通度设别图像，包括如下步骤：

1、将待设别图像按粒度要求分割成若干个相等的网格，并预设定网格的大小，网格大小的初值最小为3×3像素；

2、扫描图像中的每一个网格点，识别各个网格中的像素分布参数，包含：①字节型行列边界变量statue；②索引型连通状态变量mark；

3、将网格中的空白区域合并，并记录其连通状态；

4、将非空白网格再次分割成更小的网格，若网格大小仍大于最小值，则返回到步骤2；

5、遍历每一个细分到预设定大小的非空白网格进行，若当前网格中的行列边界变量statue为(00000000)₂，则将该网格标记为孤立像素点；若网格为非孤立像素点，执行步骤6；

6、将非孤立像素点网格打碎，对网格中的行列空白状态作标记，将直线连通区域连接，再以其它边界与中心的连接状态，判定网格的连通状态；若为连通的网格，执行步骤9，若网格的连通状态为不确定，执行步骤7；

7、采用行列连通状态判断边界缺口是否相互连接，判定网格的连通状态；若为连通的网格，执行步骤9，若网格的连通状态为不确定，执行步骤8；

8、采用基于区域生长法的方式，扫描像素点周围3～8个邻域的状态，得到连通的网格；

9、将得到的相互连通的网格采用基于树的集合表示法归并到同一个集合中，对网格集合进行计数，得到的集合数即为图像的连通度。

对图像进行处理时，影响图像判别的有两类点：一类是图像中的孤立点，另一类是图像上缺失的像素点，这类点对网格标记有影响，对这类点，在本发明技术方案中，通过扫描周围一定距离内的像素点来过滤（噪声点的颗粒大小比较小），由于在图像中出现孤立空白点的可能性远远小于噪声造成的空白点，因此，通过这种过滤孤立空白点的方法可以有效地减小噪声对计算结果的干扰。另一方面，像素点区域始终大于它们的边界，所以，大多数情况下，单一像素点网格的数量远远大于非单一像素点，因此，通过划分网格可以大大提高计算速度。

由于上述技术的运用，本发明与现有技术相比具有下列优点：

1、本发明通过适当增大识别连通性识别过程中的粒度，可以取得一定的抵抗噪声效果，同时本识别方法通过适当放大连通通路的宽度，从而达到更加接近人眼识别的效果。

2、由于在搜索时对图像进行逐级网格化，因此，本发明提供的方法在搜索连通区域的速度比未优化的算法具有更高的效率。

3、由于本发明采用了基于网格标记的连通度计算来识别图像的特征，因此，对图像纹理的变化具有较高敏感性。

4、本发明可以实现非标记化搜索，因此它有更大的可能为后续处理保留原图像，可有效的节约整个识别过程的时间和存储空间需求。

附图说明