[发明专利]品种可选择的表面缺陷图像分类系统

权利要求书

1.一种品种可选择的表面缺陷图像分类系统，其特征在于，包括：

第一级分类子系统，识别环境突变产生的部分未知类型的缺陷、有明显固定规律的缺陷和非缺陷图像，获得第一级分类结果，并将无法识别图像的常见图像特征以及原始图像归一化后图像传输给第二级分类子系统，同时将第一级分类结果传输给第三级分类子系统；

第二级分类子系统，将第一级分类子系统无法识别的图像通过主分类器获得所有缺陷图像的类型，获得第二级分类结果，并将第二级分类结果传输给第三级分类子系统，该主分类器为基于固定特征的决策树分类器、或基于图像Isomap降维的SVM分类器；

第三级分类子系统，将第一级分类子系统和第二级分类子系统识别的结果进行再次分类，将已分类的缺陷进一步细分至可用于实际产品分级判次的程度。

2.根据权利要求1所述的品种可选择的表面缺陷图像分类系统，其特征在于：所述常见图像特征至少包括形状、颜色、位置和质心。

3.根据权利要求1所述的品种可选择的表面缺陷图像分类系统，其特征在于：所述第三级分类子系统将已分类的缺陷至少按照长度、宽度、严重度特征进行细分。

4.根据权利要求1所述的品种可选择的表面缺陷图像分类系统，其特征在于：所述的基于固定特征的决策树分类器，在特征提取后再经过决策树算法获得分类规则，测试图像通过同样的特征提取后进入分类规则，并预测获得结果。

5.根据权利要求1所述的品种可选择的表面缺陷图像分类系统，其特征在于：所述的基于图像Isomap降维的SVM子分类器训练图像和测试图像分别经过dls-Isomap算法和增量GRNN拟合的降维过程，分类算法使用的是SVM算法。

6.根据权利要求5所述的品种可选择的表面缺陷图像分类系统，其特征在于：所述的dls-Isomap算法流程包括：

步骤1：构造邻域图，给定参数k或者是ε，使用k-nn方法或者ε半径方法建立加权邻接图G，采用监督k-nn和ε半径邻域图连接方式，其具体内容如下：

(1)如果label(i)＝label(j)，其中i,j∈L时，邻域连接方式满足以下两个条件：首先d(x_i,x_i')＜ε，其中i,i'∈M；其次i∈N_k(t)或i'∈N_k(t)，N_k(t)是t的k个最邻近点；

(2)如果label(i)≠label(j)，其中i,j∈L时，类间邻域图的连接方式为保持类间点最小欧式距离。计算不同类L1和L2间的最小距离D_min(i,j)＝min_{i∈L1,j∈L2}(d(x_i,x_j))，定义矩阵LM存储最小类间距离，即LM＝{D_min(i,j)}，i,j∈L，LM为对称矩阵；循环判断d(x_i,x_j)，如果d(x_i,x_j)＝D_min(i,j)，建立点i和点j之间的边界连接；如果两类间有多组点间距离同时等于最小距离，则建立多个边界连接；

步骤2：计算每对点之间的最短路径近似计算测地距，假设流形中两点之间的测地距可用邻域图中相关点之间的最短路径来表示，设g_ij为v_i和v_j最短路径的长度，最短路径用Floyd算法，那么g_ij可以近似v_i和v_j之间的测地距，记录对称矩阵；

步骤3：用MDS方法将R^D嵌入到较低的空间R^d中，找到嵌入向量Z_i；i∈M，定义Z＝(z₁；......；z_n)，K是内积矩阵，满足条件：

Σizi=0---(1)]]>

K＝-HSH/2(2)

其中H＝{h_ij}，h_ij＝δ_ij-1/n，δ_ij为Kronecker^δ，那么S＝{g_ij²}；然后在非递增序列中找出K的前d维特征向量{k₁,k₂,…,k_d}，以及其相关特征值{v₁,v₂,…,v_d}；在新的空间的第i个点的第p个分量为：

zi,p=λpvi,p]]>其中p＝1,2，…,d(3)

通过上述步骤获得dls-Isomap算法两类数据降维图，区分2组及其以上品种的分类任务。