[发明专利]一种基于灰度共生矩阵模型的羊毛羊绒识别算法

说明书

一种基于灰度共生矩阵模型的羊毛羊绒识别算法，包括在线识别流程和模型学习流程，所述在线识别流程，包括：(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；(3)采用基于canny的边缘检测与轮廓对图像目标提取；(4)计算纹理特征量，采用反差、能量、熵、相关性4种统计量来表示纹理特征；(5)将得到的特征向量直接作为输入特征向量；所述模型学习流程，包括：(1)积累大量羊毛羊绒数据库；(2)人工标注使机器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；(4)采取三层的人工神经网络。本发明可达到智能的对羊毛与羊绒准确进行纤维种类判断的有益效果。

技术领域

本发明属于羊毛羊绒识别技术领域，尤其涉及一种基于灰度共生矩阵模型的羊毛羊绒识别算法。

背景技术

羊绒纤维细长、均匀、柔软，用其制成的纺织品具有轻柔滑暖的特点，是高档服饰面临的首选。由于其产量稀少，价格偏高，生产企业常用不同比例的羊绒羊毛进行混纺。羊毛与羊绒都属于天然的蛋白质纤维，其结构和形态都非常接近，准确的进行纤维种类的判断是非常困难的。

目前常用的纤维鉴别方法是显微镜观测法。检测人员通过观察在显微镜下羊毛羊绒的鳞片形状与纹理细节等特征，根据其个人经验来对羊绒羊毛的成分进行定性分类，这种方式不仅耗时耗力，主观性大，测量的一致性也较差。

提供一种智能的全自动的羊绒羊毛识别方法，首先利用显微镜与CCD来对羊绒羊毛进行数字化的图像采集，再利用对羊绒羊毛图像进行不同尺度下的小波卷积提取特征，并利用人工神经网络来构建分类器模型，实现对羊绒羊毛的智能分类识别。

灰度共生矩阵定义为像素对的联合分布概率，是一个对称矩阵，它不仅反映图像灰度在相邻的方向、相邻间隔、变化幅度的综合信息，但也反映了相同的灰度级像素之间的位置分布特征，是计算纹理特征的基础。该发明通过计算羊绒羊毛灰度图像得到它的共生矩阵，然后透过计算这个共生矩阵得到矩阵的部分特征值，来分别代表不同纤维的纹理特征。将该特征输入一个三层的人工神经网络进行羊绒羊毛纤维的分类。

发明内容

本发明提供一种基于灰度共生矩阵模型的羊毛羊绒识别算法，可达到智能的对羊毛与羊绒准确进行纤维种类判断的有益效果。

本发明所解决的技术问题采用以下技术方案来实现：本发明提供一种基于灰度共生矩阵模型的羊毛羊绒识别算法，包括在线识别流程和模型学习流程：

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)对图像的获取：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：包括两方面，

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)特征提取：灰度共生矩阵是图像中相距为D的两个灰度像素同时出现的联合概率分布，共生矩阵方法用条件概率来反映文理，是相邻像素的灰度相关性的表现；