[发明专利]一种基于Gabor滤波的工件图像特征提取与识别方法

权利要求书

1.一种基于Gabor滤波的工件图像特征提取与识别方法，其特征在于，包括以下步骤：

源图像预处理阶段：去除源图像中的噪声后统计灰度直方图，得到图像前景与背景灰度的两个最大值，采用灰度拉伸算法得到灰度拉伸图像；根据阈值分割算法对灰度拉伸图像进行阈值分割；

工件区域定位与剪切阶段：对阈值分割后的二值图像进行局部区域填充与被包围区域填充；提取填充后二值图像的工件区域外轮廓，使用最小外接矩形框出工件区域；采用工件区域剪切算法剪切源图像中的工件区域得到工件图像；

Gabor滤波工件图像阶段：使用Gabor滤波器对工件图像进行滤波，得到多张滤波工件图像；

工件图像特征提取与识别：归一化每张滤波工件图像的灰度，并计算每张归一化滤波图像灰度的均值、方差和二阶矩，作为该工件图像特征数组，完成工件图像特征提取；将多种工件图像特征数组作为样本集，训练分类器；使用该分类器，对待检测的图像提取工件图像特征并进行分类，完成工件识别。

2.根据权利要求1所述的一种基于Gabor滤波的工件图像特征提取与识别方法，其特征在于，所述灰度拉伸算法通过以下公式计算：

其中，源图像的灰度级数为0～M，背景色为白色，前景色为黑色，a为在0～M/2中灰度直方图前景最大值对应的灰度值，b为在M/2～M中灰度直方图背景最大值对应的灰度值，x，y是像素坐标，f(x,y)为源图像在坐标(x,y)的灰度值，g(x,y)为灰度拉伸后的坐标(x,y)处的灰度值，级数为0～M，c、d为设定值。

3.根据权利要求1所述的一种基于Gabor滤波的工件图像特征提取与识别方法，其特征在于，所述阈值分割算法包括以下步骤：

灰度拉伸图像的灰度直方图数组为Hist[256],灰度值为i的像素个数为ni＝Hist[i]，灰度值在[0～T]间的总像素数为N，灰度值为i的像素的概率为：

灰度值在[T+1～255]之间像素的总数为L，则灰度值为i的像素的概率为：

求的最大值max{sum[i]，i∈[0～255]}对应的i，其中，

所求得的i即为图像分割阈值T，根据T对灰度拉伸图像进行阈值分割。