[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

说明书

本发明是一种基于Gabor滤波的工件图像特征提取与识别方法，分为源图像预处理、图像工件区域定位与剪切、Gabor滤波工件图像、工件图像特征提取与识别等部分。本发明基于Gabor滤波的工件图像特征提取与识别算法设计简单，对不同光照的工件图像具有适应性，对姿态具有一定的鲁棒性，且具有良好的方向和尺度选择性，运行效率高，保证了图像工件区域定位的准确度，实现了工件图像的识别。

技术领域

本发明涉及一种基于Gabor滤波的工件特征提取与识别的方法，属于数字图像处理与机器视觉领域。

背景技术

在计算机技术与机器视觉发展的进程中，机器视觉在人工智能、科学研究、国民经济以及国防建设等领域的应用十分广泛。数字图像与视觉作为机器人获得外界信息的主要方法，它可以提高工业生产的自动化和智能化程度，其最大的优点是机器人与被观测对象无接触，观测对象不会受到接触损伤，另外机器人可以用于不同的环境中观测被检测对象。

工件图像识别可以看作特征提取和分类器设计相结合的过程。工件图像特征提取过程受到遮挡，动态背景，视角和光照变化等因素的影响而具有很大的挑战性。而Gabor小波与人类视觉系统中简单单细胞的视觉刺激响应非常相似，对于图像的边缘敏感，能够提供良好的方向选择和尺度选择特性，而且对于光照变化不敏感，能够提供对光照变化良好的适应性，且能够容忍一定程度的图像旋转和变形，可以解决以上旋转，变形，光照变化等各种工件图像的问题。

因此，本文设计了一种基于Gabor滤波的工件图像特征提取与识别方法，通过视觉系统捕获具有工件的源图像并进行预处理，提出最小外接矩形的工件区域剪切算法，在源图像中剪切出工件图像，同时确定工件位置以及偏转角度，并提取Gabor滤波的工件图像特征，发送工件图像的信息给机器人。从而使机器人根据数字图像处理结果，做出相应的选择以及抓取动作。

发明内容

针对现有方法中存在的上述不足，本发明要解决的技术问题是提供一种Gabor滤波的工件图像特征提取与识别的方法。

本发明为实现上述目的所采用的技术方案是：一种基于Gabor滤波的工件图像特征提取与识别方法，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。

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。

所述阈值分割算法包括以下步骤：