[发明专利]基于小波包分解选择系数加权重构的瓷砖图像分类算法

说明书

本发明公开了一种基于小波包分解选择系数加权重构的瓷砖图像分类算法，其特征在于，包括以下步骤：S1.提取瓷砖图像的颜色空间特征；S2.利用导向滤波算法进行预处理；S3.提取灰度共生矩阵参数作为特征向量；S4.进行小波包分解，提取每个频带的能量作为特征量；S5.计算小波包分解重构系数，提取特征向量的方差，筛选得到前频率成分；S6.根据频率成分重要程度计算度量系数，通过分配权重构造特征向量；S7.使用SVM向量机对颜色空间特征、灰度共生矩阵参数和特征向量进行分类。本发明提出了根据不同尺度得到的独立特征对分类效果影响，选择前8个最重要的尺度，对独立特征分别进行加权，使分类效果更好。

技术领域

本发明涉及图像处理领域，更具体地，涉及一种基于小波包分解选择系数加权重构的瓷砖图像分类算法。

背景技术

目前，小波包变换是在多分辨率分析基础上形成的一种对信号更为精细的分解方法，它不仅对低频部分进行分解，而且对高频部分也进行分解，因而克服了小波变换在低频端时间分辨率低而高频端频率分辨率差的缺点，可以对信号在全频范围内进行正交分解，在刻画信号的特征方面具有更强的优势，得到了更为广泛的应用。近些年来国内外许多学者对小波包应用进行了研究，A.S.Tolba把小波包应用到医学图像的压缩，压缩效果显著，S.Kasaei等人把小波包分析应用到指纹图像重构研究，取得了比传统方法更好的效果。在国内，刘卓夫等人将小波包应用到水下目标识别，陈亦文把小波包应用到谐波分析，王琪等把小波包分析应用到虹膜特征提取等等，均取得了较好效果。但到目前为止，尚无小波包在瓷砖图像分类的应用的方案。

发明内容

本发明为克服上述现有技术所述的缺陷，对基于小波包分解重构系数提取特征向量的算法进行改进，引入度量系数对特征进行加权，提供一种基于小波包分解选择系数加权重构的瓷砖图像分类算法。

为解决上述技术问题，本发明的技术方案如下：

一种基于小波包分解选择系数加权重构的瓷砖图像分类算法，包括以下步骤：

S1.获取瓷砖图像，提取瓷砖图像的颜色空间特征；

S2.利用导向滤波算法对瓷砖图像进行预处理；

S3.根据瓷砖图像提取灰度共生矩阵参数作为特征向量；

S4.对瓷砖图像进行小波包分解，提取每个频带的能量作为特征量；

S5.计算小波包分解重构系数，提取特征向量的方差，筛选得到前频率成分；

S6.根据频率成分重要程度计算度量系数，通过分配权重构造特征向量；

S7.使用SVM向量机对所述步骤S1的颜色空间特征、步骤S3的灰度共生矩阵参数和步骤S6的特征向量进行分类。

优选地，所述步骤S1的具体过程如下：

通过以下公式分别提取所述瓷砖图像的颜色矩μ_i、σ_i和s_i：

其中，pi,_j表示瓷砖图像第i个颜色通道分量中灰度为j的像素出现的概率，N表示图像的像素个数；

将所述颜色矩μ_i、σ_i和s_i与每个颜色矩的颜色分量H、S和V组成9维直方图向量，即图像的颜色特征F_color表示如下：