[发明专利]一种基于颜色特征的汽车保险片分类方法

说明书

一种基于颜色特征的汽车保险片分类方法，属于图像处理与模式识别领域。本发明以汽车保险片的颜色特征为分类依据，解决了现有自动化汽车保险盒装配环节中的汽车保险片在固定复杂环境下的高效准确的分类问题。它包括以下步骤：步骤一、使用CCD工业摄像机采集汽车保险片图像信息，通过平均背景法对图像中的背景进行消除；步骤二、采用污点修复技术进行图像增强；步骤三、以不同类别的汽车保险片的色度中心向量为特征提取依据，完成对颜色信息基于色度向量聚类的特征提取；步骤四、通过将提取的特征矢量输入支持向量机，达到对不同类型保险片的识别分类。本发明适用于不同类型汽车保险片间的分类问题。

技术领域

本发明属于图像处理与模式识别领域，具体涉及一种基于颜色特征的汽车保险片分类方法。

背景技术

在当今大多数汽车保险盒的生产中，采用人工方式进行汽车保险片的插接，生产过程中的自动化程度很低，并且存在插接效率低和易出现插接错误的问题，而汽车保险片在固定复杂环境下如何高效准确的分类是限制自动化生产设备在汽车保险盒生产过程中应用的主要问题之一。不同型号汽车保险片间的颜色差异是区分各类汽车保险片的重要依据，通过区分不同型号汽车保险片颜色来对汽车保险片进行分类是目前主要的可行方法之一，针对于颜色特征的提取与表征上，目前主要的方法有颜色空间阈值，颜色直方图，颜色距等方法。颜色阈值的表征方法结构简单，易于实现，但是该方法存在以下几点不足之处：首先，该方法通过对不同颜色进行抽样统计，根据统计结果确定每种颜色在颜色空间下各分量的取值范围，然后设立颜色阈值来区分不同的颜色，抽样统计过程繁琐，当统计样本数量不足时，就会大大影响分类的效果。其次，该方法在区分颜色相近或分类较多时，分类效果不佳。采用直方图表征颜色的方法计算简单，而且具有尺度、平移以及旋转不变性，被广泛的应用于图像检索，但是该方法的识别精度受量化程度直接影响，量化程度过大则会导致颜色信息的大量丢失，出现颜色分类不精确的问题，而量化程度过小，则会使提取的特征向量维数过高，出现不易于使用的问题。颜色距的表征方法已经成功地应用于许多基于内容图像检索和识别系统,但是这种方法对相近颜色的区分效果不佳，通常只用来区分特征相差较大的图像。为此，本发明提出了一种基于颜色特征的汽车保险片分类方法。

发明内容

本发明为了解决现有自动化汽车保险盒装配环节中的汽车保险片在固定复杂环境下的难以高效分类的问题，提出了一种基于颜色特征的汽车保险片分类方法。

一种基于颜色特征的汽车保险片分类方法，其特征在于，一种基于颜色特征的汽车保险片分类方法，实现步骤如下：

步骤一、使用CCD工业摄像机采集汽车保险片图像信息，通过平均背景法对图像中的背景进行消除，具体方法如下：

(1)创建基于统计学的背景模型，通过工业摄像头采集500帧的图像作为统计样本，帧与帧的之间是时间间隔为1s，然后将样本的均值图像作为背景模型，计算公式如下：

其中，是背景模型在(x,y)处的像素值，是样本数目，f_i(x,y)是第i帧图像在(x,y)处的像素值，

(2)计算像素点的阈值。将样本标准差σ的3倍作为背景模型像素点的误差范围，计算公式如下：

其中，σ(x,y)是在像素点(x,y)处的样本标准差，

(3)利用背景模型分割背景，设摄像头采集的新一帧的图像在(x,y)处的像素值为g(x,y)，在经过背景模型分割后的像素值为g′(x,y)，分割后的像素值计算公式如下：

步骤二、对经步骤一背景分割的图像进行基于污点修复的图像增强，设p为边界δΩ上的一个待修复的点，B(ε)为p尺度参数为ε的领域内已知像素区域，当ε足够小的时候，p点处新的像素值由领域B(ε)决定，计算公式如下：