[发明专利]羽毛片分类识别方法、装置及计算机可读存储介质

权利要求书

1.一种羽毛片分类识别方法，其特征在于，包括以下步骤：

获取羽毛片图像，并对所述羽毛片图像进行预处理；

分割所述羽毛片图像中的损坏区域，根据损坏区域图像及正常羽毛片图像，分别计算均值协方差矩阵；

根据所述均值协方差矩阵，构造训练样本；

将所述训练样本输入Fisher线性判别中进行训练，得到分类模型；

将测试样本输入至所述分类模型中，实现羽毛片的分类识别；

所述分割所述羽毛片图像中的损坏区域，根据损坏区域图像及正常羽毛片图像，分别计算均值协方差矩阵，包括以下步骤：

分别从损坏区域图像和正常羽毛片图像中提取图像特征；

根据所述图像特征，构建协方差特征矩阵；

根据所述协方差特征矩阵，计算均值协方差矩阵；

所述协方差特征矩阵的计算公式如下：

其中，n表示像素点的个数，φ_k表示d维向量，d表示训练样本维数；μ表示所有像素点对应的φ_k的均值；

所述均值协方差矩阵的计算公式如下：

其中，C_n＝RR^T,R是通过对协方差特征矩阵C_n进行乔尔斯基分解得到的上三角矩阵；

所述将所述训练样本输入Fisher线性判别中进行训练，得到分类模型，包括以下步骤：

根据黎曼度量及黎曼均值，确定类内均值及训练样本总均值；

根据所述类内均值及所述训练样本总均值，计算类间离散度矩阵和类内离散度矩阵；

通过所述类间离散度矩阵和所述类内离散度矩阵，构建所述分类模型；

所述类间离散度矩阵的计算公式如下：

所述类内离散度矩阵的计算公式如下：

其中，m_i表示所述类内均值；m表示所述训练样本总均值；c_j表示训练样本集中的元素，l表示集合数。

2.根据权利要求1所述的羽毛片分类识别方法，其特征在于，所述损坏区域包括虫蛀区域和/或缺失区域和/或缺陷区域。

3.一种运行控制装置，其特征在于，包括：至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如权利要求1至2任一项所述的羽毛片分类识别方法。

4.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如权利要求1至2任一项所述的羽毛片分类识别方法。