一种基于Gabor滤波的工件图像特征提取与识别方法技术

本发明专利技术是一种基于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。本发明专利技术基于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。

【技术实现步骤摘要】
一种基于Gabor滤波的工件图像特征提取与识别方法
本专利技术涉及一种基于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。
技术介绍
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。
技术实现思路
针对现有方法中存在的上述不足，本专利技术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。本专利技术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：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。所述局部区域填充分为纵向局部填充和横向局部填充，设阈值分割后的图像黑色为前景色，白色为背景色；所述纵向局部填充：如果同一列两个黑点之间的像素全部是白色且两点间的像素长度不大于预设填充阈值，则填充为黑色；所述横向填充：如果同一行两个黑点之间的像素全部是白色且两点之间的距离不大于预设填充阈值长度的区域，则填充为黑色。所述被包围区域填充具体为：如果局部区域填充后的图像中白色连通区域能到达边缘点，则该区域不被包围；否则，该区域被包围，被包围区域填充为黑色。所述工件区域剪切算法包括以下步骤：根据工件区域最小外接矩形与源图像坐标系x轴的角度α，剪切出工件图像，源图像对应工件区域图像的像素坐标与灰度关系如下：m＝pt[2].y+i*cosα+j*sinαn＝pt[2].x-j*cosα+i*sinαdst.pixel(i,j)＝src.pixel(m,n)其中，m、n是源图像中的坐标，i、j是工件区域图像的像素坐标，0≤i＜dst.width,0≤j＜dst.height，dst.width是工件区域图像的宽，dst.height是工件区域图像的长，dst.pixel(i,j)是工件区域图像的在坐标(i,j)处的灰度值，src.pixel(m,n)是源图像在坐标(m,n)处的灰度值，pt[2]是工件区域图像坐标系的原点。所述使用Gabor滤波器对工件图像进行滤波通过下式实现：其中，x0＝xcosθi+ysinθi，y0＝-xsinθi+ycosθi；x、y是空间域工件图像像素坐标，x0和y0是坐标点(x,y)的旋转坐标；ω0为滤波器的中心频率；θi为Gabor小波的方向；σ为高斯函数在x0和y0坐标轴的标准方差，exp(jω0x0)为交流成分，为直流补偿；采用四个不同的时域窗口s∈[2,5]对应四个不同的中心频率ω0公式如下：则其中，ω0用于控制Gabor滤波器的频域尺度，s为Gabor小波时域窗；以及四个方向θ1＝0，θ2＝π/4，θ3＝π/2，θ4＝3π/4，每个方向有四个频域尺度，共16个滤波器。将工件图像fr(x,y)和G(x0,y0,θi,ω0)卷积，得到滤波工件图像：F(x,y,θi,ω0)＝fr(x,y)G(x0,y0,θi,ω0)将不同的ω0和θi带入上式，每个工件图像滤波后得到16张滤波图像。所述计算每个归一化滤波图像灰度的均值、方差和二阶矩包括：设归一化滤波工件图像为fn(x,y)，其宽度为w，高度为h，则归一化滤波图像fn(x,y)的灰度均值与方差计算如下：归一化图像fn(x,y)的二维(p+q)阶矩定义为其中p＝0,1,2,…和q＝0,1,2,…是整数，相应的(p+q)阶中心矩定义为：式中p＝0,1,2,…和q＝0,1,2,…,其中和由ηpq表示的归一化中心矩定义为式中，其中(p+q)＝2，3，…两个二阶不变矩如下：φ1＝η20+η02所述分类器为基于高斯径向基的支持向量机。本专利技术具有以下优点及效果：1.给出工件的具体位置，准确度高。源图像预处理后，得到工件图像区域的外轮廓，使用最小外接矩形框出工件区域外轮廓，并切割出工件图像，给出工件图像的倾斜角。2.提取特征效率高。在预处理与图像分割中，使用高斯滤波器平滑工件图像，基于直方图两个最大值的灰度拉伸算法、图像阈值分割算法和区域填充设计简单，计算量小。3.分类准确。使用RBF核函数的SVM，收敛较快，分类准确。4.适应性强。本方法对不同光照工件图像具有适应性，对不同姿态工件图像具有一定的鲁棒性，且具有良好的方向和尺度选择性。包括螺母，垫片等。附图说明图1是工件图像特征提取与识别流程图；图2是源图像；图3是源图像经过预处理后的局部区域填充图像；图4是工件定位图像；图5是图4剪出的矩形工件；图6是本文档来自技高网...

【技术保护点】
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。

【技术特征摘要】
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。4.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，其特征在于所述局部区域填充分为纵向局部填充和横向局部填充，设阈值分割后的图像黑色为前景色，白色为背景色；所述纵向局部填充：如果同一列两个黑点之间的像素全部是白色且两点间的像素长度不大于预设填充阈值，则填充为黑色；所述横向填充：如果同一行两个黑点之间的像素全部是白色且两点之间的距离不大于预设填充阈值长度的区域，则填充为黑色。5.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，其特征在于所述被包围区域填充具体为：如果局部区域填充后的图像中白色连通区域能到达边缘点，则该区域不被包围；否则，该区域被包围，被包围区域填...

【专利技术属性】
技术研发人员：杨东升，张展，刘荫忠，刘凤，
申请(专利权)人：中国科学院沈阳计算技术研究所有限公司，
类型：发明
国别省市：辽宁,21