图像分类识别判断方法技术

本发明专利技术提出了一种图像分类识别判断方法，包括如下步骤：步骤1，采集图像，对图像进行预处理，通过顶帽变换方法去除图像噪声之后，采用直方图均衡化对图像进行增强；步骤2，对增强后的图像进行特征提取，得到N维向量的联合直方图，对N维向量进行降维操作，所述N为正整数；步骤3，对降维操作的N维向量，通过训练集训练归纳出分类集，通过分类或筛选提取出特征图像。

【技术实现步骤摘要】

本专利技术设及计算机图像识别领域，尤其设及一种。
技术介绍
HSI特征是颜色特征，基于人的视觉感知角度建立的HSI颜色空间。H为色度，是 描述纯色的属性；S为饱和度，给出一种纯色被白光稀释的程度的度量；I为亮度，是视觉对 光刺激的亮度响应。 特征提取方法是对HSI颜色空间按下式进行量化，把色度H量化成8个空间，把饱 和度S分成3个空间，把亮度I分成3个空间，即颜色空间被分成72区间。 构造H、S、I =个分量的=维的联合直方图，但是服1特征提取方法在复杂的图像 环境下，对特征图像提取的效果并不明显， 此外，在SVM分类器情况下，复杂的图像环境对特征图像提取的效果并不明显，该 就需要本领域技术人员继续解决相应的技术问题。 此外，原始图像总是会有一些噪声。比如有水印、光照不均匀、光照不足导致图片 灰暗等。该些都会对分类效果有影响。
技术实现思路
本专利技术旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种图像 分类识别判断方法。[000引为了实现本专利技术的上述目的，本专利技术提供了一种，其关键 在于，包括如下步骤： 步骤1，采集图像，对图像进行预处理，通过顶帽变换方法去除图像噪声之后，采用 直方图均衡化对图像进行增强； 步骤2,对增强后的图像进行特征提取，得到N维向量的联合直方图，对N维向量进 行降维操作，所述N为正整数； 步骤3,对降维操作的N维向量，通过训练集训练归纳出分类集，通过分类或筛选 提取出特征图像。 所述的，优选的，所述步骤1包括： 步骤1-1，提取出一个不包含水印的边框掩码图像，使用所述的边框掩码图像替换 掉原始图像中的边框。 所述的，优选的，所述步骤1-1包括： 步骤1-2,将边框掩码图像进行开操作，构造一个区分边框掩码图像与原始图像部 分的分段函数，最后提取出边框掩码图像； 步骤1-3,开操作公式分别如下所示， 乂 = '化)公=:公+ 乂 [ '4!，表示集合A被结构元素B腐蚀；义=崩公=体：(-方+巧n心斬，表示集合A被结构B元素膨胀； 步骤1-4,进行开操作和闭操作公式如下所示， ^。公= (.40公)?公，表示集合A被结构元素B开操作； ^?公货公)?公，表示集合A被结构元素B闭操作； 步骤1-5,根据设定阔值来提取掩码图像，其公式如下： 其中g表示图像的灰度值，lopen是图像进行开运算后的图像； 得到提取掩码图像后，使用该提取掩码图像替换掉原有的边框，在RGB =个通道 分别进行下列操作， 其中I为原图，1〇为最终得到的图像，即可得到最终的去水印后的图像。 所述的，优选的，所述步骤1包括： 步骤1-6,对图像进行顶帽变换，所述顶帽变换公式如下， 化4化4) = ^-(^。巧，即在集合A中减去B对A的开操作； 步骤1-7,对经过顶帽变换的图像进行图像增强，采用的是直方图均衡化，[00对令X=找(i，j)}表示由L个灰度级找。，X。. . .，Xh}组成的一张图像，其中X(i，_j) 表示图像在空间（i，j)处的强度，且X(i，j)G找。，Xl，...，XレJ。对于一张图像X，概率密 度分布pog可定义为： 其中k = 0, 1，…，kl，L为正整数，nk表示在图片X中Xk灰度级出现的次数，n是 整张图片中像素的个数，nk-Xk的直方图是图像X的灰度直方图，基于概率密度函数，定义累 积分布函数为： 其中，对于k = 0，l，…，kl，Xk=x。需注意C狂L-1) = 1，直方图均衡化是通过累 积分布函数作为转换函数，将整幅输入图像映射到从X。到X H的空间，定义转换函数f(x) 为 f(x) = X〇+狂 L_i-X〇)c(x)，[003引则直方图均衡化后的输出图像Y = {Y(i，j)}写成： 7 = /(乂）= {/(.、-(/?;)) I (/，./)￡ 。 所述的，优选的，所述步骤2包括： 步骤2-1，提取方法是对于图像中每一个像素，将其相邻的8个点进行比较，如果 中屯、像素值比该邻点大，则将邻点赋值为1，否则赋值为0,该样每个点都会获得一个8位 二进制数。通过分别计算RGB=个通道上的LBP值，可得到一个=元组LBPk(x，y)，其中 kG化G，B}，构造出一个立维的联合直方图，最终得到一个256X256X256维的向量，[00创步骤2-2,对图像进行降维操作，找到有两次跳变的LBP二进制模式，跳变是指由0 变为1，或由1变为0,执行步骤2-3 ; 步骤2-3,在步骤2-2已经找到的二进制模式中，将最长的连续的1或0的长度作 为该二进制模式的LBP值，取值为1~n; 构造R、G、B颜色空间的S维的联合直方图，最终得到一个n3维的向量，所述 7《n《255。 所述的，优选的，所述步骤3包括： 步骤3-1，朴素贝叶斯分类器引入朴素贝叶斯假设；在给定类别C的条件下，所有 的属性Ai相互独立。下标i、j为正整数，P代表概率， 巧4 I C，A)=巧4 I C)，V4，，巧C) > 0 ; 步骤3-2,假设Ai，A2,........A。是数据集n的特征，假设有m个类C = {Cl，〇3,……QJ，给定一个具体的实例X，其属性为{Xi，X2, . . . .X。}，该里Xi是属性Ai的 具体取值，该实例属于某一个类。的后验概率是P狂ICi)，c狂）表示分类所得的类标签，贝 叶斯分类器表示为， C 狂）=ar卵axP (。）P 狂 I。）。 所述的，优选的，还包括： 步骤4,将分类后的图片按图片采集的时间顺序进行排列，利用时序关系进行图片 颜色分类结果进行二次筛选。 所述的，优选的，所述步骤4包括： 步骤4-1，给出一个标注预测结果的图片时间序列，Bi表示位于ti时刻的负例，Ri 表示位于第j时刻的正例；定义两个相邻正例化和Rj之间的时间间隔为Gij = (j-i)，滑 动窗口 W长度为L在图片时间序列上，Wj标示滑动窗口 W的其实位置滑动到第j时刻； B0, B1,…，Ri, Bi+1, Bi+2,…，Rj,….化。所述的，优选的，所述步骤4-1包括：当前第1页1 2 3 4 本文档来自技高网...

【技术保护点】
一种图像分类识别判断方法，其特征在于，包括如下步骤：步骤1，采集图像，对图像进行预处理，通过顶帽变换方法去除图像噪声之后，采用直方图均衡化对图像进行增强；步骤2，对增强后的图像进行特征提取，得到N维向量的联合直方图，对N维向量进行降维操作，所述N为正整数；步骤3，对降维操作的N维向量，通过训练集训练归纳出分类集，通过分类或筛选提取出特征图像。

【技术特征摘要】

【专利技术属性】
技术研发人员：汪成亮，严莎莎，李丽丽，白家莲，张志良，
申请(专利权)人：重庆金山科技集团有限公司，
类型：发明
国别省市：重庆;85