一种计算机中基于轮廓和纹理的对羽毛片进行分类的方法技术

本发明专利技术公开了一种计算机中基于轮廓和纹理的对羽毛片进行分类的方法，包括输入训练集羽毛片图像，进行预处理；分割羽毛杆和羽毛叶；建立级别分类模型；建立形状分类模型；输入需要分类的图像；分割羽毛杆和羽毛叶；将需要分类的图像分为轮廓有缺陷和无缺陷两部分；将轮廓无缺陷的图像标记为0或1，标记为0的图像分类结束，输出分类结果为三级羽毛，标记为1的羽毛图像继续分类；根据形状分类模型，将标记为1的羽毛图像标记为全圆和方形两类，对方形结果的图像继续分类，全圆结果的图像分类结束并输出分类结果为一级全圆羽毛；对方形的羽毛叶图像，度量羽毛叶两边与中心线的距离，分别标记为大方、中方和小方。

【技术实现步骤摘要】

本专利技术属于计算机视觉
，尤其涉及到一种计算机中基于轮廓和纹理的对羽毛片进行分类的方法。
技术介绍
一直以来我国作为羽毛球生产大国，90％的羽毛球产量由中国制造。羽毛分拣的过程步骤十分繁杂，目前羽毛片的分拣主要还是依赖密集的人工操作，分拣的结果受到主观影响，分拣效率非常低，同时大强度的工作对工人的身体健康也造成了巨大的影响。人工检测羽毛已经不能满足工业需求了。羽毛片自动分拣系统能够代替人工完成对羽毛片不同方面的自动检测，带来巨大的工业收益。文献1:岳洪伟,汪仁煌,何最红.基于Normalizedcut的羽毛杆自动提取[J].计算机应用，2012，32(7):1899－1901.对羽毛图像进行分割，根据先验知识分割羽毛片，将分割得到的羽毛杆结果作为初始轮廓线，在此基础上提出一种窄带单向膨胀算法，迭代变形的轮廓，避免相邻轮廓线邻域重叠问题，对Ncut得到的羽毛杆进行局部调整作为最终自动分割结果，避免了羽毛杆根部绒毛的强干扰。文献2:岳洪伟,汪仁煌,张晶华,何最红.羽毛杆折痕自动识别方法[J].计算机工程与设计,2013,34(12):4351-4355.中将羽毛杆图像转化为一维信号，利用小波变换模极大值和信号奇异点的关系完成折痕位置预判，提出局部Randon变换计算子图像不变矩，通过改变尺度因子获得矩不变量矩阵，利用奇异值分解获得特征量；采用决策级融合方法得到最终识别结果。该方法有着较低的非折痕误测率和较高的折痕识别率，适用于羽毛杆表面缺陷的自动识别。文献3:明俊峰.羽毛片缺陷检测若干关键技术的研究[D]:博士学位论文.广东:广东工业大学,2014.提出了基于C-V水平集模型的一种改进的水平集模型，对羽毛叶进行分割处理，得到了瑕疵的分割结果，该方法有迭代次数少，运算速度快，分割精度高等优点。文献4:朱颖.基于SVM的二叉树羽毛片颜色分类器[J].广东工业大学学报,2013,30(4):88-92.提出了一种基于颜色空间变换的颜色特征提取方式，将RGB空间的原始图像转换到Y'U'V'空间进行特征提取，基于svm分类器分类。综上，现有方法的主要缺点有：主要集中于羽毛杆缺陷检测和羽毛叶缺陷检测，具体缺陷的定位对算法的要求非常高，难度和计算量大，另外对羽毛形状的研究存在空白。
技术实现思路
专利技术目的：本专利技术的目的是针对以上技术问题，提供一种计算机中更高效的基于轮廓和纹理的对羽毛片进行分类的方法。为了解决上述技术问题，本专利技术公开了一种计算机中基于轮廓和纹理的对羽毛片进行分类的方法，包括如下步骤：步骤1，输入训练集羽毛片图像，对图像进行预处理，得到新图像；步骤2，采用基于滑动窗口的方法对新图像分割羽毛杆和羽毛叶，得到羽毛叶部分的灰度图像；步骤3，对羽毛叶部分的灰度图像提取纹理特征和颜色特征，利用分类器建立级别分类模型；步骤4，在新图像中，提取形状特征，利用分类器建立形状1分类模型，训练过程结束；步骤5，输入需要分类的羽毛片图像，对其进行预处理，得到羽毛片的外接矩形范围内的新图像img_feather及阈值分割结果图像img_classify_threshold；步骤6，根据步骤5得到的结果，基于滑动窗口的方法，分割羽毛杆和羽毛叶，得到分割点split_point，以及羽毛叶部分的灰度图像img_classify_test；步骤7，将需要分类的羽毛片图像分为轮廓有缺陷和无缺陷两部分，轮廓有缺陷的羽毛片图像分类结束，对轮廓无缺陷的羽毛片图像继续执行步骤8；步骤8，对轮廓无缺陷的羽毛片图像提取羽毛片的纹理特征和颜色特征，利用步骤3中的级别分类模型进行级别分类，将轮廓无缺陷的羽毛片图像标记为0或1，标记为0的羽毛片图像分类结束，输出分类结果为三级羽毛，标记为1的羽毛片图像继续执行步骤9；步骤9，检测标记为1的羽毛片图像的直线，提取羽毛杆中心线L2，将直线检测的结果用于形状分类，根据步骤4的形状1分类模型，调用opencv中的CvSVM::predict函数分别将标记为1的羽毛片图像分为全圆和方形两类，对方形结果的羽毛片图像继续执行步骤10，全圆结果的羽毛片图像分类结束并输出分类结果为一级全圆羽毛；步骤10，对方形的羽毛片图像，度量羽毛叶裁剪边与中心线的距离，分别标记为大方、中方和小方。步骤1包括如下步骤：步骤1-1，对输入的训练集羽毛片图像采用高斯滤波进行平滑处理，消除图像背景的噪声；步骤1-2，对步骤1-1平滑后的图像先腐蚀再膨胀，(腐蚀和膨胀操作的内核大小选取3*3的矩阵)消除图像羽毛内部的斑点或空缺；步骤1-3，采用otsu算法对经过步骤1-2处理后的图像计算前景和背景分割的阈值pos，采用阈值pos对经过步骤1-2处理后的图像进行阈值分割，得到阈值分割结果图像，记为img_threshold；步骤1-4，计算阈值分割结果图像img_threshold的羽毛片部分的外接矩形，并将该外接矩形范围内的原羽毛片图像保存为新图像。步骤2包括如下步骤：步骤2-1，在阈值分割结果图像img_threshold的坐标系中，设置一个滑动窗口，其宽度为20，统计窗口内像素值为255的像素点个数；步骤2-2，将滑动前后窗口内像素值为255的像素点个数分别记为new_count1和old_count1，记new_count1和old_count1的差值为diff_count1，滑动窗口每次移动5个像素的位置，选取羽毛叶和羽毛杆的分割阈值，当相邻两次滑动的像素点个数差值大于分割阈值时，一般分割阈值设置为50，即当diff_count1>50时，当前滑动窗口的位置表示羽毛叶和羽毛杆的分割点；步骤2-3，利用阈值分割结果图像img_threshold作为掩码图像，和原训练集羽毛片图像做与操作得到图像a，提取图像a前景羽毛部分图像，将该部分图像中除羽毛片部分以外的背景像素值设为0，利用opencv视觉库(OpenSourceComputerVisionLibrary，开源发行的跨平台计算机视觉库)中的Rect函数框出羽毛片的外接矩形，通过步骤2-2得到的分割点分割该外接矩形，获得羽毛叶部分的彩色图像img_color，对彩色图像img_color灰度化处理得到羽毛叶部分的灰度图像img_test。步骤3包括如下步骤：步骤3-1，对羽毛叶部分的灰度图像img_test进行uniformLBP处理(即均匀局部二值模式处理，LBP英文全称：LocalBinaryPa本文档来自技高网...

【技术保护点】
一种计算机中基于轮廓和纹理的对羽毛片进行分类的方法，其特征在于，包括以下步骤：步骤1，输入训练集羽毛片图像，对图像进行预处理，得到新图像；步骤2，采用基于滑动窗口的方法对新图像分割羽毛杆和羽毛叶，得到羽毛叶部分的灰度图像；步骤3，对羽毛叶部分的灰度图像提取纹理特征和颜色特征，利用分类器建立级别分类模型；步骤4，在新图像中，提取形状特征，利用分类器建立形状1分类模型，训练过程结束；步骤5，输入需要分类的羽毛片图像，对其进行预处理，得到新图像img_feather及阈值分割结果图像img_classify_threshold；步骤6，根据步骤5得到的结果，基于滑动窗口的方法，分割羽毛杆和羽毛叶，得到分割点split_point，以及羽毛叶部分的灰度图像img_classify_test；步骤7，将需要分类的羽毛片图像分为轮廓有缺陷和无缺陷两部分，轮廓有缺陷的羽毛片图像分类结束，对轮廓无缺陷的羽毛片图像继续执行步骤8；步骤8，对轮廓无缺陷的羽毛片图像提取羽毛片的纹理特征和颜色特征，利用步骤3中的级别分类模型进行级别分类，将轮廓无缺陷的羽毛片图像标记为0或1，标记为0的羽毛片图像分类结束，输出分类结果为三级羽毛，标记为1的羽毛片图像继续执行步骤9；步骤9，检测标记为1的羽毛片图像的直线，提取羽毛杆中心线L2，将直线检测的结果用于形状分类，根据步骤4的形状1分类模型，分别将标记为1的羽毛片图像分为全圆和方形两类，对方形结果的羽毛片图像继续执行步骤10，全圆结果的羽毛片图像分类结束并输出分类结果为一级全圆羽毛；步骤10，对方形的羽毛片图像，度量羽毛叶两边与中心线的距离，分别标记为大方、中方和小方。...

【技术特征摘要】
1.一种计算机中基于轮廓和纹理的对羽毛片进行分类的方法，其特征在于，包括
以下步骤：
步骤1，输入训练集羽毛片图像，对图像进行预处理，得到新图像；
步骤2，采用基于滑动窗口的方法对新图像分割羽毛杆和羽毛叶，得到羽毛叶部分
的灰度图像；
步骤3，对羽毛叶部分的灰度图像提取纹理特征和颜色特征，利用分类器建立级别
分类模型；
步骤4，在新图像中，提取形状特征，利用分类器建立形状1分类模型，训练过程
结束；
步骤5，输入需要分类的羽毛片图像，对其进行预处理，得到新图像img_feather
及阈值分割结果图像img_classify_threshold；
步骤6，根据步骤5得到的结果，基于滑动窗口的方法，分割羽毛杆和羽毛叶，得
到分割点split_point，以及羽毛叶部分的灰度图像img_classify_test；
步骤7，将需要分类的羽毛片图像分为轮廓有缺陷和无缺陷两部分，轮廓有缺陷的
羽毛片图像分类结束，对轮廓无缺陷的羽毛片图像继续执行步骤8；
步骤8，对轮廓无缺陷的羽毛片图像提取羽毛片的纹理特征和颜色特征，利用步骤
3中的级别分类模型进行级别分类，将轮廓无缺陷的羽毛片图像标记为0或1，标记为
0的羽毛片图像分类结束，输出分类结果为三级羽毛，标记为1的羽毛片图像继续执行
步骤9；
步骤9，检测标记为1的羽毛片图像的直线，提取羽毛杆中心线L2，将直线检测
的结果用于形状分类，根据步骤4的形状1分类模型，分别将标记为1的羽毛片图像
分为全圆和方形两类，对方形结果的羽毛片图像继续执行步骤10，全圆结果的羽毛片
图像分类结束并输出分类结果为一级全圆羽毛；
步骤10，对方形的羽毛片图像，度量羽毛叶两边与中心线的距离，分别标记为大
方、中方和小方。
2.如权利要求1所述的一种计算机中基于轮廓和纹理的对羽毛片进行分类的方法，
其特征在于，步骤1包括如下步骤：
步骤1-1，对输入的训练集羽毛片图像采用高斯滤波进行平滑处理，消除图像背景
的噪声；
步骤1-2，对步骤1-1平滑后的图像先腐蚀再膨胀，消除图像羽毛片内部的斑点或
空缺；
步骤1-3，采用otsu算法对经过步骤1-2处理后的图像计算前景和背景分割的阈值
pos，采用阈值pos对经过步骤1-2处理后的图像进行阈值分割，得到阈值分割结果图
像，记为img_threshold；
步骤1-4，计算阈值分割结果图像img_threshold的羽毛片部分的外接矩形，并将
该外接矩形范围内的原羽毛片图像保存为新图像。
3.如权利要求2所述的一种计算机中基于轮廓和纹理的对羽毛片进行分类的方法，
其特征在于，步骤2包括如下步骤：
步骤2-1，在阈值分割结果图像img_threshold的坐标系中，设置一个滑动窗口，其
宽度为20，统计窗口内像素值为255的像素点个数；
步骤2-2，将滑动前后窗口内像素值为255的像素点个数分别记为new_count1和
old_count1，记new_count1和old_count1的差值为diff_count1，滑动窗口每次移动5
个像素的位置，选取羽毛叶和羽毛杆的分割阈值，当相邻两次滑动的像素点个数差值
大于分割阈值时，判定当前滑动窗口的位置表示羽毛叶和羽毛杆的分割点；
步骤2-3，利用阈值分割结果图像img_threshold作为掩码图像，和原训练集羽毛片
图像做与操作得到图像a，提取图像a前景羽毛片部分图像，将该部分图像中除羽毛片
部分以外的背景像素值设为0，利用opencv视觉库中的Rect函数框出羽毛片的外接矩
形，通过步骤2-2得到的分割点分割该外接矩形，获得羽毛叶部分的彩色图像img_color，
对彩色图像img_color灰度化处理得到羽毛叶部分的灰度图像img_test。
4.如权利要求3所述的一种计算机中基于轮廓和纹理的对羽毛片进行分类的方法，
其特征在于，步骤3包括如下步骤：
步骤3-1，对羽毛叶部分的灰度图像img_test进行uniformLBP均匀局部二值模式
处理得到LBP图像img_lbp；
步骤3-2，将LBP图像img_lbp划分为m×m的小区域cell，m值取16，统计每个
小区域cell的灰度直方图，并做归一化处理；
步骤3-3，将得到的每个小区域cell的灰度直方图连接成为一个特征向量，即整幅
图的LBP纹理特征向量；
步骤3-4，将HSV颜色空间的H分量划分为8个等级，S、V分量划分为4个等
级，H分量的变...

【专利技术属性】
技术研发人员：杨若瑜，秦珂，
申请(专利权)人：南京大学，
类型：发明
国别省市：江苏;32