一种基于颜色特征的汽车保险片分类方法技术

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。本发明专利技术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。本发明专利技术适用于不同类型汽车保险片间的分类问题。

【技术实现步骤摘要】
一种基于颜色特征的汽车保险片分类方法
本专利技术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。
技术介绍
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，本专利技术提出了一种基于颜色特征的汽车保险片分类方法。
技术实现思路
本专利技术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，fi(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：式中：q为B(ε)内的像素点，▽I(q)为在q点处的梯度，w(p,q)为权重函数，用来限定B(ε)内各像素的贡献大小，w(p,q)的定义如下：w(p,q)＝dir(p,q)·dst(p,q)·lev(p,q)(5)式中：其中，d0和T0分别距离参数和水平集参数，N(p)为p处的法线方向，T(·)表示像素点到边界δΩ的距离，定义为：步骤三、利用色度向量聚类法提取汽车保险片的颜色特征。在HSI彩色空间下，图像的彩色信息和亮度信息是分开的，彩色信息由色调分量H和饱和度分量S表示，因此通过图像色彩信息表征颜色，这里将色调分量和饱和度分量构成的平面称为色度平面H-S，色度平面上的点称为色度向量Zhs，图像在HSI空间下的色彩信息由色度量组成。对图像中每个像素点的色度向量进行统计，并通过色度向量的统计分布情况计算图像的色度中心向量Zcenter，定义为：式中：为色度向量Zhs的权重值，N像素点总数，n(h,s)为色度向量的统计值，考虑到现实中同种类型汽车保险片之间存在色差，将图像的色度中心向量定义为m个汽车保险片样本色度中心向量的聚类中心，定义为：设有K类汽车保险片进行分类，通过色度向量聚类进行颜色特征提取的具体做法如下：(1)计算每种颜色的色度中心向量i表示汽车保险片种类。(2)将图像中的所有像素点的色度向量Zhs，分类到以为聚类中心的色度向量模式类中，分类的依据为：式中称为欧式距离，定义为：(3)在完成图像中像素点的分类后，对分类结果进行统计，将被分类到色度中心的像素点的统计数值作为颜色特征向量第i维特征值，最终得到一个K维的颜色特征向量x，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具体发方法如下：对随机样本采用步骤三提取到的特征向量构建训练样本集，利用训练样本集对SVM二分类分类器进行训练，通过多个完成训练的SVM二分类分类器对多类汽车保险片分类识别，设有M类汽车保险片，训练样本集为T，将训练样本集分为X1和两类，记为(xi,yi)，i＝1,2,…,n，yi＝{+1,-1}，n为训练样本集总数，则样本与标签满足：选取适当的高斯径向核函数K(x,z)和适当的参数C，构造并求解最优化问题：由式(15)求得最优解选择α*的一个正分量计算：由α*和b*确定构造决策函数：通过决策函数可以完成类别w1与的二分类，将w1从训练样本集中掉，重复上述过程可求解剩余类别的决策函数，最终通过将提取的特征矢量输入经过训练的SVM，达到对不同类型保险片的分类。有益效果：利用色度向量聚类提取的颜色特征向量的类间距离远大于类内距离，该方法提取的特征向量具备了良好的可分性。汽车保险片可以通过色度向量聚类提取的特征向量进行表征，结合多个SVM分类器可以实现多类汽车保险片的高准确率的分类。附图说明图1是常用到的9类汽车保险片图2是固定复杂环境的平均背景图像图3是黄色类汽车保险片原始图像图4是黄色类汽车保险片前景图像图5是黄色类汽车保险片经污点修复后效果图图6是9类汽车保险片20次抽样所对应的色度中心向量图7是汽车保险片多分类过程示意图具体实施方式下面结合附图详细阐述本专利技术优选的实施方式。具体实施方式：参见附图1，所述的一种基于颜色特征的汽车保险片分类方法，它是按以下步骤实现的：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，fi(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尺度本文档来自技高网...

【技术保护点】
1.一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：

【技术特征摘要】
1.一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，fi(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：式中：q为B(ε)内的像素点，为在q点处的梯度，w(p,q)为权重函数，用来限定B(ε)内各像素的贡献大小，w(p,q)的定义如下：w(p,q)＝dir(p,q)·dst(p,q)·lev(p,q)(5)式中：其中，d0和T0分别距离参数和水平集参数，N(p)为p处的法线方向，T(·)表示像素点到边界δΩ的距离，定义为：步骤三、利用色度向量聚类法提取汽车保险片的颜色特征，在HSI彩色空间下，图像的彩色信息和亮度信息是分开的，彩色信息由色调分量H和饱和度分量S表示，因此通过图像色彩信息表征颜色，这里将色调分量和饱和度分量构成的平面称为色度平面H-...

【专利技术属性】
技术研发人员：尤波，陈国杰，梁强，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：黑龙江,23