一种基于局部特征与词包模型的羊绒羊毛纤维识别方法技术

本发明专利技术提供了一种基于局部特征与词包模型的羊绒羊毛纤维识别方法，首先进行样本制样和图像采集，然后对图像进行预处理；再对纤维图像提取局部特征，包括图像的特征点检测、关键点定位、关键点方向确定、关键点描述；再构建视觉词典与图像描述，包括视觉单词与视觉词典的生成、图像描述、空间金字塔匹配；最后生成分类识别器，用于羊绒羊毛纤维显微照片二分类识别。本发明专利技术提供的方法克服了现有技术的不足，能够自动提取并识别纤维表面形态特征，从而客观、准确、快速地鉴别羊绒和羊毛纤维，且鉴别的准确率高，易于操作。

A Cashmere Wool Fiber Recognition Method Based on Local Features and Word Packet Model

The invention provides a cashmere wool fiber recognition method based on local features and word package model, which first carries out sample preparation and image acquisition, and then preprocesses the image; then extracts local features from the fiber image, including image feature point detection, key point location, key point direction determination and key point description; and then constructs a visual dictionary and image description, including vision. The perceptual words are matched with visual dictionary, image description and spatial pyramid. Finally, a classifier is generated for cashmere and wool microphotograph classification. The method provided by the invention overcomes the shortcomings of the prior art and can automatically extract and recognize the surface morphological characteristics of the fibers, thereby objectively, accurately and rapidly identifying cashmere and wool fibers, with high accuracy and easy operation.

【技术实现步骤摘要】
一种基于局部特征与词包模型的羊绒羊毛纤维识别方法
本专利技术涉及一种羊绒羊毛纤维识别方法，尤其涉及一种基于局部特征与词包模型的羊绒羊毛纤维识别方法，主要用于解决山羊绒与绵羊毛这两种相似动物纤维的鉴别问题，属于计算机科学中的模式识别

技术介绍
山羊绒与绵羊毛是两种极相似的动物纤维。如何对其进行鉴别，一直是本领域的难题。通过光学显微镜观察动物纤维的表面形态并对其属种进行判别，是目前商用羊绒羊毛纤维鉴别的主要方法。该方法主要依赖于技术人员的主观经验，误差率高，工作效率低，而且难以用于自动识别过程。因此，如何自动提取并识别纤维表面形态特征，从而客观、准确、快速地鉴别羊绒和羊毛纤维，是本领域技术人员致力于解决的难题。
技术实现思路
本专利技术要解决的技术问题是：如何自动提取并识别纤维表面形态特征，从而客观、准确、快速地鉴别羊绒和羊毛纤维。为了解决上述技术问题，本专利技术的技术方案是提供一种基于局部特征与词包模型的羊绒羊毛纤维识别方法，其特征在于，包括以下步骤：步骤1：样本制样；分别制作羊绒纤维和羊毛纤维的样本；窃取待识别的羊绒纤维、羊毛纤维，置于载玻片上，加入液体石蜡，搅拌使其均匀分布，本文档来自技高网...

【技术保护点】
1.一种基于局部特征与词包模型的羊绒羊毛纤维识别方法，其特征在于，包括以下步骤：步骤1：样本制样；分别制作羊绒纤维和羊毛纤维的样本；窃取待识别的羊绒纤维、羊毛纤维，置于载玻片上，加入液体石蜡，搅拌使其均匀分布，盖上载玻片，完成制样；步骤2：图像采集；将步骤1制成的样本置于光学显微镜下，放大，手工聚焦清晰后，拍摄单根纤维显微图像；羊绒纤维拍摄至少2500张显微图像，羊毛纤维也拍摄至少2500张显微图像，将羊绒纤维、羊毛纤维的显微图像都分成三组，分别用作训练集合、交叉验证集合和测试集合；步骤3：图像预处理；对单根纤维显微图像进行增强、去噪、分割操作，将纤维图像从背景中分割出来，只检测纤维表面，减少...

【技术特征摘要】
1.一种基于局部特征与词包模型的羊绒羊毛纤维识别方法，其特征在于，包括以下步骤：步骤1：样本制样；分别制作羊绒纤维和羊毛纤维的样本；窃取待识别的羊绒纤维、羊毛纤维，置于载玻片上，加入液体石蜡，搅拌使其均匀分布，盖上载玻片，完成制样；步骤2：图像采集；将步骤1制成的样本置于光学显微镜下，放大，手工聚焦清晰后，拍摄单根纤维显微图像；羊绒纤维拍摄至少2500张显微图像，羊毛纤维也拍摄至少2500张显微图像，将羊绒纤维、羊毛纤维的显微图像都分成三组，分别用作训练集合、交叉验证集合和测试集合；步骤3：图像预处理；对单根纤维显微图像进行增强、去噪、分割操作，将纤维图像从背景中分割出来，只检测纤维表面，减少干扰信息；步骤4：对纤维图像提取局部特征；步骤4.1：图像的特征点检测使用SIFT尺度不变特征变换在不同尺度下检测图像中的关键点，计算高斯差分图像中的极值点，并计算关键点的方向和梯度值；首先，计算原始图像的高斯模糊图像L(x，y，σ)：L(x，y，σ)＝G(x，y，σ)*I(x，y)(1)其中，I(x，y)是待处理的图像，*是卷积操作符，G(x，y，σ)是一个二维高斯函数；x、y为图像中像素点的局部坐标，σ为(x，y)的方差；然后，使用高斯差分尺度空间来构建高斯金字塔，以相邻尺度空间的图像之间的差来形成高斯差分图像，在高斯差分图像中检测关键点，这使得检测到的关键点具有尺度不变的特性；高斯差分尺度空间计算公式如下所示：D(x，y，σ)＝L(x，y，kσ)-L(x，y，σ)(2)其中，D(x，y，σ)为高斯差分图像，k为常数，表示两个相邻尺度空间的倍数；步骤4.2：关键点定位对于上一步SIFT方法所得关键点，采用泰勒函数拟合：其中，X＝(x，y，σ)T是关键点的偏移量，D是D(x，y，σ)在关键点处的值；步骤4.3：关键点方向确定为使图像中获取的局部特征关键点具备旋转不变性，通过计算关键点的梯度方向确定关键点的方向；使用梯度模板[-1，0，1]来计算关键点的水平方向上的梯度Gh(x，y)和垂直方向上的梯度Gv(x，y)，然后再求出梯度值m(x，y)和方向值θ(x，y)；步骤4.4：关键点描述为保持旋转不变性，将关键点主方向作为坐标轴参考方向，然后选取关键点的16×16邻域窗口，该16×16邻域窗口又被平均划分为4个子窗口，每个子窗口生成一个32维向量来表示该子窗口的方向和梯度信息，4个子窗口一共得到128维向量，最终使用这个128维向量作为关键点的描述子；步骤5：构建视觉词典与图像描述；步骤5.1：视觉单词与视觉词典的生成首先，将上面步骤得到的关键点通过K-means聚类算法，设定K个聚类中心进行聚类，然后将聚类中心作为视觉单词，K为正整数，计算公式如下：其中，mi为第i个聚类中心，xj为第j个关键点的编号，n为关键点个数，...

【专利技术属性】
技术研发人员：钟跃崎，路凯，
申请(专利权)人：东华大学，内蒙古鄂尔多斯资源股份有限公司，
类型：发明
国别省市：上海,31