基于增强深度特征的纺织面料图像分类方法及装置制造方法及图纸

本发明专利技术实施例涉及图像处理技术领域，公开了一种基于增强深度特征的纺织面料图像分类方法，包括：获取纺织面料图像；采用二维离散傅里叶变化公式对纺织面料图像从空域转换至频域以得到纺织面料的第一频域图像；根据带阻滤波器来对第一频域图像来进行带阻滤波以得到去除底纹的第二频域图像；利用带有残差结构的卷积神经网络对去除底纹后的第二频域图像进行多层编码以提取第二频域图像的图像深度特征；对图像纹理特征、RGB直方图统计特征和图像深度特征进行特征融合以得到增强深度特征，将增强深度特征输入到图像分类模型中进行图像分类确定纺织面料图像的类别。本发明专利技术的方法其对提取到的深度特征进行融合增强以提升最终纺织面料分类的准确性。纺织面料分类的准确性。纺织面料分类的准确性。

【技术实现步骤摘要】
基于增强深度特征的纺织面料图像分类方法及装置


[0001]本专利技术涉及图像处理
，具体涉及一种基于增强深度特征的纺织面料图像分类方法及装置。

技术介绍

[0002]目前，随着纺织工业的发展，纺织面料的种类及数量越来越多，纺织面料工厂会按照纺织面料花样图案的不同对其进行分类，如几何、条纹、迷彩等。纺织面料的分类有助于后续纺织面料的管理，是实施粒级面料检索的重要前提工作。由于计算机视觉理论尤其深度学习的发展，如何运用计算机视觉取代传统低效率的人工纺织面料分类成为本领域技术人员需要攻克的技术问题。

技术实现思路

[0003]针对所述缺陷，本专利技术实施例公开了一种基于增强深度特征的纺织面料图像分类方法，其对提取到的深度特征进行融合增强以提升最终纺织面料分类的准确性。
[0004]本专利技术实施例第一方面公开了基于增强深度特征的纺织面料图像分类方法，包括：
[0005]获取纺织面料图像；
[0006]采用二维离散傅里叶变化公式对所述纺织面料图像从空域转换至频域以得到纺织面料的第一频域图像；所述二维离散傅里叶变化公式为：
[0007]其中，W为纺织面料图像的宽度，H为纺织面料图像的高度；
[0008]基于所述纺织面料图像构建相应的带阻滤波器，并根据所述带阻滤波器来对所述第一频域图像来进行带阻滤波以得到去除底纹的第二频域图像；
[0009]通过灰度转换算法对去除底纹后的第二频域图像进行灰度化处理以得到灰度频域图像，对所述灰度频域图像进行特征提取以得到图像纹理特征以及在RGB色彩空间中提取所述第二频域图像的RGB直方图统计特征；
[0010]去除底纹后的第二频域图像输入到预先构建完成的卷积神经网络的深度特征提取器中，利用带有残差结构的卷积神经网络对去除底纹后的第二频域图像进行多层编码以提取所述第二频域图像的图像深度特征；
[0011]对所述图像纹理特征、RGB直方图统计特征和图像深度特征进行特征融合以得到增强深度特征，将所述增强深度特征输入到图像分类模型中进行图像分类以确定所述纺织面料图像的分类类别。
[0012]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述基于所述纺织面料图像构建相应的带阻滤波器，并根据所述带阻滤波器来对所述第一频域图像来进行带阻滤波以得到去除底纹的第二频域图像，包括：
[0013]基于大津阈值分割算法来对所述纺织面料进行图像二值化处理以得到纺织二值化图像，并将所述纺织二值化图像划分为背景区域、主峰区域和次峰区域；
[0014]抽取所述纺织二值化图像中的主峰区域和次峰区域，并采用种子生长算法在主峰中心进行图像生长以填充纺织二值化图像中的主峰区域；
[0015]对填充完成之后的纺织二值化图像进行反相处理以得到次峰区域为0，其他位置为1的频域带阻滤波器；
[0016]根据所述频域带阻滤波器对纺织面料的第一频域图像进行频域滤波以得到去除底纹的第二频域图像。
[0017]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述通过灰度转换算法对去除底纹后的第二频域图像进行灰度化处理以得到灰度频域图像，对所述灰度频域图像进行特征提取以得到图像纹理特征，包括：
[0018]通过灰度转换算法对去除底纹后的第二频域图像从RGB三通道转换为单通道的灰度频域图像；
[0019]对所述灰度频域图像进行高斯模糊的图像去噪处理；
[0020]将去噪处理后的灰度频谱图像划分为第一预设数量的子区域，所述第一预设数量为16*16；
[0021]对每个子区域中的每一个像素点均与该像素点相邻的8个像素点的灰度值进行比较，若周围像素点的灰度值大于该像素点的灰度值，则周围像素点的位置被标记为1，否则，周围像素点的位置被标记为0；
[0022]根据周围像素点的标记信息来计算得到该像素点的纺织纹理值；
[0023]计算每个子区域中纺织纹理值的分布直方图，并对所述分布直方图进行归一化处理；
[0024]对归一化处理后的每个子区域的分布直方图进行连接以得到与所述灰度频谱图像关联的图像纹理特征。
[0025]作为一种可选的实施方式，在本专利技术实施例第一方面中，在所述对归一化处理后的每个子区域的分布直方图进行连接以得到与所述灰度频谱图像关联的图像纹理特征之后，还包括：
[0026]利用全连接层来将所述图像纹理特征降维为64维的图像纹理特征，降维后的图像纹理特征为整幅图像的纹理特征向量。
[0027]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述在RGB色彩空间中提取所述第二频域图像的RGB直方图统计特征，包括：
[0028]在RGB色彩空间中提取第二频域图像中各个像素点在R通道、G通道和B通道的颜色值；
[0029]对提取到的颜色值进行色彩直方图统计以得到该第二频谱图像在R通道、G通道和B通道对应的色彩直方向量；
[0030]将提取到的色彩直方向量进行归一化处理以得到归一化后的颜色直方向量；
[0031]将三个通道的颜色直方向量拼接在一起以得到RGB直方图统计特征，并采用全连接层对所述RGB直方图统计特征进行降维处理以得到64维的RGB直方图统计特征。
[0032]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述去除底纹后的第二
频域图像输入到预先构建完成的卷积神经网络的深度特征提取器中，利用带有残差结构的卷积神经网络对去除底纹后的第二频域图像进行多层编码以提取所述第二频域图像的图像深度特征，包括：
[0033]通过卷积层和池化层来对去除底纹后的第二频域图像进行深度特征提取以得到第一深度特征图；
[0034]将所述深度特征图依次经过1*1的卷积层以及Relu激活层，然后再经过一个过3*3的卷积层以及Relu激活层，接着经过一个1*1的卷积层以得到第二深度特征图；
[0035]将该输出的第二深度特征图与第一深度特征图相加构成残差连接，以得到纺织面料图像的512维的深度特征。
[0036]作为一种可选的实施方式，在本专利技术实施例第一方面中，所述对所述图像纹理特征、RGB直方图统计特征和图像深度特征进行特征融合以得到增强深度特征，将所述增强深度特征输入到图像分类模型中进行图像分类以确定所述纺织面料图像的分类类别，包括：
[0037]采用全连接层来对图像纹理特征、RGB直方图统计特征进行降维处理以得64维的图像纹理特征和RGB直方图统计特征；
[0038]将64维的图像纹理特征、RGB直方图统计特征和图像深度特征进行特征拼接以形成1*1*640维的特征向量；
[0039]采用1*1的卷积融合并降维处理拼接的1*1*640维的特征向量以得到1*1*512维的特征向量；
[0040]采用BN层处理该1*1*512维的特征向量以获得增强深度特征；
[0041]将所述增强深度特征输入到图像分类模型中进行图像分类，并采用交叉损失熵函数来约束图像的分类结果。
[0042]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于增强深度特征的纺织面料图像分类方法，其特征在于，包括：获取纺织面料图像；采用二维离散傅里叶变化公式对所述纺织面料图像从空域转换至频域以得到纺织面料的第一频域图像；所述二维离散傅里叶变化公式为：其中，W为纺织面料图像的宽度，H为纺织面料图像的高度；基于所述纺织面料图像构建相应的带阻滤波器，并根据所述带阻滤波器来对所述第一频域图像来进行带阻滤波以得到去除底纹的第二频域图像；通过灰度转换算法对去除底纹后的第二频域图像进行灰度化处理以得到灰度频域图像，对所述灰度频域图像进行特征提取以得到图像纹理特征以及在RGB色彩空间中提取所述第二频域图像的RGB直方图统计特征；去除底纹后的第二频域图像输入到预先构建完成的卷积神经网络的深度特征提取器中，利用带有残差结构的卷积神经网络对去除底纹后的第二频域图像进行多层编码以提取所述第二频域图像的图像深度特征；对所述图像纹理特征、RGB直方图统计特征和图像深度特征进行特征融合以得到增强深度特征，将所述增强深度特征输入到图像分类模型中进行图像分类以确定所述纺织面料图像的分类类别。2.如权利要求1所述的基于增强深度特征的纺织面料图像分类方法，其特征在于，所述基于所述纺织面料图像构建相应的带阻滤波器，并根据所述带阻滤波器来对所述第一频域图像来进行带阻滤波以得到去除底纹的第二频域图像，包括：基于大津阈值分割算法来对所述纺织面料进行图像二值化处理以得到纺织二值化图像，并将所述纺织二值化图像划分为背景区域、主峰区域和次峰区域；抽取所述纺织二值化图像中的主峰区域和次峰区域，并采用种子生长算法在主峰中心进行图像生长以填充纺织二值化图像中的主峰区域；对填充完成之后的纺织二值化图像进行反相处理以得到次峰区域为0，其他位置为1的频域带阻滤波器；根据所述频域带阻滤波器对纺织面料的第一频域图像进行频域滤波以得到去除底纹的第二频域图像。3.如权利要求1所述的基于增强深度特征的纺织面料图像分类方法，其特征在于，所述通过灰度转换算法对去除底纹后的第二频域图像进行灰度化处理以得到灰度频域图像，对所述灰度频域图像进行特征提取以得到图像纹理特征，包括：通过灰度转换算法对去除底纹后的第二频域图像从RGB三通道转换为单通道的灰度频域图像；对所述灰度频域图像进行高斯模糊的图像去噪处理；将去噪处理后的灰度频谱图像划分为第一预设数量的子区域，所述第一预设数量为16*16；对每个子区域中的每一个像素点均与该像素点相邻的8个像素点的灰度值进行比较，若周围像素点的灰度值大于该像素点的灰度值，则周围像素点的位置被标记为1，否则，周
围像素点的位置被标记为0；根据周围像素点的标记信息来计算得到该像素点的纺织纹理值；计算每个子区域中纺织纹理值的分布直方图，并对所述分布直方图进行归一化处理；对归一化处理后的每个子区域的分布直方图进行连接以得到与所述灰度频谱图像关联的图像纹理特征。4.如权利要求3所述的基于增强深度特征的纺织面料图像分类方法，其特征在于，在所述对归一化处理后的每个子区域的分布直方图进行连接以得到与所述灰度频谱图像关联的图像纹理特征之后，还包括：利用全连接层来将所述图像纹理特征降维为64维的图像纹理特征，降维后的图像纹理特征为整幅图像的纹理特征向量。5.如权利要求1所述的基于增强深度特征的纺织面料图像分类方法，其特征在于，所述在RGB色彩空间中提取所述第二频域图像的RGB直方图统计特征，包括：在RGB色彩空间中提取第二频域图像中各个像素点在R通道、G通道和B通道的颜色值；对提取到的颜色值进行色彩直方图统计以得到该第二频谱图像在R通道、G通道和B通道对应...

【专利技术属性】
技术研发人员：陈金孝，
申请(专利权)人：广州科拓科技有限公司，
类型：发明
国别省市：