一種基于網格標記的圖像識別方法技術

本發明專利技術公開了一種基于網格標記的圖像識別方法，屬于計算機圖像識別技術領域。它以圖像內部連通性為主要識別特征，輸入計算機完成數字圖像內部紋理的識別。特征值的獲取方法為：將圖像分割成若干個相同大小的網格，通過掃描并標記每個網格的狀態，獲得各個網格之間的連通特征，實現對圖像的分類識別。本發明專利技術提供的圖像識別方法在保證識別精度的前提下，提高了識別的效率，尤其適用于計算機大批量識別內部花紋不同的物體的分撿與檢驗，具有良好的應用效果。

【技術實現步驟摘要】

本專利技術涉及一種圖像識別方法，特別涉及，屬于計算機模式識別

技術介紹
應用計算機對圖像進行識別已在各個領域得到廣泛的應用，通過計算機對輸入圖像的分類可以幫助人們快速有效地對物體進行分類，從而大大節約了人工篩選的成本。例如，近年來，圖像識別越來越多的用于微小物體的識別分撿、定級工作中，如工業中螺絲釘的分撿、農業中谷物的質量檢測等。圖像識別在物體分撿領域的應用在大幅度降低人工成本的同時使得分撿效率成倍提高，并且最大限度降低了誤選率，但是，圖像識別的準確率卻一直是一個困擾人們的問題。現有技術中，有效的圖像識別算法包括:基于物體邊界的輪廓線周長面積比，Fourier級數的方法，基于像素點分布的像素比重法，以及基于圖像紋理的連通度判別法等等。在圖像識別應用過程中，多數算法存在著圖像識別算法效率低、對圖像紋理的變化不敏感、受圖像噪聲影響大等不足，這種情況限制了自動識別的普及應用。比如:基于物體邊界的識別方法，它可以對物體輪廓進行有效的辨別，但是無法對圖像本身的表面花紋進行識別；基于像素點分布的方法可以對物體圖像色彩分布，明暗進行判別，但它同樣無法對紋理進行有效的辨別。目前，常用的連通程度計算算法主要有:區域生長法，跟蹤算法，邊界跟蹤法，基于行(列)掃描算法等。然而，上述方法都無法在圖像存在噪聲的情況下，保證計算結果的可靠性。
技術實現思路
本專利技術的目的在于克服現有技術存在的不足，提供一種精確、高效、適用于大批量設別內部花紋有較大差別的圖像的識別方法。為達到這一目的，本專利技術采用的技術方案是:提供，其特征在于以圖像的連通度設別圖像，包括如下步驟: 1、將待設別圖像按粒度要求分割成若干個相等的網格，并預設定網格的大小，網格大小的初值最小為3X3像素； 2、掃描圖像中的每一個網格點，識別各個網格中的像素分布參數，包含:①字節型行列邊界變量statue !②索引型連通狀態變量mark ； 3、將網格中的空白區域合并，并記錄其連通狀態； 4、將非空白網格再次分割成更小的網格，若網格大小仍大于最小值，則返回到步驟2; 5、遍歷每一個細分到預設定 大小的非空白網格進行，若當前網格中的行列邊界變量statue為(00000000)2,則將該網格標記為孤立像素點；若網格為非孤立像素點，執行步驟6 ； 6、將非孤立像素點網格打碎,對網格中的行列空白狀態作標記,將直線連通區域連接，再以其它邊界與中心的連接狀態，判定網格的連通狀態；若為連通的網格，執行步驟9，若網格的連通狀態為不確定，執行步驟7 ； 7、采用行列連通狀態判斷邊界缺口是否相互連接，判定網格的連通狀態；若為連通的網格，執行步驟9，若網格的連通狀態為不確定，執行步驟8 ; 8、采用基于區域生長法的方式，掃描像素點周圍3 8個鄰域的狀態，得到連通的網格； 9、將得到的相互連通的網格采用基于樹的集合表示法歸并到同一個集合中，對網格集合進行計數，得到的集合數即為圖像的連通度。對圖像進行處理時，影響圖像判別的有兩類點一類是圖像中的孤立點，另一類是圖像上缺失的像素點，這類點對網格標記有影響，對這類點，在本專利技術技術方案中，通過掃描周圍一定距離內的像素點來過濾(噪聲點的顆粒大小比較小)，由于在圖像中出現孤立空白點的可能性遠遠小于噪聲造成的空白點，因此，通過這種過濾孤立空白點的方法可以有效地減小噪聲對計算結果的干擾。另一方面，像素點區域始終大于它們的邊界，所以，大多數情況下，單一像素點網格的數量遠遠大于非單一像素點，因此，通過劃分網格可以大大提高計算速度。由于上述技術的運用，本專利技術與現有技術相比具有下列優點1、本專利技術通過適當增大識別連通性識別過程中的粒度，可以取得一定的抵抗噪聲效果，同時本識別方法通過適當放大連通通路的寬度，從而達到更加接近人眼識別的效果。2、由于在搜索時對圖像進行逐級網格化，因此，本專利技術提供的方法在搜索連通區域的速度比未優化的算法具有更高的效率。3、由于本專利技術采用了基于網格標記的連通度計算來識別圖像的特征，因此，對圖像紋理的變化具有較高敏感性。4、本專利技術可以實現非標記化搜索，因此它有更大的可能為后續處理保留原圖像，可有效的節約整個識別過程的時間和存儲空間需求。附圖說明圖1是本專利技術實施例提供的識別應用過程的主要流程； 圖2是本專利技術實施例運用連通度實施識別過程中兩種不同類型的圖像效果的對比圖； 圖3是本專利技術實施例提供的基于網格標記的圖像識別方法的流程圖。具體實施例方式下面結合附圖和實施例對本專利技術作進一步描述 實施例1 : 本實施例以瓜子篩選的應用為例，對具有花斑的瓜子采用多重方法聯合識別其圖像，實現瓜子的智能篩選。參見附圖1，它是本實施例提供的瓜子智能篩選應用過程的流程圖。動態捕獲圖像采用三星SCC - C4203P低照度彩色/黑白轉換工業攝像頭獲取流水線上的瓜子陣列圖象并將其傳入計算機，采用Microsoft Visual C++6. 0對傳入計算機的圖象作預處理,通過特征值提取算法獲取核心特征值，運用判定標準，將合格瓜子篩選出來并作標記，然后發送控制信號到與之連接的機械設備，將合格瓜子篩選出來。合格判定時，先運用長短軸特征法、像素比重法、直方圖法進行過濾，篩選得到如附圖2中al a4剪影效果圖所示的合格瓜子，但過濾后還存在如附圖2中bl b4剪影效果圖所示的不合格瓜子，即花斑瓜子，由圖2可見，花斑瓜子的尺寸、大小、黑色區域覆蓋度及直方圖均與特級瓜子相似，采用現有的方法無法分撿，但花班瓜子也有其自身特有的特點一一表面有多個大小不等的環狀花紋，因此，本專利技術采用計算圖像的多連通度來辨別。在剪影處理的基礎上利用集合歸并求解連通度的方法。在本實施例中，判定準則為特級瓜子連通度〈=3，大于3的為花斑瓜子，這樣即可將花瓣瓜子從標準瓜子中挑選出來，統計表明應用中獲取的瓜子圖像空白區域較小，因此本例中設置的網格初始值可較小。先將瓜子進行二值化處理，再求出瓜子的陰影圖像。對這兩張圖像作剪影后，再對得到的剪影圖像計算多連通度。參見附圖3，它是本實施例提供的基于網格標記的圖像識別方法的流程圖，其步驟為 步驟1:將圖像的寬為n的邊界像素強置為邊界點，進行分配網格內存、構造鏈表、計數器歸零等初始化操作。步驟2 :掃描圖像中的每一個網格點，識別各個網格中的像素分布參數，包含①字節型行列邊界變量statue 索引型連通狀態變量mark ;若當前網格行i是有效的(未出界)，則對網格進行初始化，若(1，1)點為邊界點就將其對應的行位和列位置為0，先判斷(1,3), (3，I), (3，3)是否為邊界點，若是，就置statue為(00000000)2，轉到步驟5 ;否則，就繼續掃描其他的像素點，轉到步驟3。步驟3 :若當前網格列j是有效的(未出界)，則轉到步驟5，否則網格下移一個，再轉到步驟2。步驟4 :判斷當前網格的statue。Casel :若 statue 為(00000000)2，置 grid(i, j)的 mark 為-1，轉到步驟 3。Case2 :若 statue 為(111111111) 2，先判斷 grid (i, j_l), grid (i~l, j)的 statue是否為(111111111)2。若是，就比較這些網格所在的集合，如果不在同一集合本文檔來自技高網...

【技術保護點】
一種基于網格標記的圖像識別方法，其特征在于以圖像的連通度設別圖像，包括如下步驟：（1）將待設別圖像按粒度要求分割成若干個相等的網格，并預設定網格的大小，網格大小的初值最小為3×3像素；（2）掃描圖像中的每一個網格點，識別各個網格中的像素分布參數，包含：①字節型行列邊界變量statue；②索引型連通狀態變量mark；（3）將網格中的空白區域合并，并記錄其連通狀態；（4）將非空白網格再次分割成更小的網格，若網格大小仍大于最小值，則返回到步驟（2）；（5）遍歷每一個細分到預設定大小的非空白網格進行，若當前網格中的行列邊界變量statue為(00000000)2，則將該網格標記為孤立像素點；若網格為非孤立像素點，執行步驟（6）；（6）將非孤立像素點網格打碎，對網格中的行列空白狀態作標記，將直線連通區域連接，再以其它邊界與中心的連接狀態，判定網格的連通狀態；若為連通的網格，執行步驟（9），若網格的連通狀態為不確定，執行步驟（7）；（7）采用行列連通狀態判斷邊界缺口是否相互連接，判定網格的連通狀態；若為連通的網格，執行步驟（9），若網格的連通狀態為不確定，執行步驟（8）；（8）采用基于區域生長法的方式，掃描像素點周圍鄰域的狀態，得到連通的網格；（9）將得到的相互連通的網格采用基于樹的集合表示法歸并到同一個集合中，對網格集合進行計數，得到的集合數即為圖像的連通度。...

【技術特征摘要】
1.一種基于網格標記的圖像識別方法，其特征在于以圖像的連通度設別圖像，包括如下步驟: (1)將待設別圖像按粒度要求分割成若干個相等的網格，并預設定網格的大小，網格大小的初值最小為3X3像素； (2)掃描圖像中的每一個網格點，識別各個網格中的像素分布參數，包含:①字節型行列邊界變量statue !②索引型連通狀態變量mark ； (3)將網格中的空白區域合并，并記錄其連通狀態； (4)將非空白網格再次分割成更小的網格，若網格大小仍大于最小值，則返回到步驟(2)； (5)遍歷每一個細分到預設定大小的非空白網格進行，若當前網格中的行列邊界變量statue為(00000000)2,則將 該網格標記為...

【專利技術屬性】
技術研發人員：孫涌，廖黎莉，芮延年，
申請(專利權)人：蘇州大學，
類型：發明
國別省市：