[发明专利]基于自动视觉检测的异性纤维模糊分类系统及其方法

权利要求书

1.一种基于自动视觉检测的棉花异性纤维模糊分类方法，其特征在于，所述方法包括以下步骤：

S1，对待识别异性纤维目标的颜色特征、形状特征和纹理特征进行特征选择，得到三者各自的特征向量；

S2，提取S1所得的待识别异性纤维目标的颜色特征向量、形状特征向量和纹理特征向量，其中颜色特征和形状特征取自目标区域，纹理特征取自目标外接区域，颜色特征数据取自原始彩色图像，形状特征数据取自对原始彩色图像进行图像处理得到的二值图像，纹理特征数据取自原始彩色图像的三个颜色分量的均值矩阵；

S3，利用S2中所得到的颜色特征向量、形状特征向量和纹理特征向量，得到待识别异性纤维目标属于不同异性纤维类别的隶属度颜色级分量、隶属度形状级分量以及隶属度纹理级分量；

S4，根据待识别纤维目标的颜色特征、形状特征和纹理特征对不同种类的异性纤维的分类贡献率的不同，将所述隶属度颜色级分量、隶属度形状级分量以及隶属度纹理级分量进行加权求和，得到待识别目标属于不同异性纤维类别的综合隶属度；

S5，对S4中得到的待识别异性纤维目标属于不同异性纤维类别的综合隶属度求最大值，则所得最大值为最大综合隶属度，具有最大综合隶属度的类别就是待识别的异性纤维目标的类别。

2.如权利要求1所述的基于自动视觉检测的棉花异性纤维模糊分类方法，其特征在于，所述步骤S1中，所述颜色特征向量包括红色、绿色、蓝色和亮度的均值以及RGB三个分量的标准差；所述形状特征向量包括形状因子、扩展比例和欧拉数；所述纹理特征向量包括标准偏差和对比度。

3.如权利要求2所述的基于自动视觉检测的棉花异性纤维模糊分类方法，其特征在于，利用S2中所得到的颜色特征向量，通过下述公式得到待识别异性纤维目标属于不同异性纤维类别的隶属度颜色级分量：

μ→Color=f(R‾,G‾,B‾,I‾,σRGB)]]>

其中，R、G、B、I、σ_RGB分别表示待识别目标的红色、绿色、蓝色和亮度均值以及RGB三个分量的标准差；f即为所建立的基于颜色特征的初级模糊分类模型，为模型输出的待识别异性纤维目标属于不同异性纤维类别的隶属度颜色级分量。

4.如权利要求2所述的基于自动视觉检测的棉花异性纤维模糊分类方法，其特征在于，利用S2中所得到的形状特征向量，通过下述公式得到待识别异性纤维目标属于不同异性纤维类别的隶属度形状级分量：

μ→Shape=g(S,Ex,Eu)]]>

其中，S、Ex、Eu分别表示待识别目标的形状因子、扩展比例和欧拉数；g即为所建立的基于形状特征的初级模糊分类模型，为模型输出的待识别异性纤维目标属于不同异性纤维类别的隶属度形状级分量。