[发明专利]一种用于表征织物纹理的基于Sobel算子的概貌与细节混合特征向量提取方法

权利要求书

1.一种用于表征织物纹理的基于Sobel算子的概貌与细节混合特征向量提取方法，其特征是：

首先对原织物图像分别进行水平和垂直Sobel算子滤波处理，得到相应的两幅滤波图像；从两幅相应滤波图像中各自计算方式一致的各一个成为一组灰度统计量作为概貌特征；

同时依据遍历法原理分别计算两幅滤波图像中每一个包含一个横向基本循环周期的子窗口的灰度统计量和每一个包含一个纵向基本循环周期的子窗口的灰度统计量；这里所述的灰度统计量与计算概貌特征时选用的灰度统计量一致，最后从中选取两个反映横向细节信息的灰度统计量极值和两个反映纵向细节信息的灰度统计量极值作为表征织物纹理的细节特征；

最后将上述两个概貌特征与四个细节特征组成混合特征向量；

所述的用于表征织物纹理的Sobel算子滤波概貌与细节混合特征向量的提取过程如下：

首先采集数字化织物纹理图像，记为W，W为矩形，其尺寸长×宽为L₁×L₂，即横向和纵向长度分别为L₁和L₂，而其沿横向的基本周期即列周期为P₁个像素，沿纵向的基本周期即行周期为P₂，行周期和列周期均指取整后的像素数，P₁通过计算W的任一行图像像素灰度值集合的基本循环周期得到，P₂通过计算W的任一列图像像素灰度值集合的基本循环周期得到；

对原始织物图像矩形窗口W进行Sobel算子水平滤波，经滤波后的图像记为W_h，选择一种灰度统计量，计算W_h的该灰度统计量，作为表征织物纹理水平信息的概貌特征之一，记为E_h；

在滤波后的织物图像矩形窗口W_h中建立矩形子窗口W₂，所述的矩形子窗口W₂的长度等于滤波后的织物图像矩形窗口W_h的长度L₁，所述的矩形子窗口W₂的宽度等于织物纹理纵向基本循环周期单位长度即行周期单位长度P₂，将矩形子窗口W₂以每次固定的步长垂直地滑移以遍历整个W_h，选用与计算E_h一致的灰度统计量，从而相应求得一系列灰度统计值，分别记其中的最小者和最大者为E₁和E₂，E₁即为横向边缘极小统计量，E₂即为横向边缘极大统计量；

对原始织物图像矩形窗口W进行Sobel算子垂直滤波，经滤波后的图像记为W_v，选用与计算E_h一致的灰度统计量，计算W_v的该灰度统计量，作为表征织物纹理垂直信息的概貌特征之一，记为E_v；

在滤波后的织物图像矩形窗口W_v中建立矩形子窗口W₁，所述的矩形子窗口W₁的长度等于织物纹理横向基本循环周期单位长度即列周期单位长度P₁，所述的矩形子窗口W₁的宽度等于滤波后的织物图像矩形窗口W_v的宽度L₂，将矩形子窗口W₁以每次固定的步长水平地滑移以遍历整个W_v，选用与计算E_h一致的灰度统计量从而相应求得一系列灰度统计值，分别记其中的最小者和最大者为E₃和E₄，E₃即为纵向边缘极小统计量，E₄即为纵向边缘极大统计量；

最终得到表征织物纹理的混合特征向量[E_h E_v E₁E₂E₃E₄]。

2.根据权利要求1所述的一种用于表征织物纹理的基于Sobel算子的概貌与细节混合特征向量提取方法，其特征在于，所述的灰度统计量可以为仙农熵、灰度均值或灰度标准差。

3.根据权利要求1或2所述的一种用于表征织物纹理的基于Sobel算子的概貌与细节混合特征向量提取方法，其特征在于，所述的灰度统计量首选仙农熵。