[发明专利]一种基于色差直方图与DAG-SVMs的光伏电池片颜色分类算法

权利要求书

1.一种基于色差直方图与DAG-SVMs的光伏电池片颜色分类算法，其特征在于，该方法的具体步骤是：

第一步：图像预处理

1-1图像获取：通过智能彩色工业相机获取光伏电池片图像；

1-2图像初步分割：在步骤1-1的基础上，根据光伏电池片原始图像的灰度直方图中背景区域和电池片区域的平均亮度的不同，选取最优阈值，完成图像的初步分割；

1-3图像形态调整：在步骤1-2的基础上，采用图像区域形态学处理，将图像中的皮带部分去除；

1-4图像配准：在步骤1-3的基础上，采用仿射变换，将光伏电池片图像进行配准，获取目标图像；

第二步：图像特征提取

2-1颜色空间的转换：在步骤1-4的基础上，将目标图像从RGB颜色空间转换到L*a*b*颜色空间，XYZ作为转换的过渡颜色空间；

2-2图像维数的量化：在步骤2-1的基础上，在获得图像最大保真度的基础上，基于L*a*b*颜色空间各分量对图像维数进行量化，量化后的维数记作W＝W₁*W₂*W₃；

2-3色差直方图的获取：在步骤2-2的基础上，计算图像坐标点(m,n)的R邻域的色差d(m,n)，经过高斯隶属函数模糊化得到色差直方图系数U_d(m,n)，由此可得到以(m,n)为中心的M*M大小的色差直方图H(I,j,k)；

2-4特征向量的获取：在步骤2-3的基础上，由M*M大小的色差直方图，得到特征向量，记作S＝[S₁，S₂...,S_W]，W为步骤2-2得到的量化维数；

第三步：光伏电池片颜色分类

3-1建立图像特征信息库：在步骤2-4的基础上，存储所有被分类光伏电池片的特征向量，建立图像特征信息库；

3-2建立训练库：在步骤3-1的基础上，利用图像特征信息库和已确定的分类器学习参数，进行DAG-SVMs学习以及训练，保存结果生成训练库；

3-3光伏电池片颜色分类：在步骤3-2的基础上，将目标图像的特征向量载入预先针对六类样本分类的支持向量机分类器中，进行DAG-SVMs分类，得到光伏电池片目标图像的分类结果。

2.根据权利要求1所述的一种基于色差直方图与DAG-SVMs的光伏电池片颜色分类算法，其特征在于，所述图像初步分割具体为：针对待分类的光伏电池片原始图像I，要获取图像分割的最优阈值T；首先假设图像前景与背景的灰度均服从正态分布，且二者的灰度会存在明显的差异，因而在灰度直方图中会出现双峰；根据概率论知识，要获取最优阈值，则需要在双峰图中找到一个最优值使得前景与背景的正态群体分开的错误概率最小；已知目标图像在灰度值i处的像素数目为P_i，针对给定的阈值t，计算前景的均值U₀(t)、标准差σ₀(t)，背景的均值U_n(t)、标准差σ_n(t)，公式分别如下

这个最小错误的最大概率公式如下：

由此求t^*，使得α^*(t^*)＝max{α^*(t)}t∈{0,1,2,...,255}。

3.根据权利要求1所述的一种基于色差直方图与DAG-SVMs的光伏电池片颜色分类算法，其特征在于，所述图像形态调整具体为：采用闭运算调整已经选出区域的形状，将皮带从已选择区域中剔除；皮带本身的宽度是固定的，在图像中约为110个像素，且硅片中的主栅线到图像边缘距离约为15个像素，避免在闭运算完成之后主栅线与图像边缘的距离被腐蚀掉，选择10*120pixel的矩形结构元对初步分割后的图像进行一次闭运算，将皮带去除，得到仅包含光伏电池片的区域。

4.根据权利要求1所述的一种基于色差直方图与DAG-SVMs的光伏电池片颜色分类算法，其特征在于，所述图像由RGB颜色空间转换到L*a*b*颜色空间，XYZ颜色空间作为过渡颜色空间，即转换公式为下式：