[发明专利]图像特征提取及分类的方法和装置

权利要求书

1.一种图像特征提取及分类的方法，其特征在于，所述图像特征提取及分类的方法通过对获取的经编织物的灰度图像进行特征提取，并将根据提取的特征进行分类；

具体地，所述通过对获取的经编织物的灰度图像进行特征提取的方法包括：

获取经编织物的灰度图像；

对灰度图像进行中值滤波并得到滤波后图像；

将灰度图像减去滤波后图像并进行取反并得到反色图像；

对反色图像进行特征提取；

根据提取的特征对经编织物进行分类；

具体地，所述对反色图像进行特征提取的方法包括：

提取反色图像上角度为0和角度为90°的灰度共生矩阵中能量（或角度二阶距）、相关性、协同性、对比度特征八者中一种或多种；和/或

通过对反色图像进行阈值分割算法，获取纱线区域，并对纱线区域的面积、圆度C和圆度R三项中一种或多种特征进行提取。

2.如权利要求1所述的图像特征提取及分类的方法，其特征在于，所述根据提取的特征对经编织物进行分类的方法包括：

选取提取的特征中影响最大的M个；

将M个特征作为分类器的输入节点；

通过分类器对采集的经编织物图像进行类别判断。

3.如权利要求2所述的图像特征提取及分类的方法，其特征在于，所述选取提取的特征中影响最大的M个的方法包括：

将提取的特征采用主成分分析法进行降维后选取影响最大的M个后选取影响最大的M个。

4.如权利要求3所述的图像特征提取及分类的方法，其特征在于，

所述将提取的特征采用主成分分析法进行降维后选取影响最大的M个的方法包括：

输入提取的特征的样本集；

对所有样本进行去中心化处理；

计算样本的协方差矩阵；

计算协方差矩阵的特征值和特征向量；

将特征向量由大到小排序，选取前M个特征对样本集进行降维，降维后的M个特征为影响最大的M个。

5.如权利要求1所述的图像特征提取及分类的方法，其特征在于，所述对灰度图像进行中值滤波并得到滤波后图像的方法包括：

对灰度图像进行中值滤波（滤波窗口大小为9*9），得到滤波后的图像；

中值滤波的数学表达为:，其中式中med表示取中值操作。

6.一种图像特征提取及分类的装置，其特征在于，所述图像特征提取及分类的装置通过对获取的经编织物的灰度图像进行特征提取，并将根据提取的特征进行分类；

具体地，所述装置包括：

灰度图像获取模块，适于获取经编织物的灰度图像：

滤波模块，适于对灰度图像进行中值滤波并得到滤波后图像；

取反模块，适于将灰度图像减去滤波后图像并进行取反并得到反色图像；

特征提取模块，适于对反色图像进行特征提取；

分类模块，适于根据提取的特征对经编织物进行分类；

具体地，所述特征提取模块包括：

一类特征提取单元，适于提取反色图像上角度为0和角度为90°的灰度共生矩阵中能量（或角度二阶距）、相关性、协同性、对比度特征八者中一种或多种；和/或

二类特征提取单元，适于通过对反色图像进行阈值分割算法，获取纱线区域，并对纱线区域的面积、圆度C和圆度R三项中一种或多种特征进行提取。