[发明专利]一种基于HSV和Lab颜色空间的色纺织物组织识别的方法

权利要求书

1.一种基于HSV和Lab颜色空间的色纺织物组织识别的方法，其特征在于，包括：

步骤1：采集色纺织物样本的图像；

步骤2：基于MATLAB将采集的样本图像通过中值滤波进行降噪处理，滤除图片中的斑点噪声或椒盐噪声；

步骤3：将织物的RGB图像转为二维的灰度图像，再对灰度图像的直方图均衡化以增强纱线边界信息；

步骤4：采用灰度投影法对完成步骤3后的织物图像进行水平和垂直投影得到织物经向和纬向的灰度累加曲线，再加以平滑处理得到光滑的曲线，使曲线的波谷点为纱线的间隙，最后提取经向和纬向这两条灰度累加曲线的波谷点完成对织物组织点的定位；

步骤5：将步骤2的色纺织物图像从RGB颜色空间分别转换到HSV颜色空间和Lab颜色空间，分别在HSV颜色空间和Lab颜色空间下采用步骤4中组织点定位的方法从整张织物图像中分割出织物的组织点图像，组织点的个数至少包括一个组织循环，并对组织点按顺序进行编号；

步骤6：对每个组织点分别提取2个颜色空间下的纹理特征；包括以下子步骤：

步骤6.1：首先在HSV颜色空间的V通道中利用LBP算子提取伪灰度图像，再利用灰度共生矩阵从伪灰度图像中选取方向θ＝0°,45°,90°,135°且距离d＝1的像素对，计算它们同时出现的概率，可以得到灰度共生矩阵在4个方向的特征参数：能量ASM、逆差距IDM、对比度CON、相关性COR，定义如下：

其中，

式中，P(i,j)为位置(i,j)处对应像素出现的概率，k为像素灰度级；

由此可以在V通道上提取一个16维的特征向量，记为W_HSV-V；

步骤6.2：在Lab颜色空间的L通道中利用LBP算子提取伪灰度图像，再利用灰度共生矩阵从伪灰度图像中选取方向θ＝0°,45°,90°,135°且距离d＝1的像素对，计算它们同时出现的概率，可以得到灰度共生矩阵在4个方向的特征参数：能量、逆差距、对比度和相关性，由此可以在L通道上提取一个16维的特征向量，记为W_Lab-L最后W_HSV-V与W_Lab-L进行融合，公式如下：

步骤7：对每个组织点分别提取HSV和Lab颜色空间下的颜色特征；包括以下子步骤：

步骤7.1：提取HSV颜色空间中的颜色距，颜色距是用一阶矩、二阶矩和三阶矩来描述颜色分布，一阶矩u_i、二阶矩σ_i和三阶矩s_i的定义如下：

式中，P(i,j)是位置(i,j)处像素的颜色信息，N为色纺织物组织点图像的大小；

将H通道的一阶矩、二阶矩和三阶矩分别记为U_HSV-H、σ_HSV-H、S_HSV-H，将S通道的一阶矩、二阶矩和三阶矩分别记为U_HSV-S，σ_HSV-S，S_HSV-S,将V通道的一阶矩、二阶矩和三阶矩分别记为U_HSV-V，σ_HSV-V，S_HSV-V；

步骤7.2：提取Lab颜色空间中的颜色距，将L通道的一阶矩、二阶矩和三阶矩分别记为U_lab-l、σ_lab-l、S_lab-l，将a通道的一阶矩、二阶矩和三阶矩分别记为U_lab-a，σ_lab-a，S_lab-a,将b通道的一阶矩、二阶矩和三阶矩分别记为U_lab-b，σ_lab-b，S_lab-b；

步骤7.3：将HSV颜色空间中的颜色信息与Lab颜色空间中的颜色信息融合，如下所示：

式中，G_u、G_σ、G_s分别为融合后亮度通道的一阶矩、二阶矩和三阶矩，C_hsv-u、C_hsv-σ、C_hsv-s分别为HSV颜色空间下颜色通道的一阶矩、二阶矩和三阶矩，C_lab-u、C_lab-σ、C_lab-s分别为Lab颜色空间下颜色通道的一阶矩、二阶矩和三阶矩；

将这9个特征值联合成一个9维的特征向量；

步骤8：将每个组织点的纹理和颜色的特征向量放在多核支持向量机中进行学习，不同的特征可以获得不同的核函数，然后找出一组最优的特征组合权值，对颜色和纹理的特征核函数进行线性加权得到一个新的核函数，新的核函数和最终融合后的判决函数的定义如下；

式中，d_m≥0为核函数的系数且k_m(x_i,x)为核函数，M为核函数的个数,y_i∈{-1,1}为样本对应的标签，a_i为Lagrange系数，b为分类的域值。