[发明专利]一种鲁棒机器视觉目标识别分割方法及系统

权利要求书

1.一种鲁棒机器视觉目标识别分割方法，其特征在于，所述方法包括：

步骤S1：根据模板图像和测试图像确定目标初始像素集；

步骤S2：根据所述目标初始像素集中各像素点的亮度确定模糊集；

步骤S3：计算所述目标初始像素集中各位置处的像素和所述模糊集中各位置处的像素的相似性程度；

步骤S4：根据所述相似性程度和欧几里得距离确定能量泛函；

步骤S5：对所述能量泛函进行寻优求解，获得最优截距和最优角度；

步骤S6：根据所述最优截距和所述最优角度确定最优对称轴；

步骤S7：根据所述最优对称轴对待分割图像进行目标识别分割。

2.根据权利要求1所述的一种鲁棒机器视觉目标识别分割方法，其特征在于，所述根据模板图像和测试图像确定目标初始像素集，具体包括：

步骤S11：获取模板图像和测试图像；

步骤S12：计算所述模板图像和所述测试图像的相似度，获得相似性度量图像；

步骤S13：采用OTSU方法确定所述相似性度量图像的二值图像；

步骤S14：采用形态学闭操作填充所述二值图像中目标区域的裂纹，获得目标初始像素集。

3.根据权利要求1所述的一种鲁棒机器视觉目标识别分割方法，其特征在于，所述根据所述目标初始像素集中各像素点的亮度确定模糊集，具体包括：

步骤S21：根据S函数和所述目标初始像素集中各像素点的亮度计算隶属度；

步骤S22：根据所述目标初始像素集中各像素点的隶属度确定目标模糊像素集；

步骤S23：根据所述测试图像的颜色向量和目标模糊像素集确定模糊集。

4.根据权利要求1所述的一种鲁棒机器视觉目标识别分割方法，其特征在于，所述计算所述目标初始像素集中各位置处的像素和所述模糊集中各位置处的像素的相似性程度，具体公式为：

其中，x为i或y为j或f(x,y)是通过对目标模糊像素集M使用双线性插值得到，f(p)分别表示所述目标初始像素集C_inner中各位置处的像素p和所述模糊集中各位置处的像素的隶属度值，与p为关于l(ρ,θ)对称的两像素，θ为直线角度，ρ为直线截距，表示坐标(i,j)相对于最优对称线l(ρ,θ)的对称点，为对称点与坐标(i,j)的相似性程度。

5.根据权利要求1所述的一种鲁棒机器视觉目标识别分割方法，其特征在于，所述对所述能量泛函进行寻优求解，获得最优截距和最优角度，具体包括：

步骤S51：对所述能量泛函的求偏导数以及简化；

步骤S52：构建直线截距辅助单变量函数和直线角度辅助单变量函数；

步骤S53：根据所述直线截距辅助单变量函数和所述直线角度辅助单变量函数构建最优求解公式；

步骤S54：根据所述最优求解公式对简化后的能量泛函进行寻优求解，获得最优截距和最优角度。

6.根据权利要求1所述的一种鲁棒机器视觉目标识别分割方法，其特征在于，所述根据所述最优对称轴对待分割图像进行目标识别分割，具体包括：

步骤S71：将所述目标初始像素集中关于最优对称轴对称的像素点引入所述目标初始像素集，获得目标分割优化像素集；

步骤S72：根据所述目标分割优化像素集对待分割图像进行目标识别分割。

7.一种鲁棒机器视觉目标识别分割系统，其特征在于，所述系统包括：

目标初始像素集确定模块，用于根据模板图像和测试图像确定目标初始像素集；

模糊集确定模块，用于根据所述目标初始像素集中各像素点的亮度确定模糊集；

相似性程度确定模块，用于计算所述目标初始像素集中各位置处的像素和所述模糊集中各位置处的像素的相似性程度；

能量泛函确定模块，用于根据所述相似性程度和欧几里得距离确定能量泛函；

最优参数确定模块，用于对所述能量泛函进行寻优求解，获得最优截距和最优角度；

最优对称轴确定模块，用于根据所述最优截距和所述最优角度确定最优对称轴；

目标识别分割模块，用于根据所述最优对称轴对待分割图像进行目标识别分割。