[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在审
申请号: | 201810110289.0 | 申请日: | 2018-02-05 |
公开(公告)号: | CN108304878A | 公开(公告)日: | 2018-07-20 |
发明(设计)人: | 陈海永;赵鹏;崔月姣;李帅 | 申请(专利权)人: | 河北工业大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06K9/34;G06K9/46 |
代理公司: | 天津翰林知识产权代理事务所(普通合伙) 12210 | 代理人: | 张国荣 |
地址: | 300130 天津市红桥区*** | 国省代码: | 天津;12 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开一种基于色差直方图与DAG‑SVMs的光伏电池片颜色分类算法,通过对采集的原始图像进行预处理之后,得到目标图像;对目标图像进行颜色空间转换之后,为准确提取光伏电池片图像的色彩信息并简化计算量,进行图像维数量化;通过色差直方图的计算获得图像的特征向量,由此建立图像特征信息库,进行训练学习,利用六类样本分类的支持向量机分类器进行DAG‑SVMs分类,实现对光伏电池片的颜色分类。本发明算法对传统的一般只能解决二分类问题的支持向量法进行了改进,提出了可以解决k分类问题的DAG‑SVMs算法,以此实现对光伏电池片六类颜色的分类。本发明算法应用性强,分类准确度高。 | ||
搜索关键词: | 光伏电池片 色差直方图 颜色分类 算法 目标图像 电池片 支持向量机分类器 预处理 图像 颜色空间转换 分类准确度 分类问题 色彩信息 算法应用 特征向量 图像特征 图像维数 训练学习 样本分类 原始图像 支持向量 信息库 传统的 二分类 计算量 采集 量化 分类 改进 | ||
【主权项】:
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Ud(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...,SW],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。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于河北工业大学,未经河北工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201810110289.0/,转载请声明来源钻瓜专利网。
- 上一篇:一种基于机器学习的物理层信道认证方法
- 下一篇:一种船舶轨迹聚类方法及装置