本发明属于宝石鉴定领域。
背景技术：
刻面宝石是人工对于天然宝石琢型后，得到的具有更高商业价值的流通成品，宝石鉴定是宝石商业流通中必不可少的环节，但目前宝石鉴定主要依赖于人工目测和定性分析，出错率高和标准化程度低，影响了宝石产业的发展。利用光学成像系统采集刻面宝石图像，研究标准的特征提取方法，自动从图像中获取刻面宝石的几何特征如轮廓，角点等，建立宝石的几何特征数据，为宝石鉴定提供更为科学的参考依据，对于提升珠宝行业的刻面宝石流通监管能力有着重要意义。
技术实现要素：
本发明依据宝石鉴定中对于特征数据的需求，公开一种刻面宝石轮廓特征和强角点特征提取方法。利用光学系统采集刻面宝石图像，对刻面宝石图像进行去降噪和二值化预处理；采用边缘提取算法和拟合算法获得宝石的轮廓特征，并建立用于筛选角点特征的距离区间；利用角点算法，获得宝石的特征角点集合；计算特征角点到达宝石轮廓圆点的距离，处在距离区间中的特征角点构成刻面宝石的强角点特征。
一种刻面宝石图像特征提取方法，包括以下步骤：
步骤一，对刻面宝石图像进行非局部均值去噪声处理。
步骤二，对图像进行大津法二值化处理。
步骤三，通过canny算法提取图像中宝石边缘点集合。
步骤四，对边缘点集合做最小二乘法圆周拟合，计算得到圆心点和半径值R，并将拟合圆周作为刻面宝石的轮廓特征。
步骤五，根据R值大小，划定4个距离区间分别为0.18R~0.27R, 0.38R~0.42R,0.58R~0.62R,0.78R~0.82R。
步骤六，采用harris角点算法计算图像的特征角点。
步骤七，计算特征角点到达拟合心圆点的距离。
步骤八，将距离处于步骤五划定的距离区间内的特征角点，作为刻面宝石的强角点特征。
本方法将轮廓和强角点特征作为特征提取对象，在充分考虑了刻面宝石几何性状和角点分布规律的基础上，利用距离区间筛选了最能代表刻面宝石特征的强角点，排除了冗余角点的干扰，建立了用于刻面宝石鉴定的特征数据。
附图说明
图1为本发明实施例使用的刻面宝石图像。
图2为本发明实施例提取出的刻面宝石轮廓和强角点特征分布图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例一种刻面宝石图像特征提取方法，包括以下步骤：
一种刻面宝石图像特征提取方法，包括以下步骤：
步骤一，对刻面宝石图像进行非局部均值去噪声处理。充分利用了图像中的冗余信息，在去噪的同时能最大程度地保持图像的细节特征，算法处理过程如下，
设含噪声图像中x处去噪后的灰度值为u（x），
(1)
式中，v(y)为图像中y处的灰度值，w(x,y)为表示像素点x和y间的相似度，它的值由以x、y为中心的矩形V(x)、V(y)邻域间的距离决定
(2)
式中Z(x)为归一化系数，h为平滑系数越h大高斯函数变化越平缓，去噪水平越高，但同时也会导致图像越模糊。h越小，边缘细节成分保持得越多，但会残留过多的噪声点。h具体取值应当以刻面宝石打磨抛光的程度为依据，一般为0.5~0.7。
步骤二，对图像进行大津法二值化处理。
步骤三，通过标准canny算法提取图像中宝石边缘点集合,在canny算法的双阈值的选取环节，选取高阈值占图像梯度直方图的比例一般由刻面宝石的反射率而定，低阈值为高阈值的20%~30%。
步骤四，对边缘特征点集合做最小二乘法圆周拟合，计算得到圆心点和半径值R，并将拟合圆周作为刻面宝石的轮廓特征。
步骤五，根据R值大小，划定4个距离区间分别为0.18R~0.27R, 0.38R~0.42R,0.58R~0.62R,0.78R~0.82R.
步骤六，采用harris角点算法计算图像的特征角点，
(3)
（4)
式(3)(4)中，P为步骤三canny算法计算得到的图像梯度分布矩阵，vxy为图像(x,y)处的角点响应值，k为角点判定阈值，Cv为图像的特征角点分布图。在一般情况下，k的取值应满足由公式（4）得到的角点总数量大于刻面宝石的实际打磨角点数的1.5倍。
步骤七，计算特征角点到达拟合心圆点的距离。
步骤八，将距离处于步骤五划定的距离区间内的特征角点，作为刻面宝石的强角点特征。