一种纹理图像识别方法
【技术领域】
[0001]本发明涉及图像处理技术领域，具体是一种纹理图像识别方法。
【背景技术】
[0002]随着互联网购物的蓬勃发展，人们对图片、图像以及视频进行分组识别的需求越来越庞大。目前，对纹理目标的检测和识别是目标检测中的重要内容。当摄像头以及目标静止时，也没有各种干扰和旋转、模糊情况出现，因此目标的检测任务相对容易的多。但是当摄像头与检测目标之间存在相对运动且运动不可估计时，采集到的目标图像中会存在目标消失、目标旋转、仿射变化、图像模糊等多种干扰。例如，在交通领域对路标、车牌号、指示牌以及图案进行检测和识别，目前常用的角点检测、SIFT特征匹配、ORB描述子等方法，但是这些方法在高动态的符号识别中存在缺陷，使得检测识别的目标模糊不清，而且容易导致误识别和漏识别情况。
【发明内容】
[0003]本发明的目的在于提供一种纹理图像识别方法，以解决上述【背景技术】中提出的问题。
[0004]为实现上述目的，本发明提供如下技术方案:
[0005]一种纹理图像识别方法，包括如下步骤:
[0006](I)采用图像分割模块对纹理图像进行分割，得到多个纹理图像块；
[0007](2)通过预处理模块对单个纹理图像块进行去模糊处理，然后进行二值化处理；
[0008](3)通过形态学处理模块对二值化处理后的纹理图像进行形态学处理，提取出纹理区域；
[0009](4)通过重心点计算模块计算纹理区域的重心点，以重心点为原点，通过坐标系变换模块将字符区域从平面直角坐标系变换到极坐标系，得到极坐标图像；
[0010](5)在极坐标图像中分别沿极径和极角两个方向用投影统计模块统计投影直方图；
[0011](6)通过特征向量获取模块对投影直方图进行傅里叶变换，选取幅频部分的信息得到具有旋转不变特性的特征向量，作为检测图像的特征向量；
[0012](7)对待识别的纹理图像与标准的纹理图像执行步骤⑴至(6)，分别得到待识别纹理图像特征向量和标准纹理图像特征向量，基于D-S证据理论对纹理图像和标准纹理图像的特征向量进行融合，并计算二者之间的相似度，根据相似度阈值判断待识别的纹理图像是否为标准的纹理图像。
[0013]与现有技术相比，本发明的有益效果是:本发明方法通过先对纹理图像进行分割，再进行处理，最后再进行融合以及识别，充分利用纹理图像单一特征之间的优势特征，从而大大提高了对纹理图像的识别准确程度，而且大大提高了对运动中的目标检测的清晰度。
【附图说明】
[0014]图1为纹理图像识别方法的装置结构图。
【具体实施方式】
[0015]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0016]一种纹理图像识别方法，包括如下步骤:
[0017](I)采用图像分割模块对纹理图像进行分割，得到多个纹理图像块；
[0018](2)通过预处理模块对单个纹理图像块进行去模糊处理，然后进行二值化处理；
[0019](3)通过形态学处理模块对二值化处理后的纹理图像进行形态学处理，提取出纹理区域；
[0020](4)通过重心点计算模块计算纹理区域的重心点，以重心点为原点，通过坐标系变换模块将字符区域从平面直角坐标系变换到极坐标系，得到极坐标图像；
[0021](5)在极坐标图像中分别沿极径和极角两个方向用投影统计模块统计投影直方图；
[0022](6)通过特征向量获取模块对投影直方图进行傅里叶变换，选取幅频部分的信息得到具有旋转不变特性的特征向量，作为检测图像的特征向量；
[0023](7)对待识别的纹理图像与标准的纹理图像执行步骤⑴至(6)，分别得到待识别纹理图像特征向量和标准纹理图像特征向量，基于D-S证据理论通过特征向量融合模块对纹理图像和标准纹理图像的特征向量进行融合，并通过相似判断模块计算二者之间的相似度，根据相似度阈值判断待识别的纹理图像是否为标准的纹理图像。
[0024]本发明实施例采用D-S证据理论对单一纹理图像的特征向量结果进行融合，消除单个纹理图像之间可能存在的Q值的冗余和矛盾，并加以互补，降低其不确定性，获得一致的Q值。利用D-S证据组合规则进行融合，每次融合都是两个证据之间的融合。
[0025]如图1所示，本发明纹理图像识别方法的装置结构图，图像分割模块依次连接预处理模块、形态学处理模块、重心点计算模块、坐标系变换模块、投影统计模块、特征向量获取模块、特征向量融合模块和相似判断模块。
【主权项】
1.一种纹理图像识别方法，其特征在于，包括如下步骤: (1)采用图像分割模块对纹理图像进行分割，得到多个纹理图像块； (2)通过预处理模块对单个纹理图像块进行去模糊处理，然后进行二值化处理； (3)通过形态学处理模块对二值化处理后的纹理图像进行形态学处理，提取出纹理区域； (4)通过重心点计算模块计算纹理区域的重心点，以重心点为原点，通过坐标系变换模块将字符区域从平面直角坐标系变换到极坐标系，得到极坐标图像； (5)在极坐标图像中分别沿极径和极角两个方向用投影统计模块统计投影直方图； (6)通过特征向量获取模块对投影直方图进行傅里叶变换，选取幅频部分的信息得到具有旋转不变特性的特征向量，作为检测图像的特征向量； (7)对待识别的纹理图像与标准的纹理图像执行步骤(I)至￠)，分别得到待识别纹理图像特征向量和标准纹理图像特征向量，基于D-S证据理论对纹理图像和标准纹理图像的特征向量进行融合，并计算二者之间的相似度，根据相似度阈值判断待识别的纹理图像是否为标准的纹理图像。
【专利摘要】本发明公开了一种纹理图像识别方法，对纹理图像进行分割，再单个纹理图像块进行去模糊处理，然后进行二值化处理和形态学处理，计算提取出的纹理区域的重心点，在极坐标图像中分别沿极径和极角两个方向用投影统计模块统计投影直方图，对投影直方图进行傅里叶变换，选取幅频部分的信息得到具有旋转不变特性的特征向量，作为检测图像的特征向量；对待识别的纹理图像与标准的纹理图像执上述步骤以获得特征向量，然后进行融合并计算二者之间的相似度，根据相似度阈值判断待识别的纹理图像是否为标准的纹理图像。本发明方法通过先对纹理图像进行分割和融合，充分利用纹理图像单一特征之间的优势特征，从而大大提高了对纹理图像的识别准确程度。
【IPC分类】G06K9/00, G06T7/20, G06T7/00
【公开号】CN105046191
【申请号】CN201510250552
【发明人】陈新武, 连帅彬, 孙秋菊, 戈静, 乔月凤, 马文娟, 刘真, 薛静
【申请人】信阳师范学院
【公开日】2015年11月11日
【申请日】2015年5月13日