专利名称：一种基于尺度不变和向量机分类的异形纤维自动识别方法
技术领域：
本发明涉及一种异形纤维的自动识别方法，解决图像特征提取有效性不足的问题，属于图像处理技术领域。
背景技术：
随着生活水平的提高和科学技术的进步，人们对纺织品的要求越来越高，传统的 棉麻纤维已经不能满足人们的需求。20世纪70年代中期，异形纤维的出现大大丰富了纤维 品种，为新型服装面料和纺织新产品的开发提供了丰富的原料。近年来，异形纤维产品向异形复合化、中空化和多功能化方向发展，既提高纤维的 保暖蓬松性，又解决起球钩丝、吸湿和透气等问题。因此，异形纤维在世界各国得到了广泛 的重视、开发和利用。中国异形纤维的研制始于20世纪80年代中期，研究的重点是喷丝板制造技术。 经过二十多年的发展，异形纤维产品从最初的三角、中空截面发展到今天的多种异形品种， 如五角形、三叶形、哑铃形、椭圆形、异形中空等等。异形纤维的不规则截面形状使其织物具有独特的服用性，不仅富有弹性、吸湿保 暖、质轻柔软等天然纤维的优势，而且可以增加织物的光泽度、保暖性、透气性、抗起球性、 防尘性、弹性，是普通合成纤维织物所无法比拟的。如本申请人曾申请过的名称为《异形纤维计算机自动识别装置与方法》的发明专 利申请，弥补了传统边沿检测的方法对图像质量要求较高、难以提取轮廓不清晰的异型纤 维图像的缺点，为异型纤维识别提出了一种新思路。多种异形纤维常常混纺在一起以克服单种异形纤维的缺点，纱线中每种异形纤维 的比例决定了纱线的品质，因此在纱线生产过程中，需要对纱线中各种异形纤维的比例进 行严格检测和核定，以控制纱线的品质。目前，异形纤维混纺比检测工作还停留在手工检测，人工法识别纤维截面层面。这 种传统方法不但费时、费力，而且精度低、数据稳定性较差。对于形态特征、理化特征相近的 不同纤维难以正确分辨。中国检验检疫部门则通过常规的切片技术，在高倍光学显微镜和投影仪下对异形 纤维的特征参数进行人工观察和判定。这种方法虽然准确率较高，但是操作工作量大，另 夕卜，检测人员需要经过专业的培训，需要一定的经验和熟练度。即使如此，检测结果依然受 检测人员的主观情绪影响。
发明内容
本发明的目的是提供一种基于尺度不变特征提取和支持向量机分类识别的异形 纤维的自动识别方方法，能够对复杂背景、倾斜、形变、断裂、光线变化等自动分类自动识 另IJ，解决图像特征提取有效性不足的问题。为了达到上述目的，本发明的技术方案是提供了 一种基于尺度不变和向量机分类的异形纤维自动识别方法，其特征在于，步骤为
步骤1、输入需要识别的异形纤维横截面显微样本图像，对图像进行预处理以便有利于 以便有利于对图像进行特征的提取；
步骤2、对预处理后的图像进行二值化处理，将图像中所要分析的纤维对象与图像背景 进行大致分离，提取出待识别的异形纤维轮廓得到纤维二值步骤3、通过分离算法对纤维二值图中的纤 维对象进行提取，得到纤维二值图中每根纤 维的独立图片；
步骤4、 根据S I F T 算法提取目前已有的 种异型纤维的特征向量作为输入，用SVM分类算法进行训练； 步骤5、将步骤3得到的独立图片作为输入，用步骤4训练好的分类算法判别每张独立 图片上的纤维所属的异型纤维类别。本发明的有益效益本发明提出了一种基于显微图像的异形纤维分类识别方法， 该方法不仅扩展了图像识别的应用领域，而且为实现异形纤维的在线检测奠定了基础。该 方法的实现还可以缩短异形纤维的检测周期，准确地检测出异形纤维的混纺比，提高了劳 动效率，可以带来可观的经济和社会效益。
图1为本发明一种基于显微图像的异形纤维分类识别方法的步骤流程图。
具体实施例方式以下结合附图和实施例对本发明作比较详细的说明。 实施例本发明提供了一种基于尺度不变和向量机分类的异形纤维自动识别方法，其步骤 为
步骤1、输入需要识别的异形纤维横截面显微样本图像，对图像进行预处理以便有利于 以便有利于对图像进行特征的提取；
系统首先输入需要识别的异形纤维横截面显微样本图像，每个显微样本是一张 640X480像素256级的灰度图，每幅图像中都包含大量的单个异形纤维横截面。由于采集到的纤维样本图像存在噪声和光照不勻等问题，因此，需要对纤维图像 进行去噪和增强处理，以便有利于对图像进行特征的提取。在本步骤中采用中值滤波进行 平滑去噪处理，采用直方图均衡化和灰度拉伸进行图像增强；采用自适应不勻校正法进行 光照不勻校正。步骤2、对预处理后的图像进行二值化处理，将图像中所要分析的纤维对象与图像 背景进行大致分离，提取出待识别的异形纤维轮廓得到纤维二值在本步骤中，对预处理后的图像采用最大类间方差法(Otsu算法)进行二值化处理，将 图像中所要分析的纤维对象与图像背景进行大致分离。纤维图像二值化后，纤维边缘可能 出现断开或干扰，这就需要对其进行相应的修补处理，以方便后续纤维图像特征参数的提 取。针对前期处理得到纤维二值图像的特点，本发明主要采用数学形态学的方法进行修补处理先采用膨胀处理将断开的部分连成一条连续的曲线，然后采用形态学细化的方法对 图像进行细化，得到连续且为单像素值的二值图像，为后续的纤维图像的特征参数提取做 好了准备。步骤3、通过分离算法对纤维二值图中的纤维对象进行提取，得到纤维二值图中每 根纤维的独立图片；
由于纤维图像中纤维数量较多，导致图像中存在纤维重叠的情况，如果将重叠对象作 为一个独立的纤维对象处理，则必然造成特征提取的错误，进而影响特征识别，由此得出的 纤维混纺比将会受到影响。纤维分离的重点是将重叠的纤维予以合理的分离，并且得到的单个纤维是尽量完 整的、有意义的。这是纤维识别系统特征提取、特征识别的保证。本发明根据粘连纤维灰度图像和二值图像特点，在分水岭算法的基础上，提出一 种结合多尺度描述算子所标记的异形粘连纤维轮廓上的特征点对异形粘连纤维进行分割 的方法，采用自适应滑动窗口策略能够在保留正确的分割线的同时消除多余的分割线.获 得了较准确的异形纤维分割效果。步骤4、根据SIFT算法提取目前已有的P种异型纤维的特征向量作为输入，用 SVM分类算法进行训练；
步骤4. 1、对于P种异型纤维各选择■？张图像，作为训练样本，将每一张图像都转化 为灰度图像并缩放到相同大小，并将每一张图像的灰度值按像素的行或列方向展开，得到
PM个大小为图像长与宽像素数的积的一维向量，记为；,其中， 为图像长
与宽像素数的积，Rs为输入空间；
步骤4. 2、根据SIFT算法得到每种异型纤维的一维特征向量； 步骤4. 2. 1、将步骤4. 1中的Pxg张图像进行分离，提取出纤维图像，根据SIFT算 法对分离后的纤维图像建立尺度空间，进行尺度空间极值检测，获得局部极值点作为关键点。
步骤4. 2. 2、通过拟合三位二次函数以精确确定关键点的位置和尺度； 步骤4. 2. 3、去除低对比度的关键点和不稳定的边缘响应点； 步骤4. 2. 4、利用上面所得的关键点临域像素的梯度方向分布特性为其指定方向参数， 使算子具备旋转不变性；
步骤4. 2. 5、根据SIFT算子描述方法构建特征描述符描述关键点附近的兴趣区域，获 得的特征向量即为代表该纤维的特征向量。步骤4. 3、将一维特征向量作为输入用SVM分类算法进行训练，得到判定分类函
数
权利要求
1.一种基于尺度不变和向量机分类的异形纤维自动识别方法，其特征在于，其步骤为步骤1、输入需要识别的异形纤维横截面显微样本图像，对图像进行预 处理以便有利于以便有利于对图像进行特征的提取； 步骤2、对预处理后的图像进行二值化处理，将图像中所要分析的纤维对 象与图像背景进行大致分离，提取出待识别的异形纤维轮廓得到纤维二值图； 步骤3、通过分离算法对纤维二值图中的纤维对象进行提取，得到纤维二 值图中每根纤维的独立图片；步骤4、 根据S I F T 算法提取目前已有的 P种异型纤维的特征向量作为输 入，用SVM分类算法进行训练；步骤5、将步骤3得到的独立图片作为输入，用步骤4训练好的分类算法 判别每张独立图片上的纤维所属的异型纤维类别。
2.如权利要求1所述的一种基于尺度不变和向量机分类的异形纤维自动 识别方法，其特征在于步骤1中所述的预处理为采用中值滤波对异形纤维横截面 显微样本图像进行平滑去噪处理，采用直方图均衡化和灰度拉伸进行图像增强，采用 自适应不勻校正法进行光照不勻校正。
3.如权利要求1所述的一种基于尺度不变和向量机分类的异形纤维自动识别方法，其特征在于所述的二值化处理，是指先对预处理后的图像采用最大类间方 差法进行二值化处理，随后对纤维边缘出现的断开或干扰采用数学形态学的方法进行修补 处理。
4.如权利要求3所述的一种基于尺度不变和向量机分类的异形纤维自动识别方法，其 特征在于所述修补处理的步骤为先采用膨胀处理将断开的部分连成一条连续的曲线， 然后采用形态学细化的方法对图像进行细化，得到连续且为单像素值的二值图像。
5.如权利要求1所述的一种基于尺度不变和向量机分类的异形纤维自动识别方法，其特征在于在进行步骤3中所述的分离算法时，若遇到重叠的纤维，则在 分水岭算法的基础上，结合多尺度描述算子所标记的异形粘连纤维轮廓上的特征点对重叠 的纤维进行分割，分割时采用自适应滑动窗口策略，能够在保留正确的分割线的同时消除 多余的分割线。
6.如权利要求1所述的一种基于尺度不变和向量机分类的异形纤维自动识别方法，其 特征在于所述步骤4包括步骤4. 1、对于P种异型纤维各选择@张图像，作为训练样本，将每一张图像都转化 为灰度图像并缩放到相同大小，并将每一张图像的灰度值按像素的行或列方向展开，得到pxg个大小为图像长与宽像素数的积的一维向量，记为A,..., qe矿，其中力图像长与宽像素数的积，Rx为输入空间；步骤4. 2、根据SIFT算法得到每种异型纤维的一维特征向量； 步骤4. 3、将一维特征向量作为输入用SVM分类算法进行训练，得到判定分类函数
7.如权利要求6所述的一种基于尺度不变和向量机分类的异形纤维自动识别方法，其 特征在于所述步骤4. 2包括步骤4. 2. 1、将步骤4. 1中的张图像进行分离，提取出纤维图像，根据SIFT算 法对分离后的纤维图像建立尺度空间，进行尺度空间极值检测，获得局部极值点作为关键点；步骤4. 2. 2、通过拟合三位二次函数以精确确定关键点的位置和尺度； 步骤4. 2. 3、去除低对比度的关键点和不稳定的边缘响应点； 步骤4. 2. 4、利用上面所得的关键点临域像素的梯度方向分布特性为其指定方向参数， 使算子具备旋转不变性；步骤4. 2. 5、根据SIFT算子描述方法构建特征描述符描述关键点附近的兴趣区域，获 得的特征向量即为代表该纤维的特征向量。
8.如权利要求1所述的一种基于尺度不变和向量机分类的异形纤维自动识别方法，其 特征在于所述步骤5为根据SIFT算法得到步骤3所述每张独立图片所对应纤维的特征向量，将步骤4. 3中所述判定分类函数J^OdJ = InP的变量取值为该特征向量，分别计算得到P个判定分类函数的值，在P个值中最大的那个值所对应的判定分类函数的异形纤 维种类即为该张独立图片所对应纤维的种类。
全文摘要
本发明涉及一种基于尺度不变特征提取和支持向量机的异形纤维自动分类识别方法，其特征在于，其步骤为输入需要识别的异形纤维横截面显微样本图像，对图像进行预处理，对预处理后的图像进行二值化处理，得到纤维二值图；通过分离算法对纤维二值图中的纤维对象进行提取，得到纤维二值图中每根纤维的独立图片；根据SIFT算法提取目前已有的种异型纤维的特征向量作为输入，用SVM分类算法进行训练，最后将步骤3得到的独立图片作为输入，用步骤4训练好的分类算法判别每张独立图片上的纤维所属的异型纤维类别。本发明能够对复杂背景、倾斜、形变、断裂、光线变化等自动分类自动识别，解决图像特征提取有效性不足的问题。
文档编号G06K9/46GK102096827SQ201110009519
公开日2011年6月15日 申请日期2011年1月18日 优先权日2011年1月18日
发明者万燕, 姚砺, 曾培峰, 穆占东 申请人:东华大学