專利名稱：一種基于網(wǎng)格標記的圖像識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種圖像識別方法，特別涉及一種基于網(wǎng)格標記的圖像識別方法，屬于計算機模式識別技術(shù)領(lǐng)域。
背景技術(shù)：
應(yīng)用計算機對圖像進行識別已在各個領(lǐng)域得到廣泛的應(yīng)用，通過計算機對輸入圖像的分類可以幫助人們快速有效地對物體進行分類，從而大大節(jié)約了人工篩選的成本。例如，近年來，圖像識別越來越多的用于微小物體的識別分撿、定級工作中，如工業(yè)中螺絲釘?shù)姆謸?、農(nóng)業(yè)中谷物的質(zhì)量檢測等。圖像識別在物體分撿領(lǐng)域的應(yīng)用在大幅度降低人工成本的同時使得分撿效率成倍提高，并且最大限度降低了誤選率，但是，圖像識別的準確率卻一直是一個困擾人們的問題?，F(xiàn)有技術(shù)中，有效的圖像識別算法包括:基于物體邊界的輪廓線周長面積比，F(xiàn)ourier級數(shù)的方法，基于像素點分布的像素比重法，以及基于圖像紋理的連通度判別法等等。在圖像識別應(yīng)用過程中，多數(shù)算法存在著圖像識別算法效率低、對圖像紋理的變化不敏感、受圖像噪聲影響大等不足，這種情況限制了自動識別的普及應(yīng)用。比如:基于物體邊界的識別方法，它可以對物體輪廓進行有效的辨別，但是無法對圖像本身的表面花紋進行識別；基于像素點分布的方法可以對物體圖像色彩分布，明暗進行判別，但它同樣無法對紋理進行有效的辨別。目前，常用的連通程度計算算法主要有:區(qū)域生長法，跟蹤算法，邊界跟蹤法，基于行(列)掃描算法等。然而，上述方法都無法在圖像存在噪聲的情況下，保證計算結(jié)果的可靠性。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服現(xiàn)有技術(shù)存在的不足，提供一種精確、高效、適用于大批量設(shè)別內(nèi)部花紋有較大差別的圖像的識別方法。為達到這一目的，本發(fā)明采用的技術(shù)方案是:提供一種基于網(wǎng)格標記的圖像識別方法，其特征在于以圖像的連通度設(shè)別圖像，包括如下步驟:
1、將待設(shè)別圖像按粒度要求分割成若干個相等的網(wǎng)格，并預(yù)設(shè)定網(wǎng)格的大小，網(wǎng)格大小的初值最小為3X3像素；
2、掃描圖像中的每一個網(wǎng)格點，識別各個網(wǎng)格中的像素分布參數(shù)，包含:①字節(jié)型行列邊界變量statue !②索引型連通狀態(tài)變量mark ；
3、將網(wǎng)格中的空白區(qū)域合并，并記錄其連通狀態(tài)；
4、將非空白網(wǎng)格再次分割成更小的網(wǎng)格，若網(wǎng)格大小仍大于最小值，則返回到步驟2;
5、遍歷每一個細分到預(yù)設(shè)定 大小的非空白網(wǎng)格進行，若當前網(wǎng)格中的行列邊界變量statue為(00000000)2,則將該網(wǎng)格標記為孤立像素點；若網(wǎng)格為非孤立像素點，執(zhí)行步驟6 ； 6、將非孤立像素點網(wǎng)格打碎,對網(wǎng)格中的行列空白狀態(tài)作標記,將直線連通區(qū)域連接，再以其它邊界與中心的連接狀態(tài)，判定網(wǎng)格的連通狀態(tài)；若為連通的網(wǎng)格，執(zhí)行步驟9，若網(wǎng)格的連通狀態(tài)為不確定，執(zhí)行步驟7 ；
7、采用行列連通狀態(tài)判斷邊界缺口是否相互連接，判定網(wǎng)格的連通狀態(tài)；若為連通的網(wǎng)格，執(zhí)行步驟9，若網(wǎng)格的連通狀態(tài)為不確定，執(zhí)行步驟8 ;
8、采用基于區(qū)域生長法的方式，掃描像素點周圍3 8個鄰域的狀態(tài)，得到連通的網(wǎng)
格；
9、將得到的相互連通的網(wǎng)格采用基于樹的集合表示法歸并到同一個集合中，對網(wǎng)格集合進行計數(shù)，得到的集合數(shù)即為圖像的連通度。對圖像進行處理時，影響圖像判別的有兩類點一類是圖像中的孤立點，另一類是圖像上缺失的像素點，這類點對網(wǎng)格標記有影響，對這類點，在本發(fā)明技術(shù)方案中，通過掃描周圍一定距離內(nèi)的像素點來過濾(噪聲點的顆粒大小比較小)，由于在圖像中出現(xiàn)孤立空白點的可能性遠遠小于噪聲造成的空白點，因此，通過這種過濾孤立空白點的方法可以有效地減小噪聲對計算結(jié)果的干擾。另一方面，像素點區(qū)域始終大于它們的邊界，所以，大多數(shù)情況下，單一像素點網(wǎng)格的數(shù)量遠遠大于非單一像素點，因此，通過劃分網(wǎng)格可以大大提高計算速度。由于上述技術(shù)的運用，本發(fā)明與現(xiàn)有技術(shù)相比具有下列優(yōu)點1、本發(fā)明通過適當增大識別連通性識別過程中的粒度，可以取得一定的抵抗噪聲效果，同時本識別方法通過適當放大連通通路的寬度，從而達到更加接近人眼識別的效果。2、由于在搜索時對圖像進行逐級網(wǎng)格化，因此，本發(fā)明提供的方法在搜索連通區(qū)域的速度比未優(yōu)化的算法具有更高的效率。3、由于本發(fā)明采用了基于網(wǎng)格標記的連通度計算來識別圖像的特征，因此，對圖像紋理的變化具有較高敏感性。4、本發(fā)明可以實現(xiàn)非標記化搜索，因此它有更大的可能為后續(xù)處理保留原圖像，可有效的節(jié)約整個識別過程的時間和存儲空間需求。


圖1是本發(fā)明實施例提供的識別應(yīng)用過程的主要流程；
圖2是本發(fā)明實施例運用連通度實施識別過程中兩種不同類型的圖像效果的對比圖； 圖3是本發(fā)明實施例提供的基于網(wǎng)格標記的圖像識別方法的流程圖。
具體實施例方式下面結(jié)合附圖和實施例對本發(fā)明作進一步描述
實施例1 :
本實施例以瓜子篩選的應(yīng)用為例，對具有花斑的瓜子采用多重方法聯(lián)合識別其圖像，實現(xiàn)瓜子的智能篩選。參見附圖1，它是本實施例提供的瓜子智能篩選應(yīng)用過程的流程圖。動態(tài)捕獲圖像采用三星SCC - C4203P低照度彩色/黑白轉(zhuǎn)換工業(yè)攝像頭獲取流水線上的瓜子陣列圖象并將其傳入計算機，采用Microsoft Visual C++6. 0對傳入計算機的圖象作預(yù)處理,通過特征值提取算法獲取核心特征值，運用判定標準，將合格瓜子篩選出來并作標記，然后發(fā)送控制信號到與之連接的機械設(shè)備，將合格瓜子篩選出來。合格判定時，先運用長短軸特征法、像素比重法、直方圖法進行過濾，篩選得到如附圖2中al a4剪影效果圖所示的合格瓜子，但過濾后還存在如附圖2中bl b4剪影效果圖所示的不合格瓜子，即花斑瓜子，由圖2可見，花斑瓜子的尺寸、大小、黑色區(qū)域覆蓋度及直方圖均與特級瓜子相似，采用現(xiàn)有的方法無法分撿，但花班瓜子也有其自身特有的特點一一表面有多個大小不等的環(huán)狀花紋，因此，本發(fā)明采用計算圖像的多連通度來辨別。在剪影處理的基礎(chǔ)上利用集合歸并求解連通度的方法。在本實施例中，判定準則為特級瓜子連通度〈=3，大于3的為花斑瓜子，這樣即可將花瓣瓜子從標準瓜子中挑選出來，統(tǒng)計表明應(yīng)用中獲取的瓜子圖像空白區(qū)域較小，因此本例中設(shè)置的網(wǎng)格初始值可較小。先將瓜子進行二值化處理，再求出瓜子的陰影圖像。對這兩張圖像作剪影后，再對得到的剪影圖像計算多連通度。參見附圖3，它是本實施例提供的基于網(wǎng)格標記的圖像識別方法的流程圖，其步驟為
步驟1:將圖像的寬為n的邊界像素強置為邊界點，進行分配網(wǎng)格內(nèi)存、構(gòu)造鏈表、計數(shù)器歸零等初始化操作。步驟2 :掃描圖像中的每一個網(wǎng)格點，識別各個網(wǎng)格中的像素分布參數(shù)，包含①字節(jié)型行列邊界變量statue 索引型連通狀態(tài)變量mark ;若當前網(wǎng)格行i是有效的(未出界)，則對網(wǎng)格進行初始化，若(1，1)點為邊界點就將其對應(yīng)的行位和列位置為0，先判斷(1,3), (3，I), (3，3)是否為邊界點，若是，就置statue為(00000000)2，轉(zhuǎn)到步驟5 ;否則，就繼續(xù)掃描其他的像素點，轉(zhuǎn)到步驟3。步驟3 :若當前網(wǎng)格列j是有效的(未出界)，則轉(zhuǎn)到步驟5，否則網(wǎng)格下移一個，再轉(zhuǎn)到步驟2。步驟4 :判斷當前網(wǎng)格的statue。Casel :若 statue 為(00000000)2，置 grid(i, j)的 mark 為-1，轉(zhuǎn)到步驟 3。Case2 :若 statue 為(111111111) 2，先判斷 grid (i, j_l), grid (i~l, j)的 statue是否為(111111111)2。若是，就比較這些網(wǎng)格所在的集合，如果不在同一集合中則將集合合并，再判斷 grid (i, j), grid(i, j-1), grid (i_l, j), grid (i_l, j_l)組成的區(qū)域是否有另外的n位連續(xù)的1，若有，則將它代表的網(wǎng)格也合并進來，轉(zhuǎn)到步驟3 ;如果不是，再判斷grid(i, j-1), grid(1-l, j), grid(1-l, j-1)是否存在 statue 為(00000000)2 的格,若是，轉(zhuǎn)到步驟 3 ;如果不是,判斷 grid(i, j), grid(i, j-1), grid(i_l，j), grid(i_l，j-1)組成的區(qū)域A水平或者垂直方向是否能通過定義一下的與grid(i，j)相交的直線段，若能，將所有與存在對應(yīng)statue狀態(tài)位有連續(xù)對應(yīng)的標記。若不能，并且A的上邊界或左邊界上對應(yīng)的位存在連續(xù)的n位1，則將它代表的網(wǎng)格也合并起來，轉(zhuǎn)到步驟3。Case3 :statue為其他情況時，判斷grid(i, j-1), grid(i_l，j)，grid(i_l, j_l)是否存在statue:為(00000000)2，的格，若是，轉(zhuǎn)步驟3 ;若否，判斷grid(i，j)，grid(i, j-1) ,grid(1-l, j) ,grid(i_l，j-1)組成的區(qū)域水平或者垂直方向是否能通過定義一下的與grid(i，j)相交的直線段，若能，將所有與存在對應(yīng)statue狀態(tài)位有連續(xù)對應(yīng)的標記0 ;否則對這一區(qū)域進行像素掃描，以確定其連通性并將于grid(i，j), grid(i, j-1)相鄰的區(qū)域所標識的網(wǎng)格的集合合并，轉(zhuǎn)到步驟3。步驟5 :通過鏈表隊集合個數(shù)進行計數(shù)，集合的個數(shù)即為多連通度。依據(jù)對連通度的判定要求，設(shè)別圖形，在本實施例中即為確定瓜子的性質(zhì)。本發(fā)明提供的圖像識別方法在保證識別精度的前提下，提高了識別的效率，尤其適用于計算機大批量識別內(nèi)部花紋不同的物體的分撿與檢驗，具有良好的應(yīng)用效果。
權(quán)利要求
1.一種基于網(wǎng)格標記的圖像識別方法，其特征在于以圖像的連通度設(shè)別圖像，包括如下步驟: (1)將待設(shè)別圖像按粒度要求分割成若干個相等的網(wǎng)格，并預(yù)設(shè)定網(wǎng)格的大小，網(wǎng)格大小的初值最小為3X3像素； (2)掃描圖像中的每一個網(wǎng)格點，識別各個網(wǎng)格中的像素分布參數(shù)，包含:①字節(jié)型行列邊界變量statue !②索引型連通狀態(tài)變量mark ； (3)將網(wǎng)格中的空白區(qū)域合并，并記錄其連通狀態(tài)； (4)將非空白網(wǎng)格再次分割成更小的網(wǎng)格，若網(wǎng)格大小仍大于最小值，則返回到步驟(2)； (5)遍歷每一個細分到預(yù)設(shè)定大小的非空白網(wǎng)格進行，若當前網(wǎng)格中的行列邊界變量statue為(00000000)2,則將 該網(wǎng)格標記為孤立像素點；若網(wǎng)格為非孤立像素點，執(zhí)行步驟(6)； (6 )將非孤立像素點網(wǎng)格打碎，對網(wǎng)格中的行列空白狀態(tài)作標記，將直線連通區(qū)域連接，再以其它邊界與中心的連接狀態(tài)，判定網(wǎng)格的連通狀態(tài)；若為連通的網(wǎng)格，執(zhí)行步驟(9)，若網(wǎng)格的連通狀態(tài)為不確定，執(zhí)行步驟(7)； (7)采用行列連通狀態(tài)判斷邊界缺口是否相互連接，判定網(wǎng)格的連通狀態(tài)；若為連通的網(wǎng)格，執(zhí)行步驟(9)，若網(wǎng)格的連通狀態(tài)為不確定，執(zhí)行步驟(8); (8)采用基于區(qū)域生長法的方式，掃描像素點周圍鄰域的狀態(tài)，得到連通的網(wǎng)格； (9)將得到的相互連通的網(wǎng)格采用基于樹的集合表示法歸并到同一個集合中，對網(wǎng)格集合進行計數(shù)，得到的集合數(shù)即為圖像的連通度。
全文摘要
本發(fā)明公開了一種基于網(wǎng)格標記的圖像識別方法，屬于計算機圖像識別技術(shù)領(lǐng)域。它以圖像內(nèi)部連通性為主要識別特征，輸入計算機完成數(shù)字圖像內(nèi)部紋理的識別。特征值的獲取方法為將圖像分割成若干個相同大小的網(wǎng)格，通過掃描并標記每個網(wǎng)格的狀態(tài)，獲得各個網(wǎng)格之間的連通特征，實現(xiàn)對圖像的分類識別。本發(fā)明提供的圖像識別方法在保證識別精度的前提下，提高了識別的效率，尤其適用于計算機大批量識別內(nèi)部花紋不同的物體的分撿與檢驗，具有良好的應(yīng)用效果。
文檔編號G06K9/62GK103077406SQ20131005562
公開日2013年5月1日 申請日期2013年2月21日 優(yōu)先權(quán)日2013年2月21日
發(fā)明者孫涌, 廖黎莉, 芮延年 申請人:蘇州大學(xué)