圖像分類識(shí)別判斷方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及計(jì)算機(jī)圖像識(shí)別領(lǐng)域，尤其設(shè)及一種圖像分類識(shí)別判斷方法。
【背景技術(shù)】
[0002] HSI特征是顏色特征，基于人的視覺感知角度建立的HSI顏色空間。H為色度，是 描述純色的屬性；S為飽和度，給出一種純色被白光稀釋的程度的度量；I為亮度，是視覺對(duì) 光刺激的亮度響應(yīng)。
[0003] 特征提取方法是對(duì)HSI顏色空間按下式進(jìn)行量化，把色度H量化成8個(gè)空間，把飽 和度S分成3個(gè)空間，把亮度I分成3個(gè)空間，即顏色空間被分成72區(qū)間。
[0004] 構(gòu)造H、S、I =個(gè)分量的=維的聯(lián)合直方圖，但是服1特征提取方法在復(fù)雜的圖像 環(huán)境下，對(duì)特征圖像提取的效果并不明顯，
[0005] 此外，在SVM分類器情況下，復(fù)雜的圖像環(huán)境對(duì)特征圖像提取的效果并不明顯，該 就需要本領(lǐng)域技術(shù)人員繼續(xù)解決相應(yīng)的技術(shù)問題。
[0006] 此外，原始圖像總是會(huì)有一些噪聲。比如有水印、光照不均勻、光照不足導(dǎo)致圖片 灰暗等。該些都會(huì)對(duì)分類效果有影響。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明旨在至少解決現(xiàn)有技術(shù)中存在的技術(shù)問題，特別創(chuàng)新地提出了一種圖像 分類識(shí)別判斷方法。
[000引為了實(shí)現(xiàn)本發(fā)明的上述目的，本發(fā)明提供了一種圖像分類識(shí)別判斷方法，其關(guān)鍵 在于，包括如下步驟：
[0009] 步驟1，采集圖像，對(duì)圖像進(jìn)行預(yù)處理，通過(guò)頂帽變換方法去除圖像噪聲之后，采用 直方圖均衡化對(duì)圖像進(jìn)行增強(qiáng)；
[0010] 步驟2,對(duì)增強(qiáng)后的圖像進(jìn)行特征提取，得到N維向量的聯(lián)合直方圖，對(duì)N維向量進(jìn) 行降維操作，所述N為正整數(shù)；
[0011] 步驟3,對(duì)降維操作的N維向量，通過(guò)訓(xùn)練集訓(xùn)練歸納出分類集，通過(guò)分類或篩選 提取出特征圖像。
[0012] 所述的圖像分類識(shí)別判斷方法，優(yōu)選的，所述步驟1包括：
[0013] 步驟1-1，提取出一個(gè)不包含水印的邊框掩碼圖像，使用所述的邊框掩碼圖像替換 掉原始圖像中的邊框。
[0014] 所述的圖像分類識(shí)別判斷方法，優(yōu)選的，所述步驟1-1包括：
[0015] 步驟1-2,將邊框掩碼圖像進(jìn)行開操作，構(gòu)造一個(gè)區(qū)分邊框掩碼圖像與原始圖像部 分的分段函數(shù)，最后提取出邊框掩碼圖像；
[0016] 步驟1-3,開操作公式分別如下所示，
[0017] 乂 = '化)公=:公+ 乂 [ '4!，表示集合A被結(jié)構(gòu)元素B腐蝕；
[00化]義=崩公=體：(-方+巧n心斬，表示集合A被結(jié)構(gòu)B元素膨脹；
[0019] 步驟1-4,進(jìn)行開操作和閉操作公式如下所示，
[0020] ^。公= (.40公)?公，表示集合A被結(jié)構(gòu)元素B開操作；
[0021] ^?公貨公)?公，表示集合A被結(jié)構(gòu)元素B閉操作；
[0022] 步驟1-5,根據(jù)設(shè)定闊值來(lái)提取掩碼圖像，其公式如下：
[0023]
[0024] 其中g(shù)表示圖像的灰度值，lopen是圖像進(jìn)行開運(yùn)算后的圖像；
[0025] 得到提取掩碼圖像后，使用該提取掩碼圖像替換掉原有的邊框，在RGB =個(gè)通道 分別進(jìn)行下列操作，
[0026]
[0027] 其中I為原圖，1〇為最終得到的圖像，即可得到最終的去水印后的圖像。
[0028] 所述的圖像分類識(shí)別判斷方法，優(yōu)選的，所述步驟1包括：
[0029] 步驟1-6,對(duì)圖像進(jìn)行頂帽變換，所述頂帽變換公式如下，
[0030] 化4化4) = ^-(^。巧，即在集合A中減去B對(duì)A的開操作；
[0031] 步驟1-7,對(duì)經(jīng)過(guò)頂帽變換的圖像進(jìn)行圖像增強(qiáng)，采用的是直方圖均衡化，
[00對(duì)令X=找(i，j)}表示由L個(gè)灰度級(jí)找。，X。. . .，Xh}組成的一張圖像，其中X(i，_j) 表示圖像在空間（i，j)處的強(qiáng)度，且X(i，j)G找。，Xl，...，XレJ。對(duì)于一張圖像X，概率密 度分布pog可定義為：
[0033]
[0034] 其中k = 0, 1，…，kl，L為正整數(shù)，nk表示在圖片X中Xk灰度級(jí)出現(xiàn)的次數(shù)，n是 整張圖片中像素的個(gè)數(shù)，nk-Xk的直方圖是圖像X的灰度直方圖，基于概率密度函數(shù)，定義累 積分布函數(shù)為：
[0035]
[0036] 其中，對(duì)于k = 0，l，…，kl，Xk=x。需注意C狂L-1) = 1，直方圖均衡化是通過(guò)累 積分布函數(shù)作為轉(zhuǎn)換函數(shù)，將整幅輸入圖像映射到從X。到X H的空間，定義轉(zhuǎn)換函數(shù)f(x) 為
[0037] f(x) = X〇+狂 L_i-X〇)c(x)，
[003引則直方圖均衡化后的輸出圖像Y = {Y(i，j)}寫成：
[0039] 7 = /(乂）= {/(.、-(/?;)) I (/，./)￡ 。
[0040] 所述的圖像分類識(shí)別判斷方法，優(yōu)選的，所述步驟2包括：
[0041] 步驟2-1，提取方法是對(duì)于圖像中每一個(gè)像素，將其相鄰的8個(gè)點(diǎn)進(jìn)行比較，如果 中屯、像素值比該鄰點(diǎn)大，則將鄰點(diǎn)賦值為1，否則賦值為0,該樣每個(gè)點(diǎn)都會(huì)獲得一個(gè)8位 二進(jìn)制數(shù)。通過(guò)分別計(jì)算RGB=個(gè)通道上的LBP值，可得到一個(gè)=元組LBPk(x，y)，其中 kG化G，B}，構(gòu)造出一個(gè)立維的聯(lián)合直方圖，最終得到一個(gè)256X256X256維的向量，
[00創(chuàng)步驟2-2,對(duì)圖像進(jìn)行降維操作，找到有兩次跳變的LBP二進(jìn)制模式，跳變是指由0 變?yōu)?，或由1變?yōu)?,執(zhí)行步驟2-3 ;
[0043] 步驟2-3,在步驟2-2已經(jīng)找到的二進(jìn)制模式中，將最長(zhǎng)的連續(xù)的1或0的長(zhǎng)度作 為該二進(jìn)制模式的LBP值，取值為1~n;
[0044] 構(gòu)造R、G、B顏色空間的S維的聯(lián)合直方圖，最終得到一個(gè)n3維的向量，所述 7《n《255。
[0045] 所述的圖像分類識(shí)別判斷方法，優(yōu)選的，所述步驟3包括：
[0046] 步驟3-1，樸素貝葉斯分類器引入樸素貝葉斯假設(shè)；在給定類別C的條件下，所有 的屬性Ai相互獨(dú)立。下標(biāo)i、j為正整數(shù)，P代表概率，
[0047] 巧4 I C，A)=巧4 I C)，V4，，巧C) > 0 ;
[0048] 步驟3-2,假設(shè)Ai，A2,........A。是數(shù)據(jù)集n的特征，假設(shè)有m個(gè)類C = {Cl，〇3,……QJ，給定一個(gè)具體的實(shí)例X，其屬性為{Xi，X2, . . . .X。}，該里Xi是屬性Ai的 具體取值，該實(shí)例屬于某一個(gè)類。的后驗(yàn)概率是P狂ICi)，c狂）表示分類所得的類標(biāo)簽，貝 葉斯分類器表示為，
[0049] C 狂）=ar卵a(bǔ)xP (。）P 狂 I。）。
[0050] 所述的圖像分類識(shí)別判斷方法，優(yōu)選的，還包括：
[0051] 步驟4,將分類后的圖片按圖片采集的時(shí)間順序進(jìn)行排列，利用時(shí)序關(guān)系進(jìn)行圖片 顏色分類結(jié)果進(jìn)行二次篩選。
[0052] 所述的圖像分類識(shí)別判斷方法，優(yōu)選的，所述步驟4包括：
[0053] 步驟4-1，給出一個(gè)標(biāo)注預(yù)測(cè)結(jié)果的圖片時(shí)間序列，Bi表示位于ti時(shí)刻的負(fù)例，Ri 表示位于第j時(shí)刻的正例；定義兩個(gè)相鄰正例化和Rj之間的時(shí)間間隔為Gij = (j-i)，滑 動(dòng)窗口 W長(zhǎng)度為L(zhǎng)在圖片時(shí)間序列上，Wj標(biāo)示滑動(dòng)窗口 W的其實(shí)位置滑動(dòng)到第j時(shí)刻；
[0054] B0, B1,…，Ri, Bi+1, Bi+2,…，Rj,….化。
[00巧]所述的圖像分類識(shí)別判斷方法，優(yōu)選的，所述步驟4-1包括：