CN102663422B - 基于颜色特征的地板层次分类方法 - Google Patents
基于颜色特征的地板层次分类方法 Download PDFInfo
- Publication number
- CN102663422B CN102663422B CN 201210084206 CN201210084206A CN102663422B CN 102663422 B CN102663422 B CN 102663422B CN 201210084206 CN201210084206 CN 201210084206 CN 201210084206 A CN201210084206 A CN 201210084206A CN 102663422 B CN102663422 B CN 102663422B
- Authority
- CN
- China
- Prior art keywords
- floor
- sample
- classification
- unknown
- color
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Spectrometry And Color Measurement (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于颜色特征的地板层次分类方法,在HSV色彩空间,对色调及饱和度分量进行地板颜色矩特征的提取并给与色调特征数据以较高权重,降低纹理特征对分类的影响。去除亮度分量,避免工业现场光照条件对地板分类的影响。在对未知地板样本进行在线分类时,利用预先建立的离线多层次分类依据库,采用最短距离决策、K最近相邻对未知地板样本由粗到细进行逐层判定。本发明的优点是:有效的提高了地板生产厂商对地板类别分类的准确性,既提高了地板生产效率,又减少了人工成本。
Description
技术领域
本发明涉及一种基于颜色特征的地板层次分类方法,应用于地板工业现场对新生产地板样本的类别判断。
背景技术
随着经济的快速发展,地板的需求量亦越来越多,地板在生产过程快速准确的分类成为了一个迫切需要解决的问题。目前,地板的分类实现主要靠人工目测,其人为因素的影响比较大,因此利用数字图象处理技术对地板进行分类更能有效的保证地板分类的准确性。
由于地板颜色是反映地板表面视觉和心理感觉的重要特征,与分类的评定有着密切关系,从而使得近年对基于颜色特征的分类处理都进行了一定的研究。如戴天虹等通过主颜色特征,分别利用神经网络中的RBF网络、K最近相邻和最近邻对木材样本图像进行分类处理;王克奇等利用均匀色彩空间对木材的颜色特征进行测量与辨别的分类研究。
发明内容
本发明的目的是提高地板生产过程中分类处理的自动化程度及其快速性,提供一种基于颜色特征的地板层次分类方法,有效的提高了地板生产厂商对地板类别分类的准确性,既提高了地板生产效率,又减少了人工成本。
按照本发明提供的技术方案,所述基于颜色特征的地板层次分类方法包括以下步骤:
(1)根据地板样本的彩色图像提取颜色统计特征;
(2)根据已知地板样本的颜色特征信息,建立离线多层次地板样本分类依据库;
(3)在对未知类别地板样本进行在线分类时,利用最短距离分类规则,根据预先给定的离线分类依据库求取未知地板样本的相似类别;利用K最近相邻-最短距离法,根据预先给定的离线分类依据求取未知地板样本的准确类别;具体为:
(3.1)在未知地板样本的相似类别时:计算未知样本特征向量到所有相似类别合并后的颜色矩特征向量的距离,并对所有距离进行排序处理;将与最短距离之差小于样本最大距离Dmax/4的所有相似类别皆归算到下一层次的分类处理过程;
(3.2)在未知地板样本的准确类别时:首先求取未知地板样本与所属样品大类中各样本的距离,并按距离大小对样品大类中各样本进行排序处理;然后统计前N个距离所对应的地板样品类别数目,求取类别数目最大值kmax,判断kmax是否唯一;若唯一,则将未知地板归类到kmax所对应的类别中,分类处理结束;若不唯一,则求取待测地板与所有kmax相同的地板样品的距离,将未知地板样本归类到与其距离最小的地板样品中。
所述提取颜色统计特征,是利用地板样本的彩色图像的颜色矩提取出地板样本的颜色统计特征信息,去除亮度分量以降低光照条件对分类效果的影响;并给予色调分量及饱和度分量不同的加权比重。
在建立所述地板样本分类依据库时,首先根据给定的地板样本确定出各地板样品的颜色矩;然后通过最大最小距离分类算法对各地板样品进行聚类处理,将颜色矩数值相近类别合并到一起,求取相似类别地板样品颜色矩的数据均值;最大最小距离算法计算出所有样本间的最大距离作为归类阈值的参考,若某样本到一聚类中心的距离小于最大距离Dmax的1/2,则归入该类,否则建立新的聚类中心。
本发明的优点是:本发明对地板颜色特征的表示方式选用颜色矩特征,与其他表示方式相比,能够更加简单有效的表示出地板的颜色信息;在HSV色彩空间利用色调及饱和度分量求取地板的颜色矩特征数据,降低光照对地板分类准确行的影响;建立离线多层次地板样本分类依据库,提高位置地板样品分类的准确性;在对近似类别判断时,将临近的所有近似类别同样归入到下一阶段的判断,提高分类的准确性;利用K最近相邻-最短距离法对未知地板样本准确类别进行判断,进一步保证地板分类的准确性。
附图说明
图1为本发明的总体实现框架图。
图2为地板样本分类依据库示意图。
图3为未知地板样本分类实现流程图。
具体实施方式
为了提高地板生产过程中未知地板样本分类的自动化程度,本发明开发了一种基于颜色统计特征的多层次地板在线分类方法。地板分类技术算法代码量小、运算速度快、精度高、实时性强、稳定性好,能够有效提高未知地板样本的分类效率、降低生产成本。
下面结合附图和实施例对本发明作进一步说明。
本基于颜色特征的地板层次分类方法,对未知地板样本进行在线分类实现过程如图1所示,首先根据已知地板样本建立多层次离线地板样本分类依据库,然后再对未知地板样本由粗到细进行在线逐层分类实现。
步骤如下:
1根据地板样本的彩色图像提取颜色统计特征;
2根据已知地板样本建立离线多层次地板样本分类依据库;
3在对未知类别地板样本进行在线分类时,利用最短距离分类规则,根据预先给定的离线分类依据库求取未知地板样本的相似类别;利用K最近相邻-最短距离法,根据预先给定的离线分类依据求取未知地板样本的准确类别,最后重新计算未知地板样本所属类别的样品特征数据及样品所属近似类别的特征数据。
以上第1步提取颜色统计特征的具体实现为:
在提取地板样本的颜色统计特征时,选用颜色矩表示地板样本的颜色统计特征。颜色矩特征的三个低阶矩的数学表达式的形式为:
式中,hij表示第i颜色通道中灰度为j的像素出现的概率,n表示灰度级数。
选用2个色度属性值(色调、饱和度)提取其相关颜色矩特征以进行地板的分类检测处理,去除亮度的属性值。
在地板之间相似度的度量上需要给色调特征数据分配较高的权重,给饱和度特征数据分配较低的权重,减小纹理特性对地板分类的影响。
不同地板颜色矩向量的加权欧式距离可表示为
d=ω1(xH-x′H)+ω2(xS-x′S)
其中,ω1、ω2分别表示色调颜色矩特征及饱和度颜色矩特征的权值。
第2步建立离线多层次地板样本分类依据库的具体实现为:
首先根据给定的地板样本确定出各地板样品的颜色矩;然后通过最大最小距离分类算法对各地板样品进行聚类处理,将颜色矩数值相近类别合并到一起,求取相似类别地板样品颜色矩的数据均值。最终形成如图2所示的多层次地板样品分类依据库。
第3步的具体实现为:
在对未知类别地板样本进行在线分类时,实现流程如图3所示。
(3.1)利用最短距离分类规则,根据预先给定的离线分类依据库求取未知地板样本的相似类别的具体实现步骤为:
计算未知样本特征向量到地板样品相似类别合并后的颜色矩向量的距离;
对所有距离由小到大进行排序处理;
将与最短距离之差小于Dmax/4的所有相似类别皆归算到下一层次的处理过程。
(3.2)利用K最近相邻-最短距离法,根据预先给定的离线分类依据求取未知地板样本的准确类别时,首先求出样本x的k个近邻。设最大近邻数为kmax,判断kmax是否为一个;若唯一,则该类别ωmax为x所属;若是多个(如N个),求近邻数kmax的所属地板样品类别特征均值与x的距离:
其中,S为地板样品类别特征均值,n为特征数目。
K最近相邻-最短距离法决策规则为:
使用K最近相邻-最短距离法确定待测地板所属准确类别的实现过程:
①求取未知地板样本与所属样品大类中各样本的距离;
②按距离大小对样品大类中各样本进行排序处理;
③统计前N个距离所对应的地板样品类别数目,求取类别数目最大值kmax;
④判断kmax是否唯一,唯一则进行第⑤步,否则进行第⑥步;
⑤则将未知地板归类到kmax所对应的类别中,分类处理结束。
⑥求取待测地板与所有kmax相同的地板样品的距离;
⑦将未知地板样本归类到与其距离最小的地板样品中,分类处理结束。
Claims (1)
1.基于颜色特征的地板层次分类方法,其特征是,包括以下步骤:
(1)根据地板样本的彩色图像提取颜色统计特征;
(2)根据已知地板样本的颜色特征信息,建立离线多层次地板样本分类依据库;
(3)在对未知类别地板样本进行在线分类时,利用最短距离分类规则,根据预先给定的离线分类依据库求取未知地板样本的相似类别;利用K最近相邻-最短距离法,根据预先给定的离线分类依据求取未知地板样本的准确类别;具体为:
(3.1)在未知地板样本的相似类别时:计算未知样本特征向量到所有相似类别合并后的颜色矩特征向量的距离,并对所有距离进行排序处理;将与最短距离之差小于样本最大距离Dmax/4的所有相似类别皆归算到下一层次的分类处理过程;
(3.2)在未知地板样本的准确类别时:首先求取未知地板样本与所属样品大类中各样本的距离,并按距离大小对样品大类中各样本进行排序处理;然后统计前N个距离所对应的地板样品类别数目,求取类别数目最大值kmax,判断kmax是否唯一;若唯一,则将未知地板归类到kmax所对应的类别中,分类处理结束;若不唯一,则求取待测地板与所有kmax相同的地板样品的距离,将未知地板样本归类到与其距离最小的地板样品中;
所述提取颜色统计特征,是利用地板样本的彩色图像的颜色矩提取出地板样本的颜色统计特征信息,去除亮度分量以降低光照条件对分类效果的影响;并给予色调分量及饱和度分量不同的加权比重;
在建立所述地板样本分类依据库时,首先根据给定的地板样本确定出各地板样品的颜色矩;然后通过最大最小距离分类算法对各地板样品进行聚类处理,将颜色矩数值相近类别合并到一起,求取相似类别地板样品颜色矩的数据均值;最大最小距离算法计算出所有样本间的最大距离作为归类阈值的参考,若某样本到一聚类中心的距离小于最大距离Dmax的1/2,则归入该类,否则建立新的聚类中心。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201210084206 CN102663422B (zh) | 2012-03-27 | 2012-03-27 | 基于颜色特征的地板层次分类方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201210084206 CN102663422B (zh) | 2012-03-27 | 2012-03-27 | 基于颜色特征的地板层次分类方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102663422A CN102663422A (zh) | 2012-09-12 |
CN102663422B true CN102663422B (zh) | 2013-10-30 |
Family
ID=46772906
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201210084206 Active CN102663422B (zh) | 2012-03-27 | 2012-03-27 | 基于颜色特征的地板层次分类方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102663422B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104796660B (zh) * | 2014-01-20 | 2018-10-23 | 腾讯科技(深圳)有限公司 | 一种防盗告警的方法及装置 |
CN108132935B (zh) * | 2016-11-30 | 2021-08-10 | 英业达科技有限公司 | 图像分类方法及图像展示方法 |
CN106767449A (zh) * | 2016-12-28 | 2017-05-31 | 云南昆船设计研究院 | 烟叶的一致性辨选方法及装置 |
CN108197662B (zh) * | 2018-01-22 | 2022-02-11 | 湖州师范学院 | 一种实木地板分类方法 |
CN112579804A (zh) * | 2020-12-28 | 2021-03-30 | 西安航空学院 | 一种有毒植物检测仪 |
TWI786555B (zh) * | 2021-02-26 | 2022-12-11 | 寶元數控股份有限公司 | 板片辨識分類方法及系統 |
CN113408573B (zh) * | 2021-05-11 | 2023-02-21 | 广东工业大学 | 基于机器学习的瓷砖色号自动分类归类的方法及装置 |
CN114817609B (zh) * | 2022-04-15 | 2022-11-25 | 南京林业大学 | 一种基于提升树的实木地板颜色的自动排序方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5544256A (en) * | 1993-10-22 | 1996-08-06 | International Business Machines Corporation | Automated defect classification system |
CN102289671A (zh) * | 2011-09-02 | 2011-12-21 | 北京新媒传信科技有限公司 | 提取图像纹理特征的方法和装置 |
-
2012
- 2012-03-27 CN CN 201210084206 patent/CN102663422B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5544256A (en) * | 1993-10-22 | 1996-08-06 | International Business Machines Corporation | Automated defect classification system |
CN102289671A (zh) * | 2011-09-02 | 2011-12-21 | 北京新媒传信科技有限公司 | 提取图像纹理特征的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN102663422A (zh) | 2012-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102663422B (zh) | 基于颜色特征的地板层次分类方法 | |
CN113409314B (zh) | 高空钢结构腐蚀的无人机视觉检测与评价方法及*** | |
CN104794491B (zh) | 基于预分类的模糊聚类钢板表面缺陷检测方法 | |
CN101996405B (zh) | 一种快速的玻璃图像缺陷检测及分类方法及其装置 | |
CN101510262B (zh) | 一种钢中析出粒子的自动测量及其形态分类方法 | |
CN101915769B (zh) | 一种印刷电路板中带电阻元件的自动光学检测方法 | |
CN104182763A (zh) | 一种基于花朵特征的植物种类识别*** | |
CN108428231B (zh) | 一种基于随机森林的多参数零件表面粗糙度学习方法 | |
CN109191459A (zh) | 连铸坯低倍组织中心偏析缺陷的自动识别与评级方法 | |
CN104463199A (zh) | 基于多特征及分割再校正的矿岩块度分类方法 | |
CN111191628B (zh) | 基于决策树与特征优化的遥感影像震害建筑物识别方法 | |
CN104809476B (zh) | 一种基于分解的多目标进化模糊规则分类方法 | |
CN106650823A (zh) | 一种基于概率极限学习机集成的泡沫镍表面缺陷分类方法 | |
CN105303200B (zh) | 用于手持设备的人脸识别方法 | |
CN105023027A (zh) | 基于多次反馈机制的现场鞋底痕迹花纹图像检索方法 | |
CN114972356A (zh) | 塑料制品表面缺陷检测识别方法及*** | |
CN103679207A (zh) | 一种手写体数字识别方法及*** | |
CN115205289B (zh) | 基于视觉的软木地板原材料分级方法 | |
CN108846831A (zh) | 基于统计特征和图像特征相结合的带钢表面缺陷分类方法 | |
CN105205816A (zh) | 多特征加权融合的高分辨率sar影像建筑区提取方法 | |
CN108734122B (zh) | 一种基于自适应样本选择的高光谱城区水体检测方法 | |
CN109598681A (zh) | 一种对称唐卡修复后图像的无参考质量评价方法 | |
CN114092456A (zh) | 细胞荧光图像判别方法及*** | |
Rahmat et al. | Image classification of ribbed smoked sheet using Learning Vector Quantization | |
CN109034172B (zh) | 一种基于模糊松弛约束多核学习的产品外观缺陷检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C53 | Correction of patent for invention or patent application | ||
CB02 | Change of applicant information |
Address after: 1800 No. 214122 Jiangsu city of Wuxi Province Li Lake Avenue Applicant after: Jiangnan University Applicant after: Xinje Electronic Co., Ltd. Address before: 1800 No. 214122 Jiangsu city of Wuxi Province Li Lake Avenue Applicant before: Jiangnan University Applicant before: Wuxi Czech Automation Co., Ltd. |
|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |