基于八元數(shù)和回聲狀態(tài)網(wǎng)絡(luò)的織物圖像邊緣檢測(cè)方法
【專利摘要】一種作為圖像模式識(shí)別和場(chǎng)景分析問(wèn)題中預(yù)備性步驟的圖像邊緣檢測(cè)方法。讀取待檢測(cè)織物圖像和訓(xùn)練織物圖像，在用八元數(shù)將圖像R、G、B、H、S、I分量綜合的基礎(chǔ)上，采用一種八元數(shù)和回聲狀態(tài)網(wǎng)絡(luò)相結(jié)合的彩色圖像邊緣檢測(cè)算法。將被判斷像素點(diǎn)與該點(diǎn)八領(lǐng)域均值的矢量積作為圖像邊緣的特征向量，用訓(xùn)練織物圖像的特征向量對(duì)回聲狀態(tài)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，然后用訓(xùn)練好的回聲狀態(tài)網(wǎng)絡(luò)直接對(duì)待檢測(cè)織物圖像進(jìn)行邊緣檢測(cè)，得到邊緣圖像。該方法檢測(cè)效果好，對(duì)織物圖像有較強(qiáng)的細(xì)節(jié)保持能力。
【專利說(shuō)明】基于八元數(shù)和回聲狀態(tài)網(wǎng)絡(luò)的織物圖像邊緣檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明專利屬于計(jì)算機(jī)應(yīng)用學(xué)科的數(shù)字圖像信息處理領(lǐng)域，具體涉及到圖像處理中的織物圖像邊緣檢測(cè)方法。
【背景技術(shù)】
[0002]彩色圖像比灰度圖像包含更多的信息，因此基于彩色圖像的邊緣檢測(cè)算法引起了廣泛關(guān)注。但若把灰度圖像的處理方法直接推廣到彩色圖像，即將圖像的紅(R)、綠(G)、藍(lán)(B)三分量單獨(dú)處理后再合成，則會(huì)丟失分量間的相關(guān)信息，導(dǎo)致提取的邊緣與圖像邊緣本身出現(xiàn)較大的不符；若能把R、G、B三個(gè)分量作為整體處理，邊緣提取的結(jié)果會(huì)更符合人眼視覺(jué)特征。由于彩色圖像的R、G、B三個(gè)分量可以表示為四元數(shù)的三個(gè)虛部，基于四元數(shù)的彩色圖像邊緣檢測(cè)可以在保留各分量相關(guān)性的同時(shí)，整體處理彩色信息，因此具有一定的優(yōu)勢(shì)，但RGB(紅、綠、藍(lán))空間是一個(gè)不均勻的顏色空間，它適合機(jī)器顯示但并不適合描述人眼對(duì)顏色的感知，通過(guò)對(duì)RGB空間進(jìn)行非線性變換得到HSI (色調(diào)、飽和度、亮度)顏色空間，此模型將亮度信息與彩色信息分開(kāi)。因此，基于HSI模型開(kāi)發(fā)的彩色圖像處理算法可較好地利用色度信息，將每個(gè)像素的R、G、B、H、S、I六個(gè)分量對(duì)應(yīng)于八元數(shù)的任意六個(gè)虛部，更能表示像素點(diǎn)的亮度和色度信息。
[0003]圖像邊緣檢測(cè)是把圖像劃分為邊緣點(diǎn)和非邊緣點(diǎn)，是圖像預(yù)處理技術(shù)。目前利用神經(jīng)網(wǎng)絡(luò)對(duì)圖像的背景和邊緣特征分類進(jìn)而實(shí)現(xiàn)邊緣檢測(cè)，有比較好的檢測(cè)效果，且大部分采用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和檢測(cè)，但BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練速度慢、容易陷入局部極小點(diǎn)，無(wú)法達(dá)到理想的檢測(cè)效果。

【發(fā)明內(nèi)容】

[0004]為了克服目前的圖像邊緣檢測(cè)方法計(jì)算量大，實(shí)用性不高，適用范圍較窄等局限，本發(fā)明專利提供一種新的織物圖像邊緣檢測(cè)方法，該檢測(cè)方法提取的圖像邊緣不僅整體輪廓分明，能反映局部細(xì)節(jié)，而且檢測(cè)速度明顯比其它方法快。
[0005]本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案是:
[0006]第一步，讀取待檢測(cè)織物圖像和訓(xùn)練織物圖像，把得到的RGB像素值轉(zhuǎn)換成HIS像素值，對(duì)RGB和HIS像素值歸一化，用八元數(shù)表示像素點(diǎn)f (X，y)= r(x, y)el+g(x, y)e2+b (x, y) e3+ h (x, y) e4+s (x, y) e5+I (x, y) e6 其中 r (x, y), g(x, y), b (x, y)，h (x, y)，s (x，y)，I (x, y)分別為R、G、B、H、S、I分量值。把訓(xùn)練織物RGB圖像轉(zhuǎn)換成灰度圖像，訓(xùn)練灰度圖像用經(jīng)典算子得到邊緣圖像output。
[0007]第二步，平滑區(qū)域中像素點(diǎn)f (X，y)應(yīng)等于以其為中心的區(qū)域邊界上函數(shù)值的均值；在圖像的邊緣處，像素點(diǎn)f U，y)不等于以(X，y)為中心的區(qū)域邊界上函數(shù)值的均值。因此，將像素點(diǎn)與該點(diǎn)八領(lǐng)域均值的矢量積作為圖像邊緣的特征向量。像素點(diǎn)八鄰域上像素的均值:[0008]
【權(quán)利要求】
1.一種織物圖像邊緣檢測(cè)方法，能得到較完整的圖像輪廓，細(xì)節(jié)保持良好。其特征是:用八元數(shù)表示某像素，像素點(diǎn)與該點(diǎn)八領(lǐng)域均值的矢量積作為圖像邊緣的特征向量，用回聲狀態(tài)網(wǎng)絡(luò)進(jìn)行訓(xùn)練并對(duì)織物圖像邊緣檢測(cè)。
2.根據(jù)權(quán)利要求1所述的織物圖像邊緣檢測(cè)，其特征是:八元數(shù)、回聲狀態(tài)網(wǎng)絡(luò)。
3.根據(jù)權(quán)利要求1所述的織物圖像邊緣檢測(cè)，其特征在于包括以下步驟: 第一步，讀取待檢測(cè)織物圖像和訓(xùn)練織物圖像，把得到的RGB像素值轉(zhuǎn)換成HIS像素值,對(duì)RGB和HIS像素值歸一化,用八元數(shù)表示像素點(diǎn)f (X，y)= r(x, y)el+g(x, y) e2+b (x, y)e3+ h (x, y) e4+s (x, y) e5+I (x, y) e6 其中 r (x, y), g(x, y) ,b (x, y) ,h(x, y), s (x, y)，I (x, y)分別為R、G、B、H、S、I分量值。把訓(xùn)練織物RGB圖像轉(zhuǎn)換成灰度圖像，訓(xùn)練灰度圖像用經(jīng)典算子得到邊緣圖像output。 第二步，平滑區(qū)域中像素點(diǎn)f (X，y)應(yīng)等于以其為中心的區(qū)域邊界上函數(shù)值的均值；在圖像的邊緣處，像素點(diǎn)f(x，y)不等于以(x，y)為中心的區(qū)域邊界上函數(shù)值的均值。因此，將像素點(diǎn)與該點(diǎn)八領(lǐng)域均值的矢量積作為圖像邊緣的特征向量。像素點(diǎn)八鄰域上像素的均值:
【文檔編號(hào)】G06K9/62GK103714336SQ201210378104
【公開(kāi)日】2014年4月9日 申請(qǐng)日期:2012年10月8日 優(yōu)先權(quán)日:2012年10月8日
【發(fā)明者】陳建成 申請(qǐng)人:陳建成, 浙江工業(yè)職業(yè)技術(shù)學(xué)院