专利名称：一种基于网格标记的图像识别方法
技术领域：
本发明涉及一种图像识别方法，特别涉及一种基于网格标记的图像识别方法，属于计算机模式识别技术领域。
背景技术：
应用计算机对图像进行识别已在各个领域得到广泛的应用，通过计算机对输入图像的分类可以帮助人们快速有效地对物体进行分类，从而大大节约了人工筛选的成本。例如，近年来，图像识别越来越多的用于微小物体的识别分捡、定级工作中，如工业中螺丝钉的分捡、农业中谷物的质量检测等。图像识别在物体分捡领域的应用在大幅度降低人工成本的同时使得分捡效率成倍提高，并且最大限度降低了误选率，但是，图像识别的准确率却一直是一个困扰人们的问题。现有技术中，有效的图像识别算法包括:基于物体边界的轮廓线周长面积比，Fourier级数的方法，基于像素点分布的像素比重法，以及基于图像纹理的连通度判别法等等。在图像识别应用过程中，多数算法存在着图像识别算法效率低、对图像纹理的变化不敏感、受图像噪声影响大等不足，这种情况限制了自动识别的普及应用。比如:基于物体边界的识别方法，它可以对物体轮廓进行有效的辨别，但是无法对图像本身的表面花纹进行识别；基于像素点分布的方法可以对物体图像色彩分布，明暗进行判别，但它同样无法对纹理进行有效的辨别。目前，常用的连通程度计算算法主要有:区域生长法，跟踪算法，边界跟踪法，基于行(列)扫描算法等。然而，上述方法都无法在图像存在噪声的情况下，保证计算结果的可靠性。
发明内容
本发明的目的在于克服现有技术存在的不足，提供一种精确、高效、适用于大批量设别内部花纹有较大差别的图像的识别方法。为达到这一目的，本发明采用的技术方案是:提供一种基于网格标记的图像识别方法，其特征在于以图像的连通度设别图像，包括如下步骤:
1、将待设别图像按粒度要求分割成若干个相等的网格，并预设定网格的大小，网格大小的初值最小为3X3像素；
2、扫描图像中的每一个网格点，识别各个网格中的像素分布参数，包含:①字节型行列边界变量statue !②索引型连通状态变量mark ；
3、将网格中的空白区域合并，并记录其连通状态；
4、将非空白网格再次分割成更小的网格，若网格大小仍大于最小值，则返回到步骤2;
5、遍历每一个细分到预设定 大小的非空白网格进行，若当前网格中的行列边界变量statue为(00000000)2,则将该网格标记为孤立像素点；若网格为非孤立像素点，执行步骤6 ； 6、将非孤立像素点网格打碎,对网格中的行列空白状态作标记,将直线连通区域连接，再以其它边界与中心的连接状态，判定网格的连通状态；若为连通的网格，执行步骤9，若网格的连通状态为不确定，执行步骤7 ；
7、采用行列连通状态判断边界缺口是否相互连接，判定网格的连通状态；若为连通的网格，执行步骤9，若网格的连通状态为不确定，执行步骤8 ;
8、采用基于区域生长法的方式，扫描像素点周围3 8个邻域的状态，得到连通的网
格；
9、将得到的相互连通的网格采用基于树的集合表示法归并到同一个集合中，对网格集合进行计数，得到的集合数即为图像的连通度。对图像进行处理时，影响图像判别的有两类点一类是图像中的孤立点，另一类是图像上缺失的像素点，这类点对网格标记有影响，对这类点，在本发明技术方案中，通过扫描周围一定距离内的像素点来过滤(噪声点的颗粒大小比较小)，由于在图像中出现孤立空白点的可能性远远小于噪声造成的空白点，因此，通过这种过滤孤立空白点的方法可以有效地减小噪声对计算结果的干扰。另一方面，像素点区域始终大于它们的边界，所以，大多数情况下，单一像素点网格的数量远远大于非单一像素点，因此，通过划分网格可以大大提高计算速度。由于上述技术的运用，本发明与现有技术相比具有下列优点1、本发明通过适当增大识别连通性识别过程中的粒度，可以取得一定的抵抗噪声效果，同时本识别方法通过适当放大连通通路的宽度，从而达到更加接近人眼识别的效果。2、由于在搜索时对图像进行逐级网格化，因此，本发明提供的方法在搜索连通区域的速度比未优化的算法具有更高的效率。3、由于本发明采用了基于网格标记的连通度计算来识别图像的特征，因此，对图像纹理的变化具有较高敏感性。4、本发明可以实现非标记化搜索，因此它有更大的可能为后续处理保留原图像，可有效的节约整个识别过程的时间和存储空间需求。
图1是本发明实施例提供的识别应用过程的主要流程；
图2是本发明实施例运用连通度实施识别过程中两种不同类型的图像效果的对比图； 图3是本发明实施例提供的基于网格标记的图像识别方法的流程图。
具体实施例方式下面结合附图和实施例对本发明作进一步描述
实施例1 :
本实施例以瓜子筛选的应用为例，对具有花斑的瓜子采用多重方法联合识别其图像，实现瓜子的智能筛选。参见附图1，它是本实施例提供的瓜子智能筛选应用过程的流程图。动态捕获图像采用三星SCC - C4203P低照度彩色/黑白转换工业摄像头获取流水线上的瓜子阵列图象并将其传入计算机，采用Microsoft Visual C++6. 0对传入计算机的图象作预处理,通过特征值提取算法获取核心特征值，运用判定标准，将合格瓜子筛选出来并作标记，然后发送控制信号到与之连接的机械设备，将合格瓜子筛选出来。合格判定时，先运用长短轴特征法、像素比重法、直方图法进行过滤，筛选得到如附图2中al a4剪影效果图所示的合格瓜子，但过滤后还存在如附图2中bl b4剪影效果图所示的不合格瓜子，即花斑瓜子，由图2可见，花斑瓜子的尺寸、大小、黑色区域覆盖度及直方图均与特级瓜子相似，采用现有的方法无法分捡，但花班瓜子也有其自身特有的特点一一表面有多个大小不等的环状花纹，因此，本发明采用计算图像的多连通度来辨别。在剪影处理的基础上利用集合归并求解连通度的方法。在本实施例中，判定准则为特级瓜子连通度〈=3，大于3的为花斑瓜子，这样即可将花瓣瓜子从标准瓜子中挑选出来，统计表明应用中获取的瓜子图像空白区域较小，因此本例中设置的网格初始值可较小。先将瓜子进行二值化处理，再求出瓜子的阴影图像。对这两张图像作剪影后，再对得到的剪影图像计算多连通度。参见附图3，它是本实施例提供的基于网格标记的图像识别方法的流程图，其步骤为
步骤1:将图像的宽为n的边界像素强置为边界点，进行分配网格内存、构造链表、计数器归零等初始化操作。步骤2 :扫描图像中的每一个网格点，识别各个网格中的像素分布参数，包含①字节型行列边界变量statue 索引型连通状态变量mark ;若当前网格行i是有效的(未出界)，则对网格进行初始化，若(1，1)点为边界点就将其对应的行位和列位置为0，先判断(1,3), (3，I), (3，3)是否为边界点，若是，就置statue为(00000000)2，转到步骤5 ;否则，就继续扫描其他的像素点，转到步骤3。步骤3 :若当前网格列j是有效的(未出界)，则转到步骤5，否则网格下移一个，再转到步骤2。步骤4 :判断当前网格的statue。Casel :若 statue 为(00000000)2，置 grid(i, j)的 mark 为-1，转到步骤 3。Case2 :若 statue 为(111111111) 2，先判断 grid (i, j_l), grid (i~l, j)的 statue是否为(111111111)2。若是，就比较这些网格所在的集合，如果不在同一集合中则将集合合并，再判断 grid (i, j), grid(i, j-1), grid (i_l, j), grid (i_l, j_l)组成的区域是否有另外的n位连续的1，若有，则将它代表的网格也合并进来，转到步骤3 ;如果不是，再判断grid(i, j-1), grid(1-l, j), grid(1-l, j-1)是否存在 statue 为(00000000)2 的格,若是，转到步骤 3 ;如果不是,判断 grid(i, j), grid(i, j-1), grid(i_l，j), grid(i_l，j-1)组成的区域A水平或者垂直方向是否能通过定义一下的与grid(i，j)相交的直线段，若能，将所有与存在对应statue状态位有连续对应的标记。若不能，并且A的上边界或左边界上对应的位存在连续的n位1，则将它代表的网格也合并起来，转到步骤3。Case3 :statue为其他情况时，判断grid(i, j-1), grid(i_l，j)，grid(i_l, j_l)是否存在statue:为(00000000)2，的格，若是，转步骤3 ;若否，判断grid(i，j)，grid(i, j-1) ,grid(1-l, j) ,grid(i_l，j-1)组成的区域水平或者垂直方向是否能通过定义一下的与grid(i，j)相交的直线段，若能，将所有与存在对应statue状态位有连续对应的标记0 ;否则对这一区域进行像素扫描，以确定其连通性并将于grid(i，j), grid(i, j-1)相邻的区域所标识的网格的集合合并，转到步骤3。步骤5 :通过链表队集合个数进行计数，集合的个数即为多连通度。依据对连通度的判定要求，设别图形，在本实施例中即为确定瓜子的性质。本发明提供的图像识别方法在保证识别精度的前提下，提高了识别的效率，尤其适用于计算机大批量识别内部花纹不同的物体的分捡与检验，具有良好的应用效果。
权利要求
1.一种基于网格标记的图像识别方法，其特征在于以图像的连通度设别图像，包括如下步骤: (1)将待设别图像按粒度要求分割成若干个相等的网格，并预设定网格的大小，网格大小的初值最小为3X3像素； (2)扫描图像中的每一个网格点，识别各个网格中的像素分布参数，包含:①字节型行列边界变量statue !②索引型连通状态变量mark ； (3)将网格中的空白区域合并，并记录其连通状态； (4)将非空白网格再次分割成更小的网格，若网格大小仍大于最小值，则返回到步骤(2)； (5)遍历每一个细分到预设定大小的非空白网格进行，若当前网格中的行列边界变量statue为(00000000)2,则将 该网格标记为孤立像素点；若网格为非孤立像素点，执行步骤(6)； (6 )将非孤立像素点网格打碎，对网格中的行列空白状态作标记，将直线连通区域连接，再以其它边界与中心的连接状态，判定网格的连通状态；若为连通的网格，执行步骤(9)，若网格的连通状态为不确定，执行步骤(7)； (7)采用行列连通状态判断边界缺口是否相互连接，判定网格的连通状态；若为连通的网格，执行步骤(9)，若网格的连通状态为不确定，执行步骤(8); (8)采用基于区域生长法的方式，扫描像素点周围邻域的状态，得到连通的网格； (9)将得到的相互连通的网格采用基于树的集合表示法归并到同一个集合中，对网格集合进行计数，得到的集合数即为图像的连通度。
全文摘要
本发明公开了一种基于网格标记的图像识别方法，属于计算机图像识别技术领域。它以图像内部连通性为主要识别特征，输入计算机完成数字图像内部纹理的识别。特征值的获取方法为将图像分割成若干个相同大小的网格，通过扫描并标记每个网格的状态，获得各个网格之间的连通特征，实现对图像的分类识别。本发明提供的图像识别方法在保证识别精度的前提下，提高了识别的效率，尤其适用于计算机大批量识别内部花纹不同的物体的分捡与检验，具有良好的应用效果。
文档编号G06K9/62GK103077406SQ20131005562
公开日2013年5月1日 申请日期2013年2月21日 优先权日2013年2月21日
发明者孙涌, 廖黎莉, 芮延年 申请人:苏州大学