[發明專利]基于八元數和回聲狀態網絡的織物圖像邊緣檢測方法

無效

• 申請號: 201210378104.7
• 申請日: 2012-10-08
• 公開（公告）號: CN103714336A
• 公開（公告）日: 2014-04-09
• 發明（設計）人: 陳建成
• 申請（專利權）人: 陳建成;浙江工業職業技術學院
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種織物圖像邊緣檢測方法,?能得到較完整的圖像輪廓,細節保持良好。?其特征是：用八元數表示某像素，像素點與該點八領域均值的矢量積作為圖像邊緣的特征向量，用回聲狀態網絡進行訓練并對織物圖像邊緣檢測。

2.根據權利要求1所述的織物圖像邊緣檢測，其特征是：八元數、回聲狀態網絡。

3.根據權利要求1所述的織物圖像邊緣檢測，其特征在于包括以下步驟：

第一步，讀取待檢測織物圖像和訓練織物圖像，把得到的RGB像素值轉換成HIS像素值，對RGB和HIS像素值歸一化，用八元數表示像素點f(x,y)=?r(x,y)e1+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。把訓練織物RGB圖像轉換成灰度圖像，訓練灰度圖像用經典算子得到邊緣圖像output。

第二步，平滑區域中像素點f(x，y)應等于以其為中心的區域邊界上函數值的均值;?在圖像的邊緣處，像素點f(x，y)不等于以(?x，y)?為中心的區域邊界上函數值的均值。因此，將像素點與該點八領域均值的矢量積作為圖像邊緣的特征向量。像素點八鄰域上像素的均值：

M(x,y)=18Σf(α,β)]]>

計算M(x,y)與f(x,y)的矢量積：

M(x,y)f(x,y)=A(x,y)+R(x,y)e1+G(x,y)?e2+B(x,y)e3+H(x,y)e4?+S(x,y)e5?+I(x,y)e6+D(x,y)e7

像素點的特征向量?V(x,y)=?（A(x,y)，R(x,y)?，G(x,y)?，B(x,y)?，H(x,y)?，S(x,y)?，I(x,y)，D(x,y)）。

第三步，隨機產生一個儲備也處理單元數目為N、稀疏程度為D的隱含層稀疏矩陣(動態記憶庫)，它和特征向量?V(x,y)輸入神經元及一個輸出神經元構成一個回聲狀態神經網絡，其中輸出神經元要以隨機權值連接回動態記憶庫。

第四步，把第一步得到邊緣圖像output作為訓練輸出，然后通過窗口在訓練圖像上的滑動，計算像素點的特征向量?V(x,y)構成回聲狀態網絡的訓練樣本。把第二步得到的V(x,y)?作為特征向量輸入回聲狀態神經網絡，激活函數采用雙曲正切函數tansig，回聲狀態神經網絡的更新公式是：

x(k+1)=tansig(Wx·x(k)+Win·u(k)+Wbacky(k))]]>

y(k+1)=wout(u(k+1),x(k+1),y(k))]]>

其中W_x,W_in,W_back表示儲備池內部點、輸入點、輸出點到儲備池內部點的連接權值。

通過對網絡進行訓練，得到輸入點、儲備池內部點和輸出點到輸出點的連接權值w^out。

第五步，通過第四步訓練完成的回聲狀態網絡對待檢測織物圖像進行邊緣檢測。以待檢測織物圖像各像素點的特征向量作為輸入，已訓練好的回聲狀態網絡檢測、判斷各像素是否為邊緣點，從而得到邊緣圖像。