[發明專利]基于多尺度鄰域相關矩陣的泡沫圖像紋理特征提取方法

有效

• 申請號: 201310717304.5
• 申請日: 2013-12-23
• 公開（公告）號: CN103632156A
• 公開（公告）日: 2014-03-12
• 發明（設計）人: 彭濤;趙林;曹威;婁洋歌;趙璐;宋彥坡;韓華;黃易
• 申請（專利權）人: 中南大學
• 主分類號: G06K9/46
• 分類號: G06K9/46
• 代理公司: 長沙市融智專利事務所 43114
• 代理人: 黃美成

1.一種基于多尺度鄰域相關矩陣的泡沫圖像紋理特征提取方法，其特征在于，包括以下步驟：

步驟一：根據銅浮選現場所獲得的泡沫視頻讀取RGB泡沫圖像，將RGB泡沫圖像進行灰度化，然后對泡沫灰度圖像I_p×q(x,y)進行二維離散小波分解，得到各個尺度上的小波子圖，小波子圖包括逼近子圖和細節子圖；

其中，p×q為泡沫灰度圖像的分辨率，(x,y)表示泡沫灰度圖像的中任一像素點的坐標；

步驟二：對步驟一得到的各個尺度上的小波子圖中的逼近子圖進行灰度映射，將逼近子圖的小波系數映射到0—255的灰度區間用于更新逼近子圖的小波系數，得到灰度映射后的逼近子圖其中，k×m為分解階數為j時，分解得到的逼近子圖的分辨率；

步驟三：分別求取步驟二得到的各個尺度上逼近子圖的鄰域灰度相關矩陣；

步驟四：以步驟三得到的各個尺度上的逼近子圖的鄰域灰度相關矩陣，計算每幅逼近子圖的細度和粗度2個特征量，將所有尺度上的逼近子圖的細度和粗度特征量組合作為泡沫圖像的紋理特征。

2.根據權利要求1所述的基于多尺度鄰域相關矩陣的泡沫圖像紋理特征提取方法，其特征在于，所述步驟一中對泡沫灰度圖像進行J階二維離散小波分解，得到各個尺度上的小波子圖，J為整數，J≥2；

二維離散小波分解是指將待分解的圖像I^j(x,y)分解得到1個逼近子圖和水平、垂直及對角線3個不同方向的細節子圖，二維離散小波分解公式如下：

式中，表示x依次從0取值到k－1和y依次從0取值到m－1的連續求和，為尺度函數,ψj,k,m1=ψ1(α,β)=φ(α)ψ(β),]]>ψj,k,m2=ψ2(α,β)=ψ(α)φ(β),ψj,k,m3=ψ3(α,β)=ψ(α)ψ(β)]]>分別為3個小波函數，其中和分別表示一維正交多分辨率分析的兩尺度方程和小波方程；分別表示分解階數為j時分解獲得的逼近子圖的逼近系數、水平方向細節子圖的細節系數、垂直方向細節子圖的細節系數以及對角線方向細節子圖的細節系數，由二維小波分解的Mallat快速算法獲得，公式如下：

ck,mj=Σl,nh‾2k-lh‾2m-ncl,nj+1]]>

dk,mj,1=Σl,nh‾2k-lg‾2m-ncl,nj+1]]>

dk,mj,2=Σl,ng‾2k-lh‾2m-ncl,nj+1]]>

dk,mj,3=Σl,ng‾2k-lg‾2m-ncl,nj+1]]>

式中，k,m∈Z分別代表系數矩陣的行和列，l,n∈Z分別代表系數矩陣的行和列；為h的時序反轉系數序列h={h_i}是一個低通濾波器，h={-0.076,-0.030,0.498,0.804,0.298,-0.100,-0.013,0.032}；為g的時序反轉系數序列g={g_i}是一個高通濾波器且g_i=(-1)ⁱh_1-i；

第一階分解是指當分解階數j=J時，以泡沫灰度圖像作為被分解的對象I^j(x,y)按照二維離散小波分解公式進行分解；

第z階分解是指當分解階數j=J-z+1時，以前一次分解獲得的逼近子圖作為被分解的對象I^j(x,y)按照二維離散小波分解公式進行分解，z為整數，z≥2；

即為對泡沫圖像在各個尺度分解得到的逼近子圖的系數矩陣。