[發明專利]用于匹配目標涂層的顏色和外觀的系統和方法

在審

• 申請號: 202011639890.2
• 申請日: 2020-12-31
• 公開（公告）號: CN113128547A
• 公開（公告）日: 2021-07-16
• 發明（設計）人: 拉里·E·斯蒂恩胡克;多米尼克·V·波埃里奧
• 申請（專利權）人: 艾仕得涂料系統有限責任公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06N20/00;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 劉雯鑫;侯艷超

1.一種用于匹配目標涂層的紋理的系統，所述系統包括：

存儲裝置，其用于存儲指令；

一個或更多個數據處理器，其被配置成執行指令以：

接收所述目標涂層的目標圖像，其中，所述目標圖像包括目標圖像數據；

對所述目標圖像數據應用紋理特征提取分析處理以確定目標圖像紋理特征，其中，所述特征提取分析處理包括確定所述目標圖像的子圖像內的顆粒大小的分布；

確定所述子圖像的目標紋理特征，以及

應用機器學習模型以使用所確定的目標像素特征來匹配在所述目標涂層中存在的紋理特征。

2.根據權利要求1所述的系統，其中，所述紋理特征包括與所述目標圖像相關聯的視覺不規則性。

3.根據權利要求2所述的系統，其中，所述紋理特征包括以下特性的組合中的一個或更多個：粒度、光澤度、微輝度、渾濁度、斑點、散斑、閃光和閃爍。

4.根據權利要求3所述的系統，其中，所述紋理特征不包括與所述目標圖像相關聯的粗糙度。

5.根據權利要求1所述的系統，其中，所述一個或更多個數據處理器被配置成執行指令以檢索所述機器學習模型，所述機器學習模型用于確定所述紋理特征的匹配。

6.根據權利要求5所述的系統，其中，所述機器學習模型是被配置成提取和分析所述紋理特征的卷積神經網絡。

7.根據權利要求1所述的系統，其中，顏色群體、所確定的所述目標涂層的紋理特征和跨所述目標圖像的色差用于確定跨所述目標涂層的粒度分布。

8.根據權利要求1所述的系統，其中，所述一個或更多個數據處理器被配置成接收所述目標涂層的所述目標圖像數據，其中，所述目標圖像數據與相對于成像裝置具有不同的光角度的所述目標涂層的多個圖像對應。

9.根據權利要求1所述的系統，其中，所述一個或更多個數據處理器被配置成接收所述目標涂層的所述目標圖像數據，其中，所述目標圖像數據與具有不同的放大率的所述目標涂層的多個圖像相關聯。

10.根據權利要求1所述的系統，其中，所述目標涂層是金屬涂層、珠光涂層或其組合。

11.一種用于匹配目標涂層的紋理的方法，所述方法包括：

通過一個或更多個數據處理器接收所述目標涂層的目標圖像，其中，所述目標圖像包括目標圖像數據；

通過所述一個或更多個數據處理器對所述目標圖像數據應用紋理特征提取分析處理以確定目標圖像紋理特征，其中，所述特征提取分析處理包括確定所述目標圖像的子圖像內的顆粒大小的分布；

通過所述一個或更多個數據處理器確定所述子圖像的目標紋理特征，以及

通過所述一個或更多個數據處理器應用機器學習模型，以使用所確定的目標像素特征來匹配在所述目標涂層中存在的紋理特征。

12.根據權利要求11所述的方法，其中，所述紋理特征包括與所述目標圖像相關聯的視覺不規則性。

13.根據權利要求12所述的方法，其中，所述紋理特征包括以下特性的組合中的一個或更多個：粒度、光澤度、微輝度、渾濁度、斑點、散斑、閃光和閃爍。

14.根據權利要求13所述的方法，其中，所述紋理特征不包括與所述目標圖像相關聯的粗糙度。

15.根據權利要求11所述的方法，其中，所述一個或更多個數據處理器被配置成執行指令以檢索所述機器學習模型，所述機器學習模型用于確定所述紋理特征的匹配。

16.根據權利要求15所述的方法，其中，所述機器學習模型是被配置成提取和分析所述紋理特征的卷積神經網絡。