[發明專利]一種基于局部特征和聚類算法的蝦品圖像分類方法及系統在審
| 申請號： | 202210189625.1 | 申請日： | 2022-02-28 |
| 公開（公告）號： | CN114627495A | 公開（公告）日： | 2022-06-14 |
| 發明（設計）人： | 周志勇;呂小波 | 申請（專利權）人： | 湖北科峰智能傳動股份有限公司 |
| 主分類號： | G06V40/10 | 分類號： | G06V40/10;G06V10/764;G06V10/762;G06V10/80;G06V10/26;G06V10/44;G06K9/62 |
| 代理公司： | 武漢知產時代知識產權代理有限公司 42238 | 代理人： | 張毅 |
| 地址： | 438000 湖*** | 國省代碼： | 湖北;42 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 局部 特征 算法 圖像 分類 方法 系統 | ||
1.一種基于局部特征和聚類算法的蝦品圖像分類方法，其特征在于，包括如下步驟：
S1:對每幅訓練圖像采用融合預匹配、軌跡規劃補償、圖像匹配濾波降噪、非線性尺度空間特征點描述與匹配方法進行定位和特征提取，全面捕捉蝦品目標移動對象姿態的特征信息，還原蝦品姿態的動態特性與時間上的關聯性；
S2:初始化設置，使用層次K-means聚類算法對蝦品移動姿態特征表示進行聚類分析；
S3:使用三種基于不同特征的圖像分割方法，對多個初始聚類結果的質量進行量化，并得到三個權值向量，再通過加權求和的方式得到三個融合聚類結果；
S4:把三個融合聚類結果整合在一起生成最終的集成聚類結果。
2.根據權利要求1所述的基于局部特征和聚類算法的蝦品圖像分類方法，其特征在于，在步驟S1中，所述融合預匹配具體包括以下步驟：
在視頻跟蹤蝦品目標過程中，根據運動學原理和蝦品移動目標自身的運動規律，建立蝦品移動姿態模型；
對目標位置的變化進行預測，以預測結果作為對下一幀目標的搜索中心；
自適應地調整目標搜索范圍，準確定位視頻圖像位置。
3.根據權利要求2所述的基于局部特征和聚類算法的蝦品圖像分類方法，其特征在于，在步驟S1中，所述軌跡規劃補償具體包括以下步驟：根據所述蝦品移動姿態模型，判斷出蝦品輪廓軌跡偏離，并通過視覺伺服控制進行蝦品輪廓偏差補償。
4.根據權利要求3所述的基于局部特征和聚類算法的蝦品圖像分類方法，其特征在于，所述圖像匹配濾波降噪處理具體包括如下步驟：
采用統計排序濾波器對圖像進行中值濾波，中值濾波器由FPGA來實現；
采用基于微分的細節銳化濾波器對圖像進行銳化處理，并采用Sobel算子對圖像進行邊沿檢測。
5.根據權利要求4所述的基于局部特征和聚類算法的蝦品圖像分類方法，其特征在于，在步驟S1中，所述非線性尺度空間特征點描述與匹配方法具體包括以下步驟：
構造非線性偏微分方程，進行非線性擴散濾波；
利用AOS算法求解方程，得到非線性尺度空間的所有圖像；
通過不同尺度歸一化后的Hessian局部極大值來尋找特征點，并根據泰勒展開式，進行亞像素精確定位，確定描述向量；
將得到的描述向量進行降維處理，得到降維后的描述子，再進行特征匹配。
6.根據權利要求1所述的基于局部特征和聚類算法的蝦品圖像分類方法，其特征在于，在步驟S2中，所述層次K-means聚類算法具體包括以下步驟：
S21:對聚類圖像進行隨機抽樣得到樣本圖像集，樣本圖像集與聚類圖像滿足預先設置的相似度數值；
S22:構造n個單成員聚類，找到兩個姿態最近的聚類，并將其合并為一類，聚類的個數就減少一類；依次類推，計算新生成的聚類與其他聚類的相似度；
S23:計算數據得出的層次聚類，如果不加約束，則聚類最終會聚為一類；當數據分為k類時，函數取得最小，即圖像就分為k類；
S24:當數據分為K類時，計算出每一類的聚類中心C1,C2,…CK；
S25:以求出的聚類中心作為K均值的初始聚類中心，K值作為K均值聚類的個數，進行K均值聚類得到聚類結果。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于湖北科峰智能傳動股份有限公司，未經湖北科峰智能傳動股份有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202210189625.1/1.html，轉載請聲明來源鉆瓜專利網。
