[發(fā)明專利]一種基于自定義算法的食品包裝瑕疵樣本的生成方法在審
| 申請?zhí)枺?/td> | 202210516676.0 | 申請日： | 2022-05-13 |
| 公開（公告）號(hào)： | CN114820556A | 公開（公告）日： | 2022-07-29 |
| 發(fā)明（設(shè)計(jì)）人： | 楊樂;于海峰;楊劭璠;解永暢;王正松 | 申請（專利權(quán)）人： | 東北大學(xué)秦皇島分校 |
| 主分類號(hào)： | G06T7/00 | 分類號(hào)： | G06T7/00;G06T7/13;G06T5/00 |
| 代理公司： | 沈陽東大知識(shí)產(chǎn)權(quán)代理有限公司 21109 | 代理人： | 李在川 |
| 地址： | 066004 河北省秦*** | 國省代碼： | 河北;13 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 基于 自定義 算法 食品包裝 瑕疵 樣本 生成 方法 | ||
1.一種基于自定義算法的食品包裝瑕疵樣本的生成方法，其特征在于，具體包括以下步驟：
步驟1：采集食品包裝瑕疵圖像樣本數(shù)據(jù)集；通過形態(tài)學(xué)開運(yùn)算對采集的數(shù)據(jù)集進(jìn)行去除噪聲處理；
步驟2：構(gòu)建高斯濾波器，對去噪后食品包裝瑕疵圖像樣本進(jìn)行標(biāo)準(zhǔn)高斯濾波，得到圖像樣本特征參數(shù)；
步驟3：基于步驟2樣本特征參數(shù)，生成基于統(tǒng)計(jì)數(shù)據(jù)且隨機(jī)分布的曲線參數(shù)向量；
步驟4：以步驟3曲線參數(shù)為基礎(chǔ)，通過貝塞爾擬合生成多簇基本特征曲線；根據(jù)曲線實(shí)際穿過樣本區(qū)域獲取樣本個(gè)數(shù)通過曲線生成參數(shù)計(jì)算出對應(yīng)雙曲余弦曲線方程，在雙曲余弦曲線上均勻取兩個(gè)點(diǎn)作為控制點(diǎn)進(jìn)行三階貝塞爾擬合，作為一階擬合曲線，擬合紋理的全局特征；對該擬合曲線沿長軸或短軸均勻截成個(gè)線段；以3個(gè)相鄰線段為一組，對每組相鄰線段端點(diǎn)進(jìn)行位移，中間兩點(diǎn)坐標(biāo)同向隨機(jī)變動(dòng)；對變動(dòng)后4點(diǎn)坐標(biāo)進(jìn)行三階貝塞爾擬合以生成二階擬合曲線；
步驟5：通過構(gòu)建與步驟2相同的高斯濾波器，對二階擬合曲線的邊緣區(qū)域選擇Σ像素寬度進(jìn)行灰度的高斯濾波，其中Σ∈(1,5)，生成空白缺陷圖片；
步驟6：將食品包裝瑕疵圖像樣本按整體平均灰度∈接近程度組合，構(gòu)成與空白缺陷圖片同大小的拼接圖片；對拼接后的圖片進(jìn)行灰度化，通過對食品包裝瑕疵圖像樣本與空白缺陷圖片對應(yīng)位置像素點(diǎn)進(jìn)行取小運(yùn)算實(shí)現(xiàn)缺陷圖片的合成；
步驟7：在合成缺陷圖片上根據(jù)不同區(qū)域灰度均值生成標(biāo)準(zhǔn)高斯噪聲；對合成圖片整體生成全局標(biāo)準(zhǔn)伽馬噪聲；
步驟8：依據(jù)長軸和短軸長度對合成缺陷圖片進(jìn)行分割，根據(jù)基準(zhǔn)曲線參數(shù)對分割后的圖片進(jìn)行排序，分割后的圖片即為生成的瑕疵樣本。
2.根據(jù)權(quán)利要求1所述的一種基于自定義算法的食品包裝瑕疵樣本的生成方法，其特征在于，步驟1具體為：
通過對食品包裝瑕疵樣本圖像像素灰度值分布曲線進(jìn)行最小二乘法擬合，以分布曲線兩峰值對應(yīng)像素為區(qū)間邊緣，使離散的值形成一條平滑曲線；以區(qū)間內(nèi)局部極小值作為閾值，對圖像進(jìn)行二值化；對二值化圖像進(jìn)行鄰域運(yùn)算，取像素點(diǎn)a*a鄰域內(nèi)眾數(shù)對像素點(diǎn)重新賦值，由此保留連續(xù)紋理，去除獨(dú)立噪聲；
最小二乘法擬合過程如下：
f(x)＝a0+a1*x+a2*x2+...+ak*xk
a＝(XTX)-1XTY
其中，f(x)為擬合的灰度值分布曲線方程，為灰度值，a為系數(shù)矩陣，yn為灰度值是xn的像素的數(shù)量，X為方程多項(xiàng)式矩陣，Y為數(shù)量矩陣。
3.根據(jù)權(quán)利要求1所述的一種基于自定義算法的食品包裝瑕疵樣本的生成方法，其特征在于，步驟2具體為：
基于步驟1得到連續(xù)紋理對應(yīng)的像素點(diǎn)的集合，對濾波后的每條紋理對應(yīng)的像素點(diǎn)隨機(jī)選取n個(gè)區(qū)間，計(jì)算每一個(gè)區(qū)間的灰度均值hi、曲率ri；n個(gè)區(qū)間的參數(shù)均值構(gòu)成整個(gè)圖像的紋理灰度特征參數(shù)h`、曲率特征參數(shù)r`；統(tǒng)計(jì)所有圖像特征參數(shù)的均值作為樣本灰度特征參數(shù)μb、曲率特征參數(shù)μc。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于東北大學(xué)秦皇島分校，未經(jīng)東北大學(xué)秦皇島分校許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202210516676.0/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
