基于数字图像处理的海水珍珠鉴别系统

摘要

本发明公开了一种基于数字图像处理的海水珍珠鉴别系统，包括图像预处理模块、特征提取模块、比对鉴别模块和结果输出显示模块，其中图像预处理模块、特征提取模块、比对鉴别模块和结果输出显示模块依次串联连接；图像预处理模块将采集到的待鉴别珍珠图像进行去噪、分割预处理，特征提取模块提取预处理后的珍珠图像的形状、颜色和纹理特征值，比对鉴别模块是将获取的特征值与特征数据库进行比对，判别出结果，结果输出显示模块向用户呈现海水珍珠的可信度结果。本发明采用数字图像处理技术进行海水珍珠鉴别，给出可信度指标，具有很高的使用价值和市场需求，对促进海水珍珠市场诚信体系的建设和发展，具有重大的意义。

主权项

一种基于数字图像处理的海水珍珠鉴别系统，其特征在于：包括图像预处理模块、特征提取模块、比对鉴别模块和结果输出显示模块，其中图像预处理模块与特征提取模块连接，图像预处理模块将采集到的待鉴别海水珍珠整体图像进行去噪、分割的预处理后把图像传输到特征提取模块，由特征提取模块提取预处理后的待鉴别海水珍珠图像的形状、颜色和纹理的特征值；特征提取模块与比对鉴别模块连接，特征提取模块根据经过预处理的待鉴别海水珍珠图像提取形状、颜色和纹理的特征值并传输到比对鉴别模块，由比对鉴别模块将获取的特征值与特征数据库进行比对，判别得出可信度指数；比对鉴别模块与结果输出显示模块连接，比对鉴别模块将判别得出可信度指数传输到结果输出显示模块，由结果输出显示模块向用户显示待鉴别珍珠的可信度结果；所述图像预处理模块是利用摄像器材获取待鉴别海水珍珠整体图像，然后采用中值滤波技术消除噪声、光线和灰尘对整体图像的影响，再利用基于局部灰度自适应的区域生长算法将待鉴别海水珍珠图像从整体图像中分割出来，使得待鉴别海水珍珠图像更加适合于特征的提取；所述特征提取模块是提取获得的待鉴别海水珍珠图像的形状、颜色、纹理的特征值，提取方式如下：1）、颜色特征值提取采用基于信息熵的多分辨率分块颜色直方图法，分别采用3×3、4×4、6×6、9×9的分辨率分块进行信息熵的计算，每种分辨率下每个分块的信息熵的计算方法：将海水珍珠图像量化到HSV空间中，将色调分为8份，饱和度和亮度分为3份，量化成72种颜色，并统计每个分块中72柄颜色的特征值计算信息熵；将不同分辨率下所计算出的信息熵作为提取的颜色特征值；2）、纹理特征值提取通过计算图像灰度共生矩阵的四中参数得到：首先将彩色图像的R、G、B分量按照0.30、0.59、0.11的比例转为灰度图像，灰度共生矩阵时的距离参数和灰度参数分别选取为140和64，分别从0°、45°、90°和135°四个方向对海水珍珠统计灰度共生矩阵，将各个方向的能量、熵、惯性矩和相关性作为各个方向的纹理参数，对这四个方向上的纹理参数求平均并归一化作为海水珍珠图像的纹理特征值；3）、形状特征值提取采用Hu不变矩法得到：首先将彩色的珍珠图像转换为灰度图像,并对图像进行16×16分块处理，求出每个分块的单元信息熵，对分块组成的熵矩阵进行不变矩计算，进而求出图像的七个Hu不变矩参数作为海水珍珠图像的形状特征；所述比对鉴别模块包括特征数据库，先将得到的待鉴别海水珍珠图像的形状、颜色、纹理的特征值与特征数据库比对计算得到颜色相似度、纹理相似度和形状相似度，其计算过程如下：1）、颜色相似度：根据信息熵计算各种分块下对应的权重矩阵d、采用颜色直方图相交方法计算标准的海水珍珠图像和待鉴别珍珠图像的各对应分块计算相似度距离得出距离矩阵W，则待鉴别海水珍珠图像与特征数据库的标准图像的图像距离为D=d·W；分别在3×3、4×4、6×6、9×9分块的条件下计算出各个分辨率下的图像距离D，将各个分辨率下的图像距离D相加即为待鉴别海水珍珠图像与特征数据库的标准图像的颜色相似度S_c；2）、纹理相似度：根据得到的纹理参数即为纹理特征向量T=(T(1),T(2),...,T(8))，利用特征数据库的标准图像与待鉴别海水珍珠图像间的纹理特征向量T_A和T_B，即可计算出待鉴别海水珍珠图像与特征数据库的标准图像的纹理相似度S_T：$s_T=1-\frac{1}{8}·{\left({\Sigma }_{i=1}^8{(T_A\left(i\right)-T_B\left(i\right))}^2\right)}^{1/2}$3）、形状相似度：根据得到的形状参数即可得到7维的形状特征向量S=(S(1),S(2),...,S(7))。根据特征数据库的标准图像与待鉴别海水珍珠图像的形状特征向量S_A和S_B,即可计算出待鉴别海水珍珠图像与特征数据库的标准图像的形状相似度S_S：$s_s=1-\frac{1}{7}·{\left({\Sigma }_{i=1}^7(S_A\left(i\right)-S_B{\left(i\right)}^2)\right)}^{1/2}$信息熵包括颜色信息熵、纹理信息熵、形状信息熵，其中颜色信息熵的计算是将图像量化到HSV空间中，将色调分为8份，饱和度和亮度分为3份，量化成72种颜色，并统计图像72柄颜色特征得出；纹理信息熵由计算图像灰度共生矩阵得出；形状信息熵是由计算图像的信息熵得出；分别计算待鉴别海水珍珠图像的颜色信息熵H_BC、纹理信息熵H_BT、形状信息熵H_BS，再与特征数据库的颜色信息熵H_AC、纹理信息熵H_AT和形状信息熵H_AS进行融合计算分配颜色、纹理和形状的权重,其计算过程如下：总信息熵H=H_AC·H_BC+H_AT·H_BT+H_AS·H_BS分别计算颜色权重系数W_C、纹理权重系数W_T、形状权重系数W_S：$W_C=\frac{H_{\mathrm{AC}}·H_{\mathrm{BC}}}{H};W_T=\frac{H_{\mathrm{AT}}·H_{\mathrm{BT}}}{H};W_S=\frac{H_{\mathrm{AS}}·H_{\mathrm{BS}}}{H}$利用相似度计算公式：S=s_C·W_C+s_T·W_T+s_S·W_S即可求得两张图像的相似度，得出可信度结果S；所述特征数据库是选取不同产地的海水珍珠图像作为样本，并提取形状、颜色和纹理的生理特征建立而成，其中，颜色特征通过K均值聚类的方法将海水珍珠分为米白、米黄、黑色和其他四个类别。