基于HSV(色相-饱和度-明度)与形状特征的涂层锈点图像识别

图像识别技术广泛应用于涂层领域,图像特征的选择是提升识别率的重要因素,而形状特征在涂层锈点的图像识别中未见报道。基于涂层锈点的颜色和形状特征,结合机器学习对其进行图像识别。通过采集3种常见自然光照强度下的90张涂层锈点图像,使用同态滤波对图像进行预处理,利用HSV(色相-饱和度-明度)颜色空间来区分锈点与无锈点区域。然后提取锈点的8种形状特征对锈点区域进一步细化,用Pearson相关系数对形状特征进行筛选,将颜色特征、单一形状特征、8种组合形状特征、筛选后的组合形状特征、颜色特征与筛选后组合形状特征的融合特征分别作为参量输入Linear核函数、RBF核函数、Polynomial核函数和Sigmoid核函数4种核函数的支持向量机(SVM)对锈点进行识别。研究结果表明:联合SVM与颜色、形状特征参量构建的图像识别算法能较准确地识别涂层锈点,其中基于颜色特征与筛选后形状特征的融合特征的准确识别率最高可达93.33%。形状特征可作为另一种特征信息来提高锈点图像识别的精确度,可为涂层锈点的图像识别技术研究提供参考依据。