[发明专利]一种基于改进结构相似度的标签鉴别方法

摘要

一种基于改进结构相似度的曲面相似标签鉴别方法，包括图像采集、模板图像处理、图像分割与拉伸、图像配准、相似度鉴别等步骤；图像采集包括待测图像和模板图像的采集；模板图像处理实现模板图像的拉伸和标签区域的裁剪；图像分割与拉伸实现了从待测图像中分割出标签区域，得到待测标签图像；图像配准步骤对模板标签图像和待测标签图像进行配准；相似度鉴别步骤通过改进的结构相似度GDSSIM计算模板标签图像和待测标签图像之间的相似度，从而鉴别标签是否为相同的标签。本发明的标签鉴别方法步骤简单，不仅适用于平面标签，尤其适用于曲面标签，面对标签图像中光照不均匀和轻微形变的情况下不易鉴别的问题，能取得良好的鉴别效果。

主权项

1.一种基于改进结构相似度的标签鉴别方法，其特征是利用改进的结构相似度算法求取模板标签图像与待测标签图像的相似度，用于鉴别相似标签，所述改进的结构相似度算法为基于梯度信息、差异值哈希的结构相似度算法，简称GDSSIM，所述标签鉴别方法包括以下步骤：步骤一、图像采集：采集标签图像，包括无损的模板图像T，以及在生产线上实时采集的待测图像S；步骤二、模板处理：如模板图像T为平面图像，裁剪出图像中的标签部分，作为模板标签图像M，如模板图像T为曲面图像，拉伸为平面图像，然后裁剪出拉伸结果图像中的标签部分，作为模板标签图像M；步骤三、图像分割与拉伸：对步骤一中采集的待测图像S进行分割操作得到标签区域图像，利用柱面反投影法对分割得到的图像进行拉伸，获得拉伸校正后的待测标签图像F；步骤四、图像配准：利用SIFT特征点匹配算法对模板标签图像M和待测标签图像F进行配准，得到配准后的待测标签区域图像FM；步骤五、相似度鉴别：利用改进的结构相似度算法GDSSIM对模板标签图像M和待测标签区域图像FM进行相似度计算，如果结果高于设定阈值t，则认为待测标签图像F与模板标签图像M内容一致，待测标签与模板标签是同类标签，反之，如果小于等于t则认为是不同类标签；所述改进的结构相似度算法GDSSIM计算相似度具体为：设需要计算相似度的两幅图像分别为f1与f2，则GDSSIM＝[g(f1,f2)]α[d(f1,f2)]β[s(f1,f2)]γ其中GDSSIM表示相似度的值，α、β、γ表示对应项的权重值，取α＝0.33，β＝0.33，γ＝0.34，g(f1,f2)代表f1与f2的梯度幅值相似度，表示如下：其中m、n分别为图像的宽和高，Sg(u,v)代表f1与f2在(u,v)点处像素的梯度幅值相似度，表示如下：C1为正常数,其值取决于图像梯度幅值的动态范围，取C1＝255；Gk(u,v)代表图像fk在(u,v)点处像素的梯度幅值，k＝1，2，如下：其中Gkx(u,v)与Gky(u,v)分别为图像fk在(u,v)点像素处，x与y方向的偏导数，利用Scharr算子计算得出：fk(u,v)表示图像fk中(u,v)处的像素值；d(f1,f2)代表f1与f2的差异值哈希相似度，表示如下：Sd(w)代表f1与f2在第w位的差异值哈希相似度，表示如下：其中C2是为了防止分母为零而设置的正常数,取C2＝0.01，Dk(w)代表图像fk第w位的差异值哈希编码值；s(f1,f2)代表f1与f2的结构信息相似度，表示如下：其中C3是为了防止分母为零而设置的正常数，取C3＝29.26,σ1和σ2分别代表图像f1与图像f2的标准差，表示如下：其中，m、n分别表示图像的宽和高，fk(i,j)表示图像fk在像素点(i,j)处的像素值，μk表示图像fk的像素均值；σ12代表f1与f2的协方差，表示如下：f1(i,j)和f2(i,j)分别表示图像f1和图像f2在像素点(i,j)处的像素值，μ1和μ2分别表示图像f1和图像f2的像素均值。