基于SVM和颜色矩的竹条颜色分级方法_曾传华

的，图 5 给出了竹条特征参数均值分布，图 6 给出 了竹条特征参数方差分布。 由图 5、图 6 可以看出， 提取的竹条图像颜色特征、类间均值和方差均有明 显的差异，而且类内的特征参数方差小，说明竹条 样本类内的颜色分布较均匀，颜色一致性强，类间 颜色颜色有明显差异。
表 1 各个级别竹条颜色矩均值
EH
除竹片成像阴影。 1．3 图像处理 1．3．1 图像滤波 采样时，系统难免受到外界的干 扰，所以图像中存在着一些噪声，对特征提取有不 利影响，必须对竹条图像进行滤波。 本文选择中值 滤波法对图像进行滤波去噪处理， 如图 3 所示，为 了更好地体现中值滤波的效果，在原始图像中加入 高斯噪声，可以看出，经中值滤波后，不仅很好地消 除了噪声，而且完整地保护了图像的边缘。
竹制品如竹挂毯、竹地板等作为一种绿色环保 的产品，博得了广大消费者的喜爱，具有广阔的发 展前景［1］。 由于配色等工艺需要，必须先对产自不同 地域与季节的竹材原料进行颜色分级。 目前，主要 依靠人工肉眼进行竹材颜色分级，这种原始的分级 方式不仅分级效率低， 而且受人的主观因素影响 大，分级质量无法保障，制约了竹制品产业的快速 发展。 因此，开展竹材颜色自动分级方法的研究具 有重要意义。 本文主要研究了竹条分级所采用的图 像处理方法和竹条颜色特征表达方法，同时为了使 分类模型具有良好的可推广性，采用支持向量机模 型对竹条进行分类识别。
ES
EV
TH
TS
TV
SH
SS
SV
一级 0.034 383 0.012 560 0.072 961 0.110 783 0.041 968 0.230 686 0.163 257 0.066 506 0.327 991
二级 0.027 403 0.014 664 0.066 931 0.090 456 0.048 684 0.211 200 0.140 214 0.075 624 0.300 079
颜色是描述图像内容的最直接的视觉特征，在 利用图像的颜色信息进行图像处理、识别、分类的 研究中，核心问题是颜色特征的表达和提取。 颜色
1．原 图
2．去 除 背 景 后 的 图 像
图 4 出去背景前后的竹条图像
特征可采用颜色直方图、颜色聚合矢量、颜色矩和
颜色集等方法表示［2］，本 文 采 用 应 用 较 广 泛 的 颜 色
特征。 由相机采集的竹条图像采用的是 RGB 颜色
模型， 可以通用一定的方式转化为 HSV 模型。 在
HSV 颜色空间中，分别对 3 个级别竹条图像求其颜
色矩特征参数，由于每个竹条样本图像有 3 个颜色
分量，每个颜色分 9 个特征向量。
1．5 支持向量机的分类模式
3 结论
通过对竹条表面颜色特征研究分析， 建立了 竹条颜色特征参数竹条级别之间的参数模型，主要
研究结论如下。 1）利用 Sobel 算子对 R 分量灰度图进行边缘检
测，结合形态学处理方法，将彩色竹条图像从背景 中分割出来， 较好地保留了图像的边界和颜色信 息，为进一步提取竹条颜色特征提供了有利条件。
像素为 pij，N 为总像素数目， 则该通道的前三阶矩 为：
N
Σ Ei＝
1 N
pij
j=1
（1）
N
Σ Ti＝（
1 N
（pij－Ei）2）1 ／2
j=1
（2）
N
Σ Si＝（
1 N
（pij－Ei）3）1 ／3
j=1
（3）
本文选用符合人的肉眼对颜色的描述习惯、颜
色信息丢失少的 HSV 颜色模型研究竹条表面颜色
收 稿 日 期 ：2009－10－09 基 金 项 目 ：“十 一 五 ”国 家 科 技 支 撑 计 划 项 目 （2007BAD61B04 ） 作 者 简 介 ：曾 传 华 （1984－ ）， 男 ，福 建 龙 岩 人 ，硕 士 ，（ 电 话 ）15071235099 （电 子 信 箱 ）zengchuanhua＠163．com ；通 讯 作 者 ，陈
1 材料与方法
1．1 试验样本 本文采用的试验样本为浙江余杭地区原色竹
条， 如图 1 所示， 竹条按颜色由浅到深分为 1 至 3 个级别，每个级别 100 个样本，其中 60 个样本用于
训练，40 个样本用于测试。
1． 一 级
2． 二 级
2． 三 级
图 1 各级竹条图像
1．2 试验装置与设备 试验装置如图 2 所示， 该系统由彩色相机、镜
2）选取的 H、S、V 颜色分量的颜色矩特征参数能 有效地表征各个级别竹条图像表面颜色的差异。 用 支持向量机模型和神经网络模型分别对 3 个级别 的竹条进行了识别，试验结果表明支持向量机模型 在分类识别率和运行时间上都优于神经网络模型， 平均识别率达到 93．5％，究其原因，在于一般神经网 络在训练过程中容易出现局部极值问题，而支持向 量机是一种基于结构风险最小化原理的分类技术， 避免了此类问题的出现。
中，多类分类问题更为普遍。 针对多类分类模式识
别问题，常用的方法有：一对多方法、一对一方法、
决策导向非循环图 SVM 方法、 基于二叉树的多类
SVM 分类法和最小最大模块化支持向量机等。
第2期
曾传华等：基于 SVM 和颜色矩的竹条颜色分级方法
457
2 结果与分析
试验样本如 1．1 所述，每类 100 个样本，共 300 个样本，提取每个样本的 9 个颜色矩特征参数作为 支持向量机的输入向量，如表 1 所示，由于篇幅限 制，表 1 只给出了 3 个级别竹条各阶矩均值，相应
头、光源箱、光源以及计算机等组成，其中相机为 BASLER A102fc，配 1394 采集卡，镜头为 Computer M0514－mp，焦 距 8 mm，相 机 在 1038×760 pixels 30 fps 模式下工作。 光源为经稳压后沿光源箱均布的 四个 8W 荧光灯， 光源箱底部采用黑色背景用来消
三级 0.019 713 0.020 240 0.058 334 0.070 092 0.066 187 0.184 080 0.124 779 0.099 564 0.261 574
表 2 竹条图像分级识别结果
分类识别 算法 SVM
BP 神经网络
训练样本平 均 识 别 率 //%
95.56 93.26
研 究 方 向 为 农 产 品 品 质 无 损 检 测 ，（电 子 信 箱 ）chenhong806＠126．com 。
红，副教授，博士，
456
1 1394 采集卡 2 3
湖 北 农 业 科学
2010 年
4
1．计算机；2．1394 ／ BASLER 相机；3．荧光灯；4．竹片样本 图 2 竹条颜色检测系统简图
Abstract： In order to achieve color grade automatic identification of bamboo， image processing techniques including filtering and image segmentation were used to preprocess bamboo image， and the bamboo image excluded background was obtained． Color moment characteristic parameters of H，S，V in the image was extracted． A multi －grade support vector machine was used to identify the grades of bamboo， and the average recognition rate was up to 93．5％． Key words： bamboo； image processing； color moment； support vector machine
在 诸 多 分 类 识 别 模 式 中 ， 支 持 向 量 机 （SVM） 是
一种行之有效的分类器，通过引入核函数映射的方
法， 把非线性问题转化为高维空间中的线性问题，
而后在变换空间中求出最优分类面，有效克服了维
数灾难，较好地解决了非线性问题 。 ［5，6］ 支持向量机
最初是为两类分类问题而设计的， 而在实际应用
究 ［J］．林 业 科 技 ，2005 ，30（2）：36－38． ［3］ 徐 琨， 李 燕． 基于分块颜色矩和纹理特征的图像检索方法
测试样本平 均 识 别 率 //%
93.5 88.4
平均识别 时 间 //s 0.56 3.32
本文采用一对一算法构造 3 类支持向量机分 类器，在 3 类训练样本中构造所有可能的两类分类 器，每个分类器仅对 k 类中的某 2 类训练样本之间 进行训练。 组合这些分类器并使用投票法，得票最 多的类即为样本所属的类。 选用径向基核函数 （RBF） 作 为 支 持 向 量 机 的 核 函 数 ， 通 过 反 复 试 验 来 选择最佳参数｛C，δ2｝（C 为惩罚参数）。 在试验中发 现，取 δ2＝0．1，C＝1 时，识别时 间 和 识 别 率 均 能 达 到 满意的效果，平均识别时间为 0．56s，平均识别率达 93．5％。 同时采用三层 BP 人工神经网络应用同样的 样本集和测试集进行了识别试验， 结果如表 2 所 示。 试验结果表明，支持向量机无论是在样本的正 确分类率还是在运行时间上都明显优于 BP 神经网 络。
矩来法来研究竹条表面颜色特征。
颜色矩方法的思想在于图像中任何的颜色分
布都可以用它的矩来表示。 此外，由于颜色分布信
息主要集中在低阶矩中， 如一阶矩描述平均颜色、
二阶矩描述颜色方差、 三阶矩描述颜色的偏移性，
利用低阶矩就可以近似表示颜色分布的特征 。 ［3，4］ 计
算每一个颜色通道的前三阶矩，记第 i 通道的第个 j
综上所述， 本文设计的支持向量机分类器，适 合对竹条颜色特征进行分级识别，也证明了提取的 颜色矩特征参数的有效性。
参考文献： ［1］ 张齐生．我国竹材加工利用要重视科学和创新［J］．浙江林学院学
报 ，2003 ，20 （1 ） ：1－4． ［2］ 王业琴，王克奇，白雪冰，等．计算机视觉木材表面色差检测的研
1． 滤 波 前
2．滤 波 后
图 3 图像滤波
1．3．2 图 像 分 割 在 利 用 颜 色 特 征 进 行 竹 条 图 像 识别时，彩色图像的颜色包含的信息更丰富，更能 描述竹条的表面颜色特征。 因此，有必要将竹条彩 色图像从背景中分割出来。 首先，利用 Sobel 算子对 R 分量灰度图进行边缘检测得到竹条的边界， 用形 态学方法去除随机噪声、修复在边缘检测时产生的 毛刺等以得到平滑封闭的竹条边界；再经填充处理 得到二值化的竹条区域图像，将此图像作为模板分 别和原竹条图像 R、G、B 分量进行与运算， 最后经 合成运算便得到从背景中分割出来的彩色竹条图 像，如图 4 所示，比较好地保存了图像的边界和表 面颜色特征。 1．4 颜色特征参数的选择和提取
DOI:10.14088/ki.issn0439-8114.2010.02.076
第 49 卷第 2 期 20第10 2年期2 月
湖北农业科学 Hubei Agricultural Sciences
Vol． 49 No.2 Feb．，2010
基于 SVM 和颜色矩的竹条颜色分级方法
曾传华，陈 红，高 云，丁幼春 （华中农业大学工程技术学院，武汉 430070）
文 献 标 识 码 ：A
文 章 编 号 ：0439－8114 （2010 ）02－0455-03
Bamboo Color Grading Method Based on SVM and Color Moment
ZENG Chuan－hua，CHEN Hong，GAO Yun，DING You－chun （College of Engineering and Technology， Huazhong Agricultural University， Wuhan 430070， China）
摘要：为了实现竹条颜色等级的自动识别，利用图像处理技术对竹条图像进行滤波、图像分割等预处理，
得到去除背景的竹条图像；提取了图像 H、S、V 三分量的颜色矩特征参数，并用多分类支持向量机的模
式识别方法来识别竹条等级，平均识别率达到 93．5％。
关键词：竹条；图像处理；颜色矩；支持向量机
中 图 分 类 号 ：TP391．41