(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211118258.2 (22)申请日 2022.09.15 (65)同一申请的已公布的文献号 申请公布号 CN 115205289 A (43)申请公布日 2022.10.18 (73)专利权人 山东雅满家生物质科技有限公司 地址 272500 山东省济宁市汶上县经济开 发区中都大街与新世纪路交叉口西北 (72)发明人 胡劲昌　 (74)专利代理 机构 郑州芝麻知识产权代理事务 所(普通合伙) 41173 专利代理师 丁伟 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06T 7/136(2017.01) G06T 5/00(2006.01) G06T 5/20(2006.01)G06V 10/762(2022.01) (56)对比文件 CN 113658132 A,2021.1 1.16 CN 111798467 A,2020.10.20 CN 113781402 A,2021.12.10 WO 20120 01893 A1,2012.01.0 5 毛鑫 等.一种基 于加权切比雪夫距离的图 像分割方法. 《太原科技大 学学报》 .2020,第41卷 (第6期),全 文. 何芳州.基 于优化初始中心的加权K ⁃均值彩 色图像聚类算法分析. 《现代电子技 术》 .2020,第 43卷(第18 期),全文. Xueqian Wang 等.Adaptive Superpixel Segmentati on of Mari ne SAR Ima ges by Aggregating Fisher Vectors. 《IE EE Journal of Selected Topics i n Applied Earth Observati ons and Remote Sensi ng》 .2021,第 14卷全文. 审查员 李浩 (54)发明名称 基于视觉的软木地板原材 料分级方法 (57)摘要 本发明涉及基于视觉的软木地板原材料分 级方法， 属于图像处理技术领域， 该方法步骤包 括： 获取软木地板原材料灰度图像， 利用经典超 像素分割算法对灰度图像进行初始超像素分割 得到多个初始分割块； 根据每个初始分割块内的 灰度方差， 和每个初始分割块与其邻域初始分割 块之间的灰度差异程度， 确定更新后的超像素分 割算法； 利用更新后的超像素分割算法对灰度图 像重新进行超像素分割得到多个新分割块； 从新 分割块中筛选出黑皮分割块， 计算出软木地板中 黑皮占比， 并根据软木地板中黑 皮占比对软木进 行分级； 本发 明根据软木地板原材料本身的特征 对经典超像素分割算法进行更新， 实现了对软木 地板原材 料的准确分级。 权利要求书2页 说明书9页 附图1页 CN 115205289 B 2022.12.06 CN 115205289 B 1.基于视觉的软木地板原材 料分级方法， 其特 征在于， 该 方法包括： 获取软木地板原材料灰度图像， 利用经典超像素分割算法对灰度图像进行初始超像素 分割得到多个初始分割块； 计算出每 个初始分割块与其邻域初始分割块之间的灰度差异程度； 获取每个初始分割块内部灰度方差与灰度差异程度的第 一比值， 并将该第 一比值作为 该初始分割块的特 征值； 获取 所有初始分割块的特 征值中的最小特 征值和最大 特征值； 利用最小特征值和最大特征值， 计算出经典超像素分割算法中颜色距离的权重值和空 间距离的权重值， 并利用获得的颜色距离的权重值和空间距离的权重值对 经典超像素分割 算法中的颜色距离和空间距离进行加权更新， 得到更新后的超像素分割算法； 利用最小特征值和最大特征值， 计算出经典超像素分割算法中颜色距离的权重值和空 间距离的权重值的步骤包括： 计算出最小特征值和最大特征值的第二和 值； 将最小特征值 与第二和 值的第三比值， 作为经典超像素分割算法中颜色距离的权重值； 根据经典超像素 分割算法中颜色距离的权 重值， 确定经典超像素分割算法中空间距离的权 重值； 经典超像素分割算法中颜色距离的权 重值的计算公式为： 其中， 表示经典超像素分割算法中颜色距离的权重值； 表示最小特征值； 表示最大特征值； 经典超像素分割算法中空间距离的权 重值为 ； 利用更新后的超像素分割算法重新对软木地板原材料灰度图像进行超像素分割获得 多个新分割块； 获取每个新分割块的灰度均值， 并将灰度均值小于预设灰度均值的新分割块作为黑皮 分割块； 利用黑皮分割块的数量、 全部黑皮分割块内包含的像素点总数量、 新分割块的数量、 以 及灰度图像内包 含的像素点总数量， 计算出 软木地板原材 料中黑皮占比； 根据软木地板原材 料中黑皮占比对软木地板原材 料进行分级。 2.根据权利要求1所述的基于视觉的软木地板原材料分级方法， 其特征在于， 所述计算 出每个初始分割块与其邻域初始分割块之间的灰度差异程度的步骤 包括： 利用每个初始分割块内包含的全部像素点的灰度值， 计算出每个初始分割块内的灰度 均值； 选取任一初始分割块作为目标分割块， 获取目标分割块邻域内初始分割块数量； 计算出目标分割块与其邻域内每一初始分割块的第 一差值， 计算出得到的全部第 一差 值的第一和值； 计算出第一和值与目标分割块邻域内初始分割块数量的第 二比值， 并将第 二比值作为 目标分割块与其邻域初始分割块之间的灰度差异程度； 按照目标分割块与其邻域初始分割块之间的灰度差异程度的计算方法， 计算出每个初 始分割块与其邻域初始分割块之间的灰度差异程度。 3.根据权利要求1所述的基于视觉的软木地板原材料分级方法， 其特征在于， 所述并利权　利　要　求　书 1/2 页 2 CN 115205289 B 2用获得的颜色距离的权重值和空间距离的权重值对经典超像素分割算法中的颜色距离和 空间距离进行加权更新的步骤 包括： 将经典超像素分割算法中颜色距离的权重值与颜色距离相乘， 对经典超像素分割算法 中的颜色距离进行加权更新； 将经典超像素分割算法中空间距离的权重值与空间距离相乘， 对经典超像素分割算法 中的空间距离进行加权更新。 4.根据权利要求1所述的基于视觉的软木地板原材料分级方法， 其特征在于， 所述利用 经典超像素分割算法对灰度图像进行初始超像素分割得到多个初始分割块的步骤 包括： 对软木地板原材 料灰度图像进行二 值化处理得到二 值化图像； 对二值化图像进行密度聚类， 将分布密度同值像素点聚为同一聚类区域， 得到多个聚 类区域； 获取每个聚类区域的中心点， 以每个聚类区域的中心点作为经典超像素分割算法中的 初始种子点， 对软木地板原材 料灰度图像进行初始超像素分割得到多个初始分割块。 5.根据权利要求4所述的基于视觉的软木地板原材料分级方法， 其特征在于， 所述利用 更新后的超像素分割算法重新对软木地板原材料灰度图像进行超像素分割获得多个新分 割块的步骤 包括： 获取软木地板原材 料灰度图像内包 含的初始种子点的总个数； 将灰度图像分为多个图像区域， 并获取每 个图像区域内包 含的初始种子点的个数； 利用每个图像区域内包含的初始种子点的个数和二值化图像内包含的所有初始种子 点的个数， 计算出每 个图像区域内初始种子点的分布比例； 根据经典超像素分割算法中每个图像区域内初始种子点的分布比例， 再次作为更新后 的超像素分割算法中每 个图像区域内初始种子点的分布比例； 根据更新后的超像素分割算法中每个图像区域内初始种子点的分布比例， 利用更新后 的超像素分割算法对灰度图像重新进行超像素分割得到多个新分割块。 6.根据权利要求1所述的基于视觉的软木地板原材料分级方法， 其特征在于， 所述计算 出软木地板原材 料中黑皮占比的步骤 包括： 计算出全部新分割块的数量与黑皮 分割块的数量的第二差值； 计算出第二差值与全部黑皮 分割块内包 含的像素点总数量的第一乘积； 计算出新分割块的数量与灰度图像内包 含的像素点总数量的第二乘积； 将第一乘积与第二乘积的第四比值作为软木地板中黑皮占比。权　利　要　求　书 2/2 页 3 CN 115205289 B 3