阅读说明：本技术 具有包裹类型预检的特征选择方法 (Feature selection approach with package type preliminary examination ) 是由 刘小英 于 2018-05-16 设计创作，主要内容包括：本发明公开了具有包裹类型预检的特征选择方法,涉及包裹类别特征选择,包括包裹类别样本图像,还包括以下步骤：S1,进行图像去噪处理后,对所述包裹类别样本图像进行图像信息统计,获得基本统计特征集；S2,获取基于图像自身属性的特征点集；S3,获取区域定义的特征点集；S4,依据S1-S3获取的特征集,计算每个特征集子项的方差,并选取方差最小的6个特征,再将6个特征采用特征压缩方法进行降维,形成3个描述特征作为图像的特征,作为包裹类别的特征参数。本发明通过选择合适的特征,能够有效提高包裹类别特征选择的稳定性、精确性及实时性；能够综合考虑不同条件下的特征有效性,提高图像特征的抗干扰能力。(The invention discloses the feature selection approach with package type preliminary examination, it is related to wrapping up category feature selection, including wrapping up classification sample image, it is further comprising the steps of: S1, after carrying out image denoising processing, image information statistics is carried out to the package classification sample image, obtains basic statistics feature set；S2 obtains the feature point set based on image self attributes；S3 obtains the feature point set that region defines；S4 calculates the variance of each feature set subitem according to the feature set that S1-S3 is obtained, and choose the smallest 6 features of variance, 6 features are subjected to dimensionality reduction using Feature Compression method again, form feature of 3 Expressive Features as image, the characteristic parameter as package classification.The present invention can effectively improve stability, accuracy and the real-time of package category feature selection by selecting suitable feature；The characteristic validity under different condition can be comprehensively considered, improve the anti-interference ability of characteristics of image.)

具有包裹类型预检的特征选择方法

技术领域

本发明涉及包裹类别特征选择，具体涉及具有包裹类型预检的特征选择方法。

背景技术

快递企业在收取快件时应当场验视内件，但快递检测验视手段传统单一，因此，利用图像识别技术进行包裹检测能够有效提高危险物品被检测到的概率。目前包裹类别图像存在干扰项多，难以选择良好识别特征的问题。

发明内容

本发明所要解决的技术问题是目前包裹类别图像存在干扰项多，难以选择良好识别特征的问题，目的在于提供具有包裹类型预检的特征选择方法，解决上述问题。

本发明通过下述技术方案实现：

具有包裹类型预检的特征选择方法，包括包裹类别样本图像，还包括以下步骤：

S1，进行图像去噪处理后，对所述包裹类别样本图像进行图像信息统计，获得基本统计特征集；

S2，获取基于图像自身属性的特征点集；

S3，获取区域定义的特征点集；

S4，依据S1-S3获取的特征集，计算每个特征集子项的方差，并选取方差最小的6个特征，再将6个特征采用特征压缩方法进行降维，形成3个描述特征作为图像的特征，作为包裹类别的特征参数。

进一步地，所述区域定义的特征点集，包括LOG算子、Forstner算子、SIFT算子。

进一步地，所述基于自身属性的特征点集，包括边缘点、角点、交叉点。

进一步地，所述基本统计特征，包括亮度、重心、灰度直方图。

进一步地，所述特征压缩方法采用最小方差排名的前6项中，排名为奇数的特征与其后一位的特征相乘，形成新的特征。

本发明与现有技术相比，具有如下的优点和有益效果：

1、本发明具有包裹类型预检的特征选择方法，通过选择合适的特征，能够有效提高包裹类别特征选择的稳定性、精确性及实时性；

2、本发明具有包裹类型预检的特征选择方法，能够综合考虑不同条件下的特征有效性，提高图像特征的抗干扰能力。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

实施例

本发明具有包裹类型预检的特征选择方法，包括包裹类别样本图像，还包括以下步骤：

S1，进行图像去噪处理后，对所述包裹类别样本图像进行图像信息统计，获得基本统计特征集；

S2，获取基于图像自身属性的特征点集；

S3，获取区域定义的特征点集；

S4，依据S1-S3获取的特征集，计算每个特征集子项的方差，并选取方差最小的6个特征，再将6个特征采用特征压缩方法进行降维，形成3个描述特征作为图像的特征，作为包裹类别的特征参数。

所述区域定义的特征点集，包括LOG算子、Forstner算子、SIFT算子。

所述基于自身属性的特征点集，包括边缘点、角点、交叉点。

所述基本统计特征，包括亮度、重心、灰度直方图。

所述特征压缩方法采用最小方差排名的前6项中，排名为奇数的特征与其后一位的特征相乘，形成新的特征。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。