导读:本文包含了烟支计数论文开题报告文献综述及选题提纲参考文献，主要关键词:颜色分类,模板匹配,图像识别,形状特征
烟支计数论文文献综述
曹计昌,朱圣健[1]（2008）在《基于烟丝颜色模型与烟支模板构造的烟支识别计数》一文中研究指出为获得对烟支的高精度识别与计数,通过对烟丝颜色的实验和分析得到烟丝颜色的分布特性,在此基础上分别构造基于HSI颜色空间和RGB颜色空间的烟丝颜色模型,并利用RGB颜色空间中对应的特征向量分割烟支的内部与外部区域.根据烟支图像的特征构造烟支模板,给出基于该模板的烟支识别与计数的算法.该方法通过搜索匹配对分割出的目标区域是否为烟支进行识别与判定.实验结果表明,该算法的识别精度高,能适应一定范围的光学环境变化,鲁棒性得到增强.(本文来源于《计算机辅助工程》期刊2008年01期）
田秀侠[2]（2007）在《基于遗传算法的烟支图像的分割与计数研究》一文中研究指出烟支计数是中小型卷烟厂生产车间必须完成的一道工序。利用图像处理技术对烟支进行计数,是一种可选的方案。先二值化,则信息损失严重;直接基于彩色图像对烟支进行识别计数,虽然避免了二值化过程中对颜色信息的丢失,但该方法计算量大,识别速度慢,且对缺损烟支识别精度不高。针对以上问题,从遗传算法入手,试图改进或解决以上问题,实现遗传算法的多目标识别应用。烟支图像的分割,是烟支识别计数前的一个重要环节,好的分割效果,是烟支识别计数的必要条件。在分析烟支图像特点的基础上,将遗传算法与最大熵相结合,求取各个颜色通道的分割阈值,然后选择熵最大的颜色通道的阈值为最后的分割阈值并对图像进行分割。在烟支计数环节中,根据烟支的类圆形特征,定义一个圆形空心模板,并将部分Hausdorff距离引入遗传算法的适应度函数定义,用来测量模板与烟支的相似程度,以判断是否为一支烟支。在计算部分Hausdorff距离之前,首先对产生的随机烟支中心坐标点进行判断,看是否为可能的烟支中心点,如果不可能是烟支的中心点就不计算部分Hausdorff距离,以减少计算时间,增强烟支中心点识别的准确性。将遗传算法应用于烟支计数识别,是一种多目标的识别计数,而以往都是将遗传算法应用到单目标的匹配识别,即使是多目标也只是应用到分割上来,因此烟支识别计数并不是只求取一个最优解,而是将每代大于特定适应度值的个体都看作是一个解,这样就解决了多目标识别问题。在分析分割烟支图像的基础上,又将模板定义成叁个半径不同的圆形实心模板,并与遗传算法相结合,随机产生模板的中心坐标点,并以此坐标点为中心,取该区域的图像与模板相比较,以判断此处是否为一支烟,达到烟支计数的目的。在实验结果的基础上,分别从识别时间和识别精度两方面对算法进行了分析比较,并且给出了提高烟支整体计数精度的改进方案。(本文来源于《华中科技大学》期刊2007-06-01）
曹计昌,邓祯[3]（2007）在《一种密集堆放的烟支计数修正方法》一文中研究指出大量密集堆放的烟支的二值截面图像中存在较多的连通区域,为其识别与计数带来了困难。基于模板匹配的方法对烟支进行识别时存在模板中心点定位偏差导致计数不准的问题,本文针对此问题提出了一种识别后的修正方法。烟支具有类圆形几何结构,因此可利用圆间位置关系理论分析烟支间的位置关系,并定义平稳态位置关系。修正的过程便是使烟支的非平稳态位置关系向平稳态位置关系转化的过程。修正后的烟支图像中多计烟支被去除,可达到对计数结果进行修正的目的。(本文来源于《计算机工程与科学》期刊2007年05期）
张剑[4]（2007）在《基于聚类分析的彩色烟支图像的识别与计数》一文中研究指出聚类分析技术作为一种数据处理手段近些年来一直是人们的研究热点,其在图像处理、模式识别和数据挖掘等领域内有着广泛的应用。在所有的聚类算法中使用最多的是k-means聚类算法,这种算法只需事先给定一个阈值,后面就不再需要人工干预,对于图像分割的自动化有重要的意义。为了有效地提取烟支颜色的聚类特征,选取YUV颜色空间对图像进行聚类处理。利用k-means聚类算法对图像进行颜色聚类,然后将彩色烟支图像中的所有像素归到背景类或烟支类中。对于彩色烟支图像的分割分为两步。第一步根据图像中像素聚类属性进行粗分割,将属于背景类的所有像素的颜色置为白色,属于烟支类的像素的颜色保持不变;第二步是细分割,根据“空间距离最近,特征差异最小”的原则,将那些离散的小区域合并到烟支区域中去。分割后烟支的横截面的面积和形状发生了各种各样的变化,但是其变化范围都是在烟支横截面的外切正方形中。基于不变的外切正方形这个重要特征,以其为基础构造分割后的烟支识别和计数模型。选取一定数量的烟支图片对算法进行实验分析,通过计数的数量与真实值之间的比较可以作为分割与识别效果的检验方法。(本文来源于《华中科技大学》期刊2007-01-01）
朱圣健[5]（2007）在《基于烟丝颜色模型与模板匹配的烟支计数研究》一文中研究指出采用图像处理对烟支进行计数,是图像处理领域中的一个新的应用,它相对于机械和人工计数的方式具有耗时少、对烟支无损伤等优点。基于二值化图像对烟支进行识别计数,已经有了较深入的研究。图像二值化可以达到简化信息、快速提取物体特征的目的。但识别算法对二值图像的依赖性高,一旦图像的二值化效果不佳,将最终影响识别的精度。为解决该问题,避免在二值化过程中对颜色信息的丢失,采用直接基于彩色图像进行识别的方法,是一种可行的办法。烟支图像的获取和预处理,是烟支识别之前的两个重要环节。获取稳定、清晰的烟支图像是整个图像识别的基础,其中光源的选择、拍摄位置和角度的选取都是图像获取时的关键性问题。图像预处理的主要目的是去除烟框外部的背景杂质,先通过变斜率直线搜索烟框的边界,确定边界后,清除边界以外的部分,将烟支区域从杂质背景中分离出来。烟丝颜色是烟支的重要特征,利用烟丝的颜色分布特征,能够有效分割烟丝与烟支边缘的杂质。在实验中,得到烟丝颜色分布的集中和稳定分布的特性,由此构造出烟丝的颜色模型。并依据烟丝颜色模型,对烟支图像进行分割,保留可能为烟丝的区域。在烟支的计数识别环节中,构造出了彩色烟支模板,并将模板划分为6个子区间分别进行观测。利用隶属度函数对模板内的像素进行分类,统计出各个子区域的烟丝隶属度的分布情况。然后将统计结果与样本库比较,从而判定目标区域是否为一支烟。在实验中,选取了多幅不同光照下的烟支图像为研究对象,分别从算法的识别精度、稳定性两方面进行分析和比较。(本文来源于《华中科技大学》期刊2007-01-01）
曹计昌,邓祯[6]（2006）在《基于旋转编码模板匹配的烟支计数识别》一文中研究指出根据烟支的几何特征构造烟支模板,采用一种旋转编码方案将此二维模板映射成为整数集上的一个整数.利用旋转编码描述烟支的属性,通过属性变换得到每组属性的标准编码值.在模板匹配过程中,对模板覆盖下的图像部分作同样的旋转编码及属性变换,得到每组属性的实际编码值.各组属性的标准编码值和实际编码值间的差异将作为制定烟支识别条件的主要依据.实验表明,该方法可解决连通烟支或残缺烟支的计数识别问题,计数精度达到应用需求.(本文来源于《计算机辅助设计与图形学学报》期刊2006年08期）
曹计昌,周建琼[7]（2006）在《基于数学形态学的烟支计数识别》一文中研究指出根据烟支的几何特征,设计1种基于数学形态学的烟支图像分割并计数识别方法．该方法对二值图像应用形态滤波器去噪,对单个标记区域进行形状分类并使用不同的结构元素进行开运算,在腐蚀后膨胀前进行单烟支判定,达到分类处理的效果．在整个形态处理过程中引入形态编码概念,从而将形态学运算转换为字节中的位运算,同时将二值图中的区域转换为整数集合,作为1种区域描绘应用在单烟支判定中．(本文来源于《计算机辅助工程》期刊2006年02期）
邓祯[8]（2006）在《基于模板匹配的烟支计数识别算法研究与实现》一文中研究指出烟支计数是中小型卷烟厂的生产车间必须完成的一道工序。通过数码相机对盛装烟支的烟盘拍照获得烟支图像,采用图像识别的方法对烟支进行自动识别与计数将是一种可选的方案。基于模板匹配的烟支计数识别算法包括叁个部分,即烟支图像预处理,识别前烟支中心点的定位及烟支的计数识别。烟支位置的调整方法作为一种防止烟支重迭的手段是烟支计数识别算法的一个有益补充。烟支图像预处理过程是获取较高质量的二值烟支图像的过程,共分为四个步骤。首先,利用彩色分割法去除烟支间的杂质;其次,利用行列扫描法提取边框去除环境背景杂质;再次,分析彩色直方图选取合适阈值二值化烟支图像;最后,利用形态滤波去除二值图像中的孤立点与单象素宽线段。识别前烟支中心点的定位,是将二值烟支图像中的象素点按照其作为烟支中心点的可能性划分类别并确定各类别之识别优先级的过程。首先定义烟支模板距离分布,其次基于模板距离分布考察各目标象素点在四方向上到距其最近的边界点间的距离,得到烟支图像象素点的六种距离分布,这六种距离分布是象素点分类和划分识别优先级的主要依据。识别过程中按照识别优先级由高至低,依次搜索象素点。在烟支的计数识别过程中,提出了旋转编码方案描述烟支模板的属性。旋转编码能将二维烟支模板映射为整数集上的一个数,使得通过一个属性变换得到各组属性的观测点集和标准编码值。模板匹配过程中对模板覆盖下的图像部分做同样的旋转编码及属性变换得到各组属性的实际编码值。依据各组属性的实际编码值与标准编码值的差异制定烟支识别条件。烟支位置的调整方法,利用圆间位置关系理论分析烟支间的位置关系,定义可疑烟支,制定可疑烟支的去留方法及相交烟支位置调整方法,达到去除多计烟支,修正计数结果的目的。研究并实现了基于旋转编码的两种烟支计数识别算法,即基于属性变换的识别算法和完全基于面积的识别算法,并从性能和实现方法的差异上对两种算法进行了分析与比较。(本文来源于《华中科技大学》期刊2006-05-01）
张仁庆[9]（1990）在《微机烟支计数系统管理》一文中研究指出卷烟生产过程中的计量管理是烟厂企业管理的一个重要内容。我国相当部分的卷烟厂对卷制过程中的烟支数,由于没有计量装置,往往以盘纸为基础来估算,其结果与最后包装成品入库数相差较大。(本文来源于《烟草科技》期刊1990年01期）
张绍喜[10]（1984）在《关于烟支计数与统计自动化方案的探讨》一文中研究指出目前,不少烟厂正陆续试用烟支计数器,以取代烦琐的计数与统计工作,一个理想的烟支计数系统应是:能如实地显示以箱为单位的单台卷烟机产量;能在意外断电的情况下即时记忆产量;能向管理人员随时提供车间生产进度.本文试图对一通用微型电子计算器稍加改装,再同单台烟支计数器相配合,完成卷制车间烟支的计数与统计工作.结合本厂烟支计数器的应用状况,提出如下方案,供大家参考和讨论.(本文来源于《烟草科技》期刊1984年01期）
烟支计数论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
烟支计数是中小型卷烟厂生产车间必须完成的一道工序。利用图像处理技术对烟支进行计数,是一种可选的方案。先二值化,则信息损失严重;直接基于彩色图像对烟支进行识别计数,虽然避免了二值化过程中对颜色信息的丢失,但该方法计算量大,识别速度慢,且对缺损烟支识别精度不高。针对以上问题,从遗传算法入手,试图改进或解决以上问题,实现遗传算法的多目标识别应用。烟支图像的分割,是烟支识别计数前的一个重要环节,好的分割效果,是烟支识别计数的必要条件。在分析烟支图像特点的基础上,将遗传算法与最大熵相结合,求取各个颜色通道的分割阈值,然后选择熵最大的颜色通道的阈值为最后的分割阈值并对图像进行分割。在烟支计数环节中,根据烟支的类圆形特征,定义一个圆形空心模板,并将部分Hausdorff距离引入遗传算法的适应度函数定义,用来测量模板与烟支的相似程度,以判断是否为一支烟支。在计算部分Hausdorff距离之前,首先对产生的随机烟支中心坐标点进行判断,看是否为可能的烟支中心点,如果不可能是烟支的中心点就不计算部分Hausdorff距离,以减少计算时间,增强烟支中心点识别的准确性。将遗传算法应用于烟支计数识别,是一种多目标的识别计数,而以往都是将遗传算法应用到单目标的匹配识别,即使是多目标也只是应用到分割上来,因此烟支识别计数并不是只求取一个最优解,而是将每代大于特定适应度值的个体都看作是一个解,这样就解决了多目标识别问题。在分析分割烟支图像的基础上,又将模板定义成叁个半径不同的圆形实心模板,并与遗传算法相结合,随机产生模板的中心坐标点,并以此坐标点为中心,取该区域的图像与模板相比较,以判断此处是否为一支烟,达到烟支计数的目的。在实验结果的基础上,分别从识别时间和识别精度两方面对算法进行了分析比较,并且给出了提高烟支整体计数精度的改进方案。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
烟支计数论文参考文献
[1].曹计昌,朱圣健.基于烟丝颜色模型与烟支模板构造的烟支识别计数[J].计算机辅助工程.2008
[2].田秀侠.基于遗传算法的烟支图像的分割与计数研究[D].华中科技大学.2007
[3].曹计昌,邓祯.一种密集堆放的烟支计数修正方法[J].计算机工程与科学.2007
[4].张剑.基于聚类分析的彩色烟支图像的识别与计数[D].华中科技大学.2007
[5].朱圣健.基于烟丝颜色模型与模板匹配的烟支计数研究[D].华中科技大学.2007
[6].曹计昌,邓祯.基于旋转编码模板匹配的烟支计数识别[J].计算机辅助设计与图形学学报.2006
[7].曹计昌,周建琼.基于数学形态学的烟支计数识别[J].计算机辅助工程.2006
[8].邓祯.基于模板匹配的烟支计数识别算法研究与实现[D].华中科技大学.2006
[9].张仁庆.微机烟支计数系统管理[J].烟草科技.1990
[10].张绍喜.关于烟支计数与统计自动化方案的探讨[J].烟草科技.1984