基于轮廓特征的烤烟烟叶自动分组技术研究

论文摘要

目前,烤烟烟叶的分组定级都是通过培训专业人员,手工地凭主观经验进行的。针对传统分级方法的缺点,本文探索了数字图像处理与模式识别相结合进行烤烟烟叶自动分组的方法,提出基于轮廓特征的自动分组技术。此方法在对烤烟烟叶进行边缘提取与拟合后,以拟合多项式的系数及烤烟烟叶长宽比作为分类特征,并采用贝叶斯判别分析法构建烤烟烟叶部位分组模型,从而实现部位组的自动分类。本文主要介绍了研究中图像采集系统的架构及图像读取、显示技术;分析了烤烟烟叶的图像平滑、图像分割、二值化以及图像旋转等预处理算法,采用改进的快速中值滤波法进行图像的平滑去噪,较好地保留了图像的边缘特性,并结合蓝色相对变异系数与小面积去除法更加有效地实现了图像的背景分割;对比了几种边缘提取方法以及曲线拟合技术的优缺点,最终选用了二元二次正交多项式作为边缘拟合的主要方法,并以二元二次正交多项式系数与烤烟烟叶的长宽比建立了标准烟叶的特征值数据库;尝试使用误判率最小的贝叶斯判别分析法构建烤烟烟叶部位组的判别模型。试验结果表明,利用贝叶斯判别分析法建立的烤烟烟叶自动分组模型分类效果较好,并有望推广于烤烟烟叶的品种鉴别应用中。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究目的与意义
• 1.2 国内外研究现状
• 1.2.1 烟叶自动分组定级技术的研究现状
• 1.2.2 基于轮廓特征的模式识别技术研究现状
• 1.3 相关知识准备
• 1.3.1 烤烟烟叶分级标准
• 1.3.2 数字图像处理技术
• 1.4 供试材料与技术路线
• 1.4.1 供试材料
• 1.4.2 技术路线
• 2 烤烟烟叶图像采集系统
• 2.1 图像采集硬件系统
• 2.2 图像的读取与显示
• 3 烤烟烟叶图像预处理
• 3.1 图像平滑
• 3.1.1 邻域平均法
• 3.1.2 快速中值滤波法
• 3.2 图像分割
• 3.3 图像二值化
• 3.4 图像旋转
• 4 基于轮廓特征的烤烟烟叶自动识别技术
• 4.1 边缘提取
• 4.1.1 边缘提取技术的研究现状
• 4.1.2 烤烟烟叶的边缘提取技术
• 4.2 边缘描述
• 4.2.1 曲线拟合
• 4.2.2 最小二乘法
• 4.2.3 曲线拟合的实现
• 4.3 边缘特征值数据库的构建
• 4.3.1 ADO技术简介
• 4.3.2 通过ADO访问数据库的实现
• 4.4 烤烟烟叶分类与识别
• 4.4.1 模式识别技术
• 4.4.2 贝叶斯判别分析法
• 5 实验结果与分析
• 5.1 烤烟烟叶边缘曲线拟合结果分析
• 5.1.1 不同边缘拟合法的效果比较
• 5.1.2 不同采样点数的拟合效果比较
• 5.1.3 多项式拟合的特性
• 5.2 烤烟烟叶自动分组模型的建立与分析
• 6 总结
• 6.1 图像处理系统
• 6.2 研究结论
• 6.3 研究展望
• 参考文献
• 致谢