基于颜色特征的茶叶色泽分析的研究与应用

论文摘要

茶与中国人的生活有着紧密联系，是我国主要贸易出口的农产品之一，也是我国重要的经济作物，茶叶在出产前的最后一道工序是挑茶，主要是从色泽上来挑选茶叶的优劣，目前我国的这个检测手段仍然停留在传统低端的人工检测手段上，显然这是既费神又费力的事，而且存在较大的人为因素。因此，提出采用机器视觉技术并结合数字图像处理技术，以寻求一种快速的优劣茶叶检测方法。本文针对基于数字图像处理技术的农产品外观检测技术研究领域的核心问题——特征提取，研究适合于农产品图像的快速、高效的提取算法。农产品图像与自然图像一样，即使是同一种农产品的图像也有着一定的差异，这也正是对农产品图像特征提取的依据，如可通过颜色、纹理、形状等进行分割提取。以福建青茶铁观音图像为例，针对茶叶的图像特征，研究综合指标更好的图像特征提取算法。分析了茶叶图像中优劣茶叶的颜色特征，主要从RGB和HSV等颜色特征进行分析研究，构建特征向量函数并进行聚类算法研究，最终完成对茶叶图像色泽上的分类。论文的主要研究工作包括：1.通过大量的文献阅读和学习数字图像处理的理论知识，分析研究图像处理的相关技术方法。2.采用改进的种子算法实现茶叶图像颜色特征的区域提取，并在MicrosoftVisual C++2005编程环境下设计一套应用程序（色选机采样系统）。3.介绍了RGB颜色空间和HSV颜色空间以及其相互转换关系，重点分析了优劣茶叶在R、G、B、（R-G）、（R-B）、H、S、V8个颜色特征的分布情况，探讨了几种特征向量组合来区分优劣茶叶。4.依据Fisher判别分析理论构建特征向量函数并使用K-means聚类算法，最终完成对茶叶图像色泽上的识别。

论文目录

• 中文摘要
• Abstract
• 第1章 引言
• 1.1 研究背景与研究现状
• 1.2 数字图像处理的发展与应用
• 1.3 本论文主要研究内容及研究思路
• 1.4 论文的组织结构
• 第2章 数字图像处理技术
• 2.1 数字图像处理基本概念
• 2.1.1 图像与数字图像
• 2.1.2 数字图像处理
• 2.2 数字图像处理的研究内容
• 2.2.1 图像的转化和存储
• 2.2.2 图像视觉优化
• 2.2.3 图像理解
• 2.3 设备无关位图（DIB）
• 2.4 BMP 图像位图数据的访问
• 2.5 数字图像处理系统的开发工具
• 2.6 本章小结
• 第3章 基于种子算法的区域提取
• 3.1 茶叶图像
• 3.1.1 数字图像采集
• 3.1.2 图像颜色
• 3.2 基于种子算法的特征提取
• 3.2.1 种子算法
• 3.2.2 漫水法
• 3.2.3 一种基于双栈二分查找的种子算法
• 3.2.4 改进后的算法流程
• 3.2.5 改进算法的效率体现
• 3.3 色选机采样系统设计
• 3.4 本章小结
• 第4章 茶叶颜色特征的提取与分析
• 4.1 茶叶的特征鉴别
• 4.2 茶叶的颜色特征提取
• 4.3 特征向量的分析
• 4.3.1 R、G、B 特征向量分析
• 4.3.2 H 特征向量分析
• 4.4 特征向量的处理
• 4.5 特征向量函数的建立
• 4.6 本章小结
• 第5章 K-均值聚类的茶叶图像识别
• 5.1 K- MEANS算法
• 5.2 K- MEANS算法的图像识别
• 5.3 实验结果分析
• 5.4 本章小结
• 第6章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 个人简历