烟叶图像质量的评价方法、系统、存储器、及电子设备技术方案

本发明专利技术提供烟叶图像质量的评价方法、系统、存储器、及电子设备，其中方法包括：提取待评价烟叶图像的每个像素在色彩空间中的各分量值；其中，所述色彩空间由黄色色域分量、明亮色域分量、及黑色色域分量构成；根据每个所述像素的各分量值，计算每个所述像素的各颜色色域指数；根据每个所述像素的各颜色色域指数，确定每个所述像素的质量评价指数；计算各所述质量评价指数的平均值，并将其与预设质量评价指标进行比对，据以判断所述待评价烟叶图像的质量情况。本发明专利技术利用颜色色域指数进行烟叶图像质量评价，与现有的烟叶图像质量评价方法相比，计算复杂度更低、计算量更小、计算用时更短，质量评价结果稳定性也更优良。

Evaluation method, system, memory and electronic equipment for tobacco leaf image quality

The invention provides an evaluation method, a system, a memory, and an electronic device for tobacco leaf image quality, wherein the method comprises: extracting each component value of each pixel of the tobacco leaf image to be evaluated in the color space, wherein the color space is composed of a yellow color gamut component, a bright color gamut component, and a black color gamut component; Each component value of each pixel calculates each color gamut index of each pixel; determines the quality evaluation index of each pixel according to each color gamut index of each pixel; calculates the average value of each quality evaluation index and compares it with the preset quality evaluation index for judgment. The quality of the image of the tobacco leaf to be evaluated. Compared with the existing tobacco leaf image quality evaluation methods, the method has the advantages of lower calculation complexity, less calculation amount, shorter calculation time and better stability of quality evaluation results.

【技术实现步骤摘要】
烟叶图像质量的评价方法、系统、存储器、及电子设备
本专利技术属于烟叶图像处理
，尤其是涉及基于颜色色域指数的烟叶图像质量的评价方法、系统、存储介质、及电子设备。
技术介绍
烟叶图像质量评价是评价烟叶的成像设备、分级、外观质量检测及模式识别等的基础和关键。目前，烟叶图像质量的评价方法主要有峰值信噪比方法PSNR和信息熵方法SSEQ(姬江涛，邓明俐，贺智涛，等.基于OpenCV的烤烟烟叶图像高斯去噪法[J].江苏农业科学，2016，44(11)：373-376.)：(一)峰值信噪比方法PSNR：该方法研究较多且最为成熟，如清华大学戴琼海、马潇、曹汛等的专利技术专利“一种基于机器学习的立体图像质量客观评价方法”(申请号为201210182644.8)，按照机器学习支持向量机的方法构造了5个图像质量评价指标，对峰值信噪比方法PSNR求取公式的形式和加权值做了改进，提出了视觉舒适度评价的方法，但峰值信噪比方法PSNR由于需要比较像素级差异而主要存在稳定性差、计算量大、费时等弊端；(二)信息熵方法SSEQ：该方法以局部空间熵和谱熵为特征构建两阶图像质量评价模型，具有不需要借助原始图像信息作为参考的优势，如北京理工大学刘利雄、刘宝、黄华的专利技术专利“一种基于信息熵特征的无参考图像质量评价方法”(申请号为CN201310421710.7)，首先对失真图像进行Contourlet变换，再将每个变换子带和未变换的原始失真图像进行分块处理，然后在每个分块系数矩阵上计算空域信息熵和频域信息熵，筛选分块特征并计算均值得到每个变换子带的质量特征值，然后利用支持向量机的方法和无参考图像质量评价的两步框架，进行质量预测和评估，具有主观一致性高，时间复杂度小、通用性好的特点，但信息熵方法SSEQ主要存在稳定性差、空间复杂度大、费时等略势。同时，以上图像质量评价方法对烟叶图像的颜色恒常性、丰富性和亮度、纹理特征噪声大的属性利用不充分，若直接采用这些图像质量评价方法来评价烟叶图像质量，则得到的评价结果稳定性较差。
技术实现思路
鉴于以上所述现有技术的缺点，本专利技术的目的在于提供烟叶图像质量的评价方法、系统、存储器、及电子设备，用于解决现有烟叶图像质量评价方法在评价烟叶图像质量时稳定性差、耗费时间长等问题。为实现上述目的及其他相关目的，本专利技术提供一种烟叶图像质量的评价方法，包括：提取待评价烟叶图像的每个像素在色彩空间中的各分量值；其中，所述色彩空间由黄色色域分量、明亮色域分量、及黑色色域分量构成；根据每个所述像素的各分量值，计算每个所述像素的各颜色色域指数；根据每个所述像素的各颜色色域指数，确定每个所述像素的质量评价指数；计算各所述质量评价指数的平均值，并将其与预设质量评价指标进行比对，据以判断所述待评价烟叶图像的质量情况。于本专利技术一实施例中，所述根据每个所述像素的各分量值计算每个所述像素的各颜色色域指数，包括：根据每个所述像素的黄色色域分量值/(明亮色域分量值+黑色色域分量值)计算每个所述像素的黄色色域指数；根据每个所述像素的明亮色域分量值/(黄色色域分量值+黑色色域分量值)计算每个所述像素的明亮色域指数；根据每个所述像素的黑色色域分量值/(黄色色域分量值+明亮色域分量值)计算每个所述像素的黑色色域指数。于本专利技术一实施例中，所述根据每个所述像素的各颜色色域指数确定每个所述像素的质量评价指数，包括：将每个所述像素的各颜色色域指数中最高的一个确定为该像素的质量评价指数。于本专利技术一实施例中，所述预设质量评价指标包括：当质量评价指数的平均值小于第一预设值时，认为所述待评价烟叶图像的质量较差；当质量评价指数的平均值介于所述第一预设值与第二预设值之间时，认为所述待评价烟叶图像的质量中等；当质量评价指数的平均值大于所述第二预设值时，认为所述待评价烟叶图像的质量良好。为实现上述目的及其他相关目的，本专利技术提供一种烟叶图像质量的评价系统，包括：分量提取模块，用于提取待评价烟叶图像的每个像素在色彩空间中的各分量值；其中，所述色彩空间由黄色色域分量、明亮色域分量、及黑色色域分量构成；指数计算模块，用于根据每个所述像素的各分量值，计算每个所述像素的各颜色色域指数；以及用于根据每个所述像素的各颜色色域指数，确定每个所述像素的质量评价指数；质量评价模块，用于计算各所述质量评价指数的平均值，并将其与预设质量评价指标进行比对，据以判断所述待评价烟叶图像的质量情况。于本专利技术一实施例中，所述根据每个所述像素的各分量值计算每个所述像素的各颜色色域指数的实现方式包括：根据每个所述像素的黄色色域分量值/(明亮色域分量值+黑色色域分量值)计算每个所述像素的黄色色域指数；根据每个所述像素的明亮色域分量值/(黄色色域分量值+黑色色域分量值)计算每个所述像素的明亮色域指数；根据每个所述像素的黑色色域分量值/(黄色色域分量值+明亮色域分量值)计算每个所述像素的黑色色域指数。于本专利技术一实施例中，所述根据每个所述像素的各颜色色域指数确定每个所述像素的质量评价指数的实现方式包括：将每个所述像素的各颜色色域指数中最高的一个确定为该像素的质量评价指数。于本专利技术一实施例中，所述预设质量评价指标包括：当质量评价指数的平均值小于第一预设值时，认为所述待评价烟叶图像的质量较差；当质量评价指数的平均值介于所述第一预设值与第二预设值之间时，认为所述待评价烟叶图像的质量中等；当质量评价指数的平均值大于所述第二预设值时，认为所述待评价烟叶图像的质量良好。为实现上述目的及其他相关目的，本专利技术提供一种存储介质，其中存储有计算机程序，所述计算机程序被处理器加载执行时，实现如上任一所述的烟叶图像质量的评价方法。为实现上述目的及其他相关目的，本专利技术提供一种电子设备，包括：处理器、及存储器；其中，所述存储器用于存储计算机程序；所述处理器用于加载执行所述计算机程序，以使所述电子设备执行如上任一所述的烟叶图像质量的评价方法。如上所述，本专利技术的烟叶图像质量的评价方法、系统、存储器、及电子设备，利用颜色色域指数进行烟叶图像质量评价，与现有的烟叶图像质量评价方法相比，计算复杂度更低、计算量更小、计算用时更短，更有利于实时实现；与现有的烟叶图像质量评价方法相比，更能充分利用烟叶图像的颜色恒常性、丰富性的属性，质量评价结果的稳定性也更加优良。附图说明图1显示为本专利技术实施例1中的烟叶图像质量的评价方法的流程示意图。图2显示为本专利技术实施例2中的待评价烟叶图像的示意图。图3a～3d显示为本专利技术实施例3中的各待评价烟叶图像的示意图。图4a～4j显示为本专利技术比较例中的各待评价烟叶图像的示意图。图5显示为本专利技术实施例4中的烟叶图像质量的评价系统的模块示意图。元件标号说明S1～S5步骤500烟叶图像质量的评价系统501分量提取模块502指数计算模块503质量评价模块具体实施方式以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。需要说明的是，以下实施例中所提供的图示仅以示意方式说本文档来自技高网...

【技术保护点】
1.一种烟叶图像质量的评价方法，其特征在于，包括：提取待评价烟叶图像的每个像素在色彩空间中的各分量值；其中，所述色彩空间由黄色色域分量、明亮色域分量、及黑色色域分量构成；根据每个所述像素的各分量值，计算每个所述像素的各颜色色域指数；根据每个所述像素的各颜色色域指数，确定每个所述像素的质量评价指数；计算各所述质量评价指数的平均值，并将其与预设质量评价指标进行比对，据以判断所述待评价烟叶图像的质量情况。

【技术特征摘要】
1.一种烟叶图像质量的评价方法，其特征在于，包括：提取待评价烟叶图像的每个像素在色彩空间中的各分量值；其中，所述色彩空间由黄色色域分量、明亮色域分量、及黑色色域分量构成；根据每个所述像素的各分量值，计算每个所述像素的各颜色色域指数；根据每个所述像素的各颜色色域指数，确定每个所述像素的质量评价指数；计算各所述质量评价指数的平均值，并将其与预设质量评价指标进行比对，据以判断所述待评价烟叶图像的质量情况。2.根据权利要求1所述的方法，其特征在于，所述根据每个所述像素的各分量值计算每个所述像素的各颜色色域指数，包括：根据每个所述像素的黄色色域分量值/(明亮色域分量值+黑色色域分量值)计算每个所述像素的黄色色域指数；根据每个所述像素的明亮色域分量值/(黄色色域分量值+黑色色域分量值)计算每个所述像素的明亮色域指数；根据每个所述像素的黑色色域分量值/(黄色色域分量值+明亮色域分量值)计算每个所述像素的黑色色域指数。3.根据权利要求2所述的方法，其特征在于，所述根据每个所述像素的各颜色色域指数确定每个所述像素的质量评价指数，包括：将每个所述像素的各颜色色域指数中最高的一个确定为该像素的质量评价指数。4.根据权利要求3所述的方法，其特征在于，所述预设质量评价指标包括：当质量评价指数的平均值小于第一预设值时，认为所述待评价烟叶图像的质量较差；当质量评价指数的平均值介于所述第一预设值与第二预设值之间时，认为所述待评价烟叶图像的质量中等；当质量评价指数的平均值大于所述第二预设值时，认为所述待评价烟叶图像的质量良好。5.一种烟叶图像质量的评价系统，其特征在于，包括：分量提取模块，用于提取待评价烟叶图像的每个像素在色彩空间中的各分量值；其中，所述色彩空间由黄色色域分量、明亮色域分量、及黑色色域分量构成；指数计算模块，用于根据...

【专利技术属性】
技术研发人员：蔡宪杰，薛超群，张军，窦家宇，宋纪真，薛庆逾，郭文，卢晓华，张伟峰，沈钢，程森，顾毓敏，高远，牟文君，
申请(专利权)人：上海烟草集团有限责任公司，上海创和亿电子科技发展有限公司，
类型：发明
国别省市：上海,31