The invention discloses a method for extracting tobacco stem region based on multi feature texture image fusion of bilateral filtering. Aiming at the problem of extracting tobacco stem target from X-ray image with uneven illumination and strong noise, the method proposes to construct probability density image of tobacco stem region based on the weighting of three texture features of pixel occurrence probability, gray entropy and gray scale of the original image, and then adopts bilateral filtering The filter function is used to filter the probability density image. Finally, the mixture Gaussian model and morphological filter method are used to extract the accurate region of tobacco stem from the probability density image.
【技术实现步骤摘要】
基于双边滤波的多特征纹理图像融合的烟梗区域提取方法
本专利技术涉及基于双边滤波的多特征纹理图像融合的烟梗区域提取方法,属于光学检测
技术介绍
在烟叶打叶复烤过程中,需要采用风分方式对打叶后的烟片和烟梗进行分离,以进行后期烟叶的准确配方,提高卷烟品质。由于打叶后的混合烟叶中,含梗烟片与游离纯净叶片的悬浮速度差异不大,在风分过程中会使含梗烟片被当作纯净叶片而难于分离出来,从而使烟叶配方中增加了含梗烟片,直接影响卷烟质量。打叶后的烟叶含梗率是影响切丝质量的最重要的因素之一,而烟丝的质量又直接影响到成品烟支的质量(填充度、重量、密度、空头率、掉丝率等重要指标)。现行的打叶复烤国家标准(YC/T146—2001和YC/T147--2001)分别限制了烤前和烤后的烟叶中,含梗率应小于或等于2.5%,新标准又修改为应小于或等于2.0%。根据以上国家标准,各个打叶复烤企业都要对烟梗含量进行检测,多数复烤企业每隔半小时,就要检测一次烟叶含梗率,采用的测量方式主要有两种:一是,用打叶机将待测烟叶全部打碎,然后再测量其中的含梗率,这种测量方式会造成烟叶的破坏,测量之后的烟叶将不能继续使用,一天下来每条打叶线都将浪费很多烟叶。二是,目前大多数烟厂和复烤厂是通过取样去梗后对烟梗和叶片分别称重来实现烟叶含梗率的检测,该检测方法对烟叶产生较大破坏,且检测耗时长、无法实现在线实时检测。这两种检测方法均存在明显的弊端。目前的检测技术还停留在检测含梗率上,还没有任何公开文献和专利能够给出检测烟梗区域的方法,检测烟梗区域对于实际 ...
【技术保护点】
1.基于双边滤波的多特征纹理图像融合的烟梗区域提取方法,其特征在于,具体包括以下操作步骤:/n步骤1:获取烟草图像:在打叶机的出口端的皮带上方安装X光相机,X光相机拍照获取在皮带上传送的烟草图像,/n步骤2:获取纹理特征:X光相机将图像传送给叶含梗视觉在线检测软件,叶含梗视觉在线检测软件对烟草图像进行灰度处理获得灰度图,阈值分割获得二值图,通过计算sobel算子来计算图像灰度函数的近似梯度,灰度熵是指图像中灰度的不均匀程度或复杂度,假设图像中灰度值为g
【技术特征摘要】
1.基于双边滤波的多特征纹理图像融合的烟梗区域提取方法,其特征在于,具体包括以下操作步骤:
步骤1:获取烟草图像:在打叶机的出口端的皮带上方安装X光相机,X光相机拍照获取在皮带上传送的烟草图像,
步骤2:获取纹理特征:X光相机将图像传送给叶含梗视觉在线检测软件,叶含梗视觉在线检测软件对烟草图像进行灰度处理获得灰度图,阈值分割获得二值图,通过计算sobel算子来计算图像灰度函数的近似梯度,灰度熵是指图像中灰度的不均匀程度或复杂度,假设图像中灰度值为gj的象素个数为kj,
则图像中灰度值为gj的象素出现的概率P(gj)为:
整幅图像灰度熵E(I)为:
获得灰度值gj、灰度值gj的象素出现概率P(gj)和整幅图像灰度熵E(I)三个纹理特征;
步骤3:获取烟梗区域的概率密度图像:利用加权函数进行线性图像融合获得最终的烟梗区域的概率密度图像;
步骤4:滤波:步骤3获取的烟梗区域的概率密度图像具有很多强噪声需要滤除,采用双边滤波对烟梗区域的概率密度图像进行滤波;
步骤5:分割烟梗区域与背景:通过建立高斯混合模型能够实现将烟梗区域与背景准确的分割,得到分割后的烟梗区域图像;
步骤6:去除分割后的烟梗区域图像的小型空洞:通过形态学闭运算去除分割后的烟梗区域图像的小型空洞,平滑目标物体轮廓以及填补轮廓线断裂,最终得到烟梗区域。
2.根据权利要求1所述的基于双边滤波的多特征纹理图像融合的烟梗区域提取方法,其特征在于所述步骤4的双边滤波具体步骤为:
双边滤波实际是两个高斯滤波的同时作用,一个计算空间邻近度的权值,另一个负责计算像素值相似度的权值,将高斯滤波的原理中,通过各个点到中心点的空间临近度计算的各个权值进行优化,将其优化为空间临近度计算的权值和像素值相似度计算的权值的乘积,优化后的权值再与图像作卷积运算,从而达到保边去噪的效果,
其具体公式为:
其中,g(i,j)代表输出点,S(i,j)指以(i,j...
【专利技术属性】
技术研发人员:张乐年,叶明,吴主峰,姜华,孔世凡,王李苏,
申请(专利权)人:南京大树智能科技股份有限公司,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。