System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术一般地涉及图像数据处理领域。更具体地,本专利技术涉及基于图像处理的多面发花识别方法及系统。
技术介绍
1、茯茶以养生保健茶、功能性茶饮、绿色食品为产品定位,以市场需求为引导,以创新咸阳茯茶科研技术为先导。其中,“茯茶”砖面平整规则,松紧密度合适,棱角线面分明,厚薄整体一致,发花均匀普遍。发花工艺是区别茯茶与其他品种砖茶的一大特色,因而多面发花识别成为必须解决的基础问题。
2、目前,现有的发花识别,在对茯茶发花图像获取发花部分并完成发花部分的识别,但是对发花部分分割时,通常设置聚类参数为固定个数,使得在进行发花识别时,得到的发花聚类簇和茶叶聚类簇中可能存在分类不准确的情况,从而影响稳定的发花分割结果,进而导致发花识别不准确。
技术实现思路
1、为解决上述一个或多个技术问题,本专利技术提出通过对茯茶发花图像聚类分析时,对茶叶聚类簇中非发花灰度的占比进行分析方式,通过加权后的分离度值对茯茶发花图像进行多面发花识别检测,以提高多面发花识别的精准度,为此,本专利技术在如下的多个方面中提供方案。
2、在第一方面中,基于图像处理的多面发花识别方法,包括:采集烘房内茯茶发花图像,进行预处理得到灰度图像;对所述灰度图像的直方图进行聚类,根据所述直方图中峰值个数确定聚类个数的上限值;根据所述聚类个数的上限值,计算每个聚类簇的聚类中心,根据所述聚类中心满足迭代条件后更新聚类结果,得到多个聚类簇;计算所述每个聚类簇内任一像素点和其他聚类簇内像素点之间距离均值的最小值,得到
3、在一个实施例中,对所述灰度图像的直方图进行聚类,根据所述直方图中峰值个数确定聚类个数的上限值,包括:
4、获取所述灰度图像的直方图,其中灰度图像的灰度级取值为横坐标,且灰度级对应像素点个数为纵坐标;
5、对所述直方图的峰值进行分割,根据峰值个数确定聚类个数的上限值。
6、在一个实施例中,根据所述聚类个数的上限值,计算每个聚类簇的聚类中心,根据所述聚类中心满足迭代条件后更新聚类结果,得到多个聚类簇,包括:
7、基于均值聚类算法,对聚类个数进行遍历,直至遍历到聚类个数的上限值,得到多个聚类簇,并计算每个聚类簇中像素点的第一灰度均值,得到每个聚类簇的聚类中心;
8、计算灰度图像中任意像素点与每个聚类簇的聚类中心的灰度差值的最小值,将像素点划分到灰度差值的最小值对应的聚类簇中,更新聚类结果,重新计算聚类簇内像素点的第二灰度均值,得到迭代后的聚类中心,响应于迭代后的聚类中心趋近平稳,得到多个不同聚类个数的聚类簇。
9、在一个实施例中,根据所述聚类簇进行二分类,得到茶叶聚类簇和发花聚类簇,其中,最小灰度均值的类别作为茶叶聚类簇,其余聚类簇为发花聚类簇,包括:
10、将灰度图像中所有聚类簇的第二灰度均值输入预设逻辑回归模型中进行二分类,输出灰度图像的发花识别效果,将所有聚类簇归为两类,一类属于茶叶聚类簇,另一类属于发花聚类簇;
11、如果茶叶聚类簇个数等于1时,则完成二分类。
12、在一个实施例中,构建所述茶叶聚类簇的直方图,计算每个聚类簇的像素点之间的分离度值的权重值,包括:
13、根据所述第二灰度均值进行排序,得到以聚类顺序为横坐标、第二灰度均值为纵坐标的灰度均值分布图;
14、获取茶叶区域的直方图,计算茶叶聚类簇中灰度值的均值和方差,构建高斯拟合函数,根据所述高斯拟合函数计算茶叶聚类簇内的像素点和发花聚类簇内的像素点的分离度值的权重值。
15、在一个实施例中,所述分离度值的权重值满足下述关系式:
16、
17、式中,表示茶叶聚类簇中分离度值的权重值,为归一化函数,表示以自然常数为底数的指数函数,表示直方图中第个灰度级出现的频次,表示高斯拟合函数第个灰度级的拟合函数值,表示高斯拟合函数曲线中峰值的最大值。
18、在一个实施例中,基于所述权重值和分离度值得到加权后的分离度值,包括:
19、所述加权后的分离度值满足下述关系式:
20、
21、式中,表示第个发花区域的聚类簇中第个像素点的加权后的分离度值,表示茶叶聚类簇中分离度值的权重值,表示第个发花区域的聚类簇的灰度均值,表示茶叶区域的聚类簇的灰度均值,表示第个发花区域的聚类簇中第个像素点的分离度值。
22、在一个实施例中,根据所述加权后的分离度值与内聚度值,计算每个聚类簇的轮廓系数,得到最佳聚类结果,包括:
23、计算每个聚类簇的内聚度,得到每个聚类簇内每个像素点的轮廓系数;
24、根据每个像素点的轮廓系数,计算每个聚类簇的总平均轮廓系数,满足下述关系式:
25、
26、式中,表示个聚类中心的总平均轮廓系数,表示聚类中心的个数,表示第个聚类簇中第个像素点的轮廓系数;
27、如果轮廓系数趋近于1,则得到最佳聚类结果。
28、第二方面,基于图像处理的多面发花识别系统,包括:处理器和存储器,所述存储器存储有计算机程序指令,当所述计算机程序指令被所述处理器执行时实现任一项所述的基于图像处理的多面发花识别方法。
29、本专利技术具有以下效果:
30、1.本专利技术通过对发花期图像进行聚类,并对茶叶聚类簇进行局部高峰分析得到改进后的轮廓系数,通过改进后的轮廓系数,得到更为准确的聚类个数,使得在进行茯茶多面发花识别时,能够具有更加准确的分类效果,提高了多面发花分割准确度。
31、2.本专利技术通过权重值计算茶叶聚类簇与各个发花聚类簇之间的差异性,从而更精准分析茶叶聚类簇中发花区域对聚类结果的影响,使得在进行茯茶多面发花识别时,得到更加准确的分类效果,进而提高了多面发花分类准确度。
本文档来自技高网...【技术保护点】
1.基于图像处理的多面发花识别方法,其特征在于,包括:
2.根据权利要求1所述的基于图像处理的多面发花识别方法,其特征在于,对所述灰度图像的直方图进行聚类,根据所述直方图中峰值个数确定聚类个数的上限值,包括:
3.根据权利要求1所述的基于图像处理的多面发花识别方法,其特征在于,根据所述聚类个数的上限值,计算每个聚类簇的聚类中心,根据所述聚类中心满足迭代条件后更新聚类结果,得到多个聚类簇,包括:
4.根据权利要求3所述的基于图像处理的多面发花识别方法,其特征在于,根据所述聚类簇进行二分类,得到茶叶聚类簇和发花聚类簇,其中,最小灰度均值的类别作为茶叶聚类簇,其余聚类簇为发花聚类簇,包括:
5.根据权利要求3所述的基于图像处理的多面发花识别方法,其特征在于,构建所述茶叶聚类簇的直方图,计算每个聚类簇的像素点之间的分离度值的权重值,包括:
6.根据权利要求5所述的基于图像处理的多面发花识别方法,其特征在于,所述分离度值的权重值满足下述关系式:
7.根据权利要求1所述的基于图像处理的多面发花识别方法,其特征在于,基于所
8.根据权利要求1所述的基于图像处理的多面发花识别方法,其特征在于,根据所述加权后的分离度值与内聚度值,计算每个聚类簇的轮廓系数,得到最佳聚类结果,包括:
9.基于图像处理的多面发花识别系统,其特征在于,包括:处理器和存储器,所述存储器存储有计算机程序指令,当所述计算机程序指令被所述处理器执行时实现根据权利要求1-8任一项所述的基于图像处理的多面发花识别方法。
...【技术特征摘要】
1.基于图像处理的多面发花识别方法,其特征在于,包括:
2.根据权利要求1所述的基于图像处理的多面发花识别方法,其特征在于,对所述灰度图像的直方图进行聚类,根据所述直方图中峰值个数确定聚类个数的上限值,包括:
3.根据权利要求1所述的基于图像处理的多面发花识别方法,其特征在于,根据所述聚类个数的上限值,计算每个聚类簇的聚类中心,根据所述聚类中心满足迭代条件后更新聚类结果,得到多个聚类簇,包括:
4.根据权利要求3所述的基于图像处理的多面发花识别方法,其特征在于,根据所述聚类簇进行二分类,得到茶叶聚类簇和发花聚类簇,其中,最小灰度均值的类别作为茶叶聚类簇,其余聚类簇为发花聚类簇,包括:
5.根据权利要求3所述的基于图像处理的多面发花识别方法,其特征在于,构建所...
【专利技术属性】
技术研发人员:周文富,马树政,周驰力,
申请(专利权)人:陕西仙喜辣木茯茶有限公司,
类型:发明
国别省市:
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。