基于经验模式分解和颜色空间的茶叶图像增强方法技术

技术编号:7918047 阅读:166 留言:0更新日期:2012-10-25 02:58
本发明专利技术公开一种基于经验模式分解和颜色空间的茶叶图像增强方法。本发明专利技术首先将原始的茶叶RGB彩色图像转换为HSI颜色空间,然后采用改进的二维经验模式分解方法,得到多个不同尺度的固有模式函数和残差分量的图像,并建立视觉适应模型对得到的固有模式函数和残差分量的图像进行调整,最后完成对现场茶树中茶叶图像的增强计算。实验结果表明该算法能很好地改善茶叶图像对比度低、亮度低、边缘模糊的情况,增强后的图像更为清晰,同时亮度、对比度得到很好的改善。

【技术实现步骤摘要】

本专利技术属于图像处理
,是一种对现场茶叶图像的基于改进的二维经验模式分解和颜色空间转换的茶叶图像增强的方法。
技术介绍
在现代精细农业的生产中,利用计算机图像技术可极大地提高精度和效率,实现信息采集和处理的自动化和智能化,并可对农作物生长进行无损、快速、实时的监测。应用计算机技术对茶叶色泽和品质的分析和识别已有一些研究,但以往的研究多是对基于对成品茶叶的形状和颜色或者是对茶叶的汤色进行研究,对农田现场茶树中的茶叶图像进行计算机处理的研究却很少。茶叶由于特有的生长环境的要求,雨水和云雾能更有利于产生良好品质的茶叶, 但却能造成获取的图像质量的下降,不同程度地影响了对图像的进一步应用和处理,如图像的特征提取、目标识别等。因此,茶叶图像需要进行图像增强处理。图像增强是增强图像中的有用信息,其目的是要增强视觉效果。将原来不清晰的图像变得清晰或强调某些感兴趣的特征,抑制不感兴趣的特征,从而改善图像质量、丰富信息量,加强图像的后期处理效果。颜色空间是彩色图像不同颜色理论上的表征方式,原始的数码图像是RGB格式,本专利技术首先将茶叶图像从RGB颜色空间转换到HSI颜色空间,HSI颜色空间更能接近人对彩色世界的观察方式,能更好地表明我们对色彩的理解和更利于处理。经验模式分解(Empirical Mode Decomposition, EMD)是一种用于非线性和非平稳数据分析的方法,现已应用多个领域。二维经验模式分解(BEMD)是近年来提出的一个多尺度结构的新方法,在时域上将一个二维的图像信号分解成不同尺度的二维固有模式函数(Intrinsic Mode Function, IMF),它是包含不同频率的细节图层,是一种在时域范围内的频率分析方法。由于二维经验模式分解方法具有将图像分解为局部窄带信号的能力,在图像增强方面能取得比常用的小波分析等分析方法更好的效果。
技术实现思路
本专利技术通过分析茶树中茶叶图像的颜色空间特性,结合视觉模型特点提出一种基于改进的二维经验模式分解和颜色空间的茶叶图像增强方法。本专利技术中的二维经验模式分解是先运用数学形态学的方法提取图像极点,所提取的极值点再通过改进的三角剖分插值法进行曲面插值得到包络面,然后对极值点包络面取平均,再将其与原图像信号相减,从而进行迭代。通过经验模式分解,图像被分解为一系列包含不同细节信息的图像细节层和一个包含图像亮度信息的图像残差层。在每一个点上,前一个图像细节层的频率均比后一个细节层的频率高。通过对各个图像细节层和残差层的调节可以实现图像增强。分解后得到的IMF尺度从小到大进行排列,即频率从大到小进行排列,代表着图像的细节模式结构,残差图像代表着图像基本照度信息和趋势。其中IMF满足以下2个条件(I)在整个数据序列中,极值点的数量与过零点的数量必须相差不超过I个;(2 )在任一时间点上,信号局部极大值确定的上包络线和局部极小值确定的下包络线的均值为零,即满足传统平稳高斯过程。这种分解是自适应的,因此具有很高的效率。本专利技术的,其特征是包含以下具体步骤(I)将原始茶叶图像f (X,y)从RGB空间转换到HSI空间,并得到H、S、I的3个分量值,提取亮度分量图像AUy);(2)初始化余量函数 r = Imf1 = (x, y);(3)筛选第 i 个 imfi ;I)赋值h = Ti,并用数学形态学的方法提取局域Iii的极大值和极小值;·II)通过改进的三角剖分插值法构造上下极值包络曲面Xi和Yi ;III)求取上下包络曲面的均值Hii = (X^Yi) /2 ;IV)用原曲面减去均值包络曲面,求出余量hi+1 = Iii-Hii ;V)计算和判别停止收敛条件SD ;VI)重复步骤I) 步骤V),直到满足SD彡SDmax,并赋值imfi = hi; =r^-imfi ;(4)对其进行视觉适应性计算;I)初始化适应函数sQ = imfi ;II)计算S0的均值和方差,并计算出亮度调整矩阵,进行亮度调整;III)对输入图像再进行对比度调整;IV)得到视觉适应性图像;(5)重复步骤(3广步骤(4),直到ri中极值点数少于2 ;(6)对得到的残差图像res(x,y)进行步骤⑷处理;(7)得到最终图像/'(U) = Zt1+;(8)将图像转换为RGB格式。本专利技术采用了改进的三角剖分插值法,改进了传统三角剖分插值法容易造成了奇异点的现象,针对奇异点采取了对称点估值方法,具体算法是I)选取一个初始三角形T,T包含点集C;2)在C中依次取出一点Ci,插入到初始三角形;3)判断Ci位于哪些三角形的外接圆中,将这些三角形构成一个凸包;4)删去凸包中所有的边;5)将Ci点与该凸包的所有顶点连接起来,得到当前的三角剖分;6)如果C^O,则转向步骤2),否则结束;7)找到奇异点SPQ1, jj)及最近的边界点I (i2, j2);8)以I (i2, j2)为对称中心找到与奇异点SPai, J1)对称的点SP' (2i2-i1; 2j2-j1),以点SP'(2i2-i1; 2j2-j1)的灰度值赋给奇异点SPai, J1)。因为MF过零点的数目是无法统计的,所以二维经验模式分解时应建立收敛条件作为筛选过程的停止条件,针对二维MXN像素的图像f(x,y),其中X = l,2,...,M,y =1,2,...,N,收敛条件计算为权利要求1.一种,其特征是包含以下具体步骤 (1)将原始茶叶图像f(X,y)从RGB空间转换到HSI空间,并得到H、S、I的3个分量值,提取亮度分量图像AUy); (2)初始化余量函数2.根据权利要求I所述的,其特征是在步骤(3)采用改进的三角剖分插值法,算法的具体步骤是 1)选取一个初始三角形T,T包含点集C; 2)在C中依次取出一点Ci,插入到初始三角形; 3)判断Ci位于哪些三角形的外接圆中,将这些三角形构成一个凸包; 4)删去凸包中所有的边; 5)将(;点与该凸包的所有顶点连接起来,得到当前的三角剖分; 6)如果C古O,则转向步骤2),否则结束; 7)找到奇异点SPa1,J1)及最近的边界点I a2,j2); 8)以I(i2,j2)为对称中心找到与奇异点SPai, J1)对称的点SP' (2i2-i1; 2j2-j1),以点SP' (2i2-i1; 2j2-j1的灰度值赋给奇异点SPai, J1)。3.根据权利要求I所述的,其特征是在步骤(3)中的停止收敛条件SD定义为4.根据权利要求I所述的,其特征是在步骤(4)的视觉适应性计算中,提出视觉适应性模型,其模型函数表示为 s(x y)=F{(i(x, y)) Xk(x, y)} 其中,s是输出的视觉适应性图像;i为输入灰度图像;k用于调节图像亮度;F用于调节图像对比度。5.根据权利要求I所述的,其特征是在步骤(4)的视觉适应性计算中,在对亮度和对比度的调整计算中,计算公式定义为6.根据权利要求I所述的,其特征是在步骤(7)的最终图像全文摘要本专利技术公开一种。本专利技术首先将原始的茶叶RGB彩色图像转换为HSI颜色空间,然后采用改进的二维经验模式分解方法,得到多个不同尺度的固有模式函数和残差分量的图像,并建立视觉适应模型对得到的固有模式函数和残差分量的图像进行调整,最后完成对现场茶树中茶叶图本文档来自技高网
...

【技术保护点】
一种基于经验模式分解和颜色空间的茶叶图像增强方法,其特征是包含以下具体步骤:(1)将原始茶叶图像f(x,y)从RGB空间转换到HSI空间,并得到H、S、I的3个分量值,提取亮度分量图像fI(x,y);(2)初始化余量函数r:r1=imf1=fI(x,y);(3)筛选第i个imfi;I)赋值hi=ri,并用数学形态学的方法提取局域hi的极大值和极小值;II)通过改进的三角剖分插值法构造上下极值包络曲面Xi和Yi;III)求取上下包络曲面的均值mi=(Xi+Yi)/2;IV)用原曲面减去均值包络曲面,求出余量hi+1=hi?mi;V)计算和判别停止收敛条件SD;VI)重复步骤I)~~步骤V),直到满足SD≤SDmax,并赋值imfi=hi,ri=ri?1?imfi;(4)对其进行视觉适应性计算;I)初始化适应函数:s0=imfi;II)计算s0的均值和方差,并计算出亮度调整矩阵,进行亮度调整;III)对输入图像再进行对比度调整;IV)得到视觉适应性图像;(5)重复步骤(3)~步骤(4),直到ri中极值点数少于2;(6)对得到的残差图像res(x,y)进行步骤(4)处理;(7)得到最终图像f′(x,y)=∑i=1Limfi(x,y)+resL(x,y);(8)将图像转换为RGB格式。...

【技术特征摘要】

【专利技术属性】
技术研发人员:汪建曾宪垠杜世平温安祥王开明
申请(专利权)人:四川农业大学汪建
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1