

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、機(jī)器視覺(jué)技術(shù)為煙草工業(yè)加工的自動(dòng)化提供了一種可行方式。煙草異物檢測(cè)技術(shù)和煙葉自動(dòng)分級(jí)技術(shù)受到了廣大研究人員的關(guān)注,并對(duì)其進(jìn)行了一定的研究。針對(duì)現(xiàn)有方法檢測(cè)精度和分級(jí)正確率較低的問(wèn)題,研究更為有效的煙草異物檢測(cè)方法和煙葉分級(jí)方法,具有重要的理論意義和實(shí)用價(jià)值。本文具體研究了煙草異物檢測(cè)、煙葉圖像去噪、正副組煙葉分類、正組煙葉分級(jí)等煙草圖像處理方法,主要工作如下:
首先,提出了一種基于非局部相似性交叉熵的含噪圖像閾值分割算法,并將
2、其直接應(yīng)用于含噪煙草圖像的異物檢測(cè)。該算法根據(jù)含噪圖像的灰度級(jí)自適應(yīng)計(jì)算閾值向量組,并依次使用其中的閾值向量對(duì)含噪圖像進(jìn)行閾值分割;利用分割前后每個(gè)像素點(diǎn)的8鄰域向量與閾值向量的非局部相似性,分別表示含噪圖像分割前和分割后的概率分布;依據(jù)交叉熵準(zhǔn)則選取最優(yōu)閾值向量,對(duì)含噪圖像進(jìn)行分割以檢測(cè)煙草異物。經(jīng)過(guò)大量實(shí)驗(yàn),與多種基于信息量的閾值分割算法相比,所提出算法表現(xiàn)出明顯的抗噪優(yōu)勢(shì),且對(duì)噪聲的魯棒性強(qiáng),適用于檢測(cè)與煙草灰度差別較大的異物。<
3、br> 然后,研究了一種基于改進(jìn)灰度熵的雙向遞推閾值分割算法,并將其應(yīng)用于預(yù)處理后的煙草圖像以檢測(cè)異物。該改進(jìn)灰度熵針對(duì)一維和二維直方圖,分別給出了相應(yīng)的圖像概率分布表示方法,并計(jì)算此概率分布下不同閾值時(shí)的圖像Tsallis熵;利用雙向遞推算法加快其運(yùn)算速度;選取Tsallis熵最大時(shí)的閾值來(lái)分割圖像,實(shí)現(xiàn)異物檢測(cè)。實(shí)驗(yàn)結(jié)果表明,與基于分解、基于遞推、基于優(yōu)化等5種二維灰度熵閾值分割算法相比,所研究算法可更好地表示類內(nèi)灰度一致性,異物
4、檢測(cè)結(jié)果更加準(zhǔn)確。
其次,提出了一種基于引導(dǎo)核聚類和自適應(yīng)搜索窗的非局部均值圖像去噪算法,并將其應(yīng)用于煙葉圖像去噪。該算法使用基于引導(dǎo)核的模糊C均值聚類算法對(duì)相似窗進(jìn)行預(yù)篩選,劃分其類別;根據(jù)相似窗的類別計(jì)算每個(gè)像素點(diǎn)對(duì)應(yīng)的搜索窗大小,以保證相似性較高的相似窗數(shù)量;分別對(duì)每一類進(jìn)行自適應(yīng)搜索窗的非局部均值圖像去噪。經(jīng)過(guò)大量煙葉圖像去噪實(shí)驗(yàn),與基于Zernike矩、基于主鄰域字典、基于均值方差預(yù)篩選等3種非局部均值改進(jìn)算法相比,
5、所提出算法對(duì)于強(qiáng)噪聲污染或不規(guī)則紋理的煙葉圖像,去噪效果更為有效,并更好地保持了煙葉的紋理和邊緣。
再次,實(shí)現(xiàn)了一種基于多特征和小波支持向量機(jī)的正副組煙葉分類算法。在煙葉圖像的HSV空間中定義了含青率、烤紅率兩個(gè)顏色特征,使用Gabor小波提取煙葉的紋理特征;將這些特征進(jìn)行歸一化處理后,輸入小波支持向量機(jī)進(jìn)行訓(xùn)練,并利用訓(xùn)練好的小波支持向量機(jī)對(duì)煙葉圖像進(jìn)行分類。實(shí)驗(yàn)結(jié)果表明,與基于模糊推理、基于反向傳播神經(jīng)網(wǎng)絡(luò)、基于支持向量機(jī)
6、等3種正副組煙葉分類算法相比,此算法更好地實(shí)現(xiàn)了煙葉分類,正組煙葉與副組煙葉的誤分更少,分類正確率高。
最后,探索了一種基于卷積神經(jīng)網(wǎng)絡(luò)和顏色識(shí)別的正組煙葉分級(jí)算法。將彩色煙葉圖像灰度化后,直接輸入卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行正組煙葉部位識(shí)別;同時(shí),將彩色煙葉圖像由RGB空間轉(zhuǎn)化至HSV空間,在H通道中定義紅色、橘色、黃色對(duì)應(yīng)的閾值區(qū)間,并統(tǒng)計(jì)這3種顏色的比例分布,實(shí)現(xiàn)同一部位正組煙葉的顏色識(shí)別。實(shí)驗(yàn)結(jié)果表明,與基于模糊推理、基于廣義回歸
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于機(jī)器視覺(jué)的煙葉自動(dòng)分級(jí)方法研究.pdf
- 基于機(jī)器視覺(jué)的蘋果檢測(cè)分級(jí)方法研究.pdf
- 基于機(jī)器視覺(jué)的番茄品質(zhì)檢測(cè)和分級(jí)方法研究.pdf
- 基于機(jī)器視覺(jué)的煙葉梗莖檢測(cè)與煙葉類型識(shí)別方法研究.pdf
- 基于機(jī)器視覺(jué)的棉花異物檢測(cè)技術(shù)研究.pdf
- 基于移動(dòng)機(jī)器人視覺(jué)的道路異物檢測(cè)方法研究.pdf
- 基于機(jī)器視覺(jué)和近紅外光譜的馬鈴薯分級(jí)檢測(cè)方法.pdf
- 基于機(jī)器視覺(jué)的顏色分級(jí)方法研究.pdf
- 大輸液異物視覺(jué)識(shí)別和分類方法研究.pdf
- 基于機(jī)器視覺(jué)的煙葉分級(jí)關(guān)鍵技術(shù)研究與實(shí)現(xiàn).pdf
- 基于機(jī)器視覺(jué)的瓶裝液體異物檢測(cè)技術(shù)研究.pdf
- 基于機(jī)器視覺(jué)的藥液中可見(jiàn)異物檢測(cè)技術(shù)的研究.pdf
- 基于機(jī)器視覺(jué)的酒液異物在線檢測(cè)技術(shù)研究.pdf
- 基于機(jī)器視覺(jué)的機(jī)場(chǎng)跑道異物檢測(cè)技術(shù)研究.pdf
- 基于機(jī)器視覺(jué)的紅棗分級(jí)檢測(cè)技術(shù)研究.pdf
- 基于機(jī)器視覺(jué)的樹(shù)脂鏡片缺陷檢測(cè)及分類方法研究.pdf
- 基于機(jī)器視覺(jué)的彩鋼板缺陷檢測(cè)和智能分類研究.pdf
- 安瓿可見(jiàn)異物視覺(jué)檢測(cè)機(jī)器人研究.pdf
- 基于機(jī)器視覺(jué)的珍珠分級(jí)檢測(cè)技術(shù)研究.pdf
- 基于機(jī)器視覺(jué)的蘋果分級(jí)檢測(cè)算法研究.pdf
評(píng)論
0/150
提交評(píng)論