基于計算機視覺(jué)和神經(jīng)網(wǎng)絡(luò )技術(shù)的煙葉品質(zhì)智能識別方法

摘要：在對煙葉品質(zhì)進(jìn)行圖像處理過(guò)程中，借助MATLAB圖像處理工具箱和神經(jīng)網(wǎng)絡(luò )技術(shù)，對各種類(lèi)型的煙葉的數字圖像進(jìn)行計算機視覺(jué)分析，包括邊緣檢測、輪廓提取、用圖像工具箱抽取煙葉數字圖像特征，將待測煙葉樣本與標準煙葉樣本進(jìn)行自適應學(xué)習訓練，最后迭到自動(dòng)識別待測煙葉樣本的品質(zhì)的智能評定，由此推進(jìn)煙葉生產(chǎn)過(guò)程的技術(shù)創(chuàng )新。

1引言

煙葉是煙草工業(yè)的基礎原料，代寫(xiě)論文 對煙草工業(yè)生產(chǎn)質(zhì)量和煙草行業(yè)經(jīng)營(yíng)效益具有舉足輕重的作用。對煙葉生產(chǎn)過(guò)程的各個(gè)環(huán)節包括煙葉品質(zhì)的智能識別進(jìn)行技術(shù)創(chuàng )新，提高品質(zhì)和效率，是一個(gè)前沿研究方向[1][5]。

當前這一方面的研究，主要集中在數字圖像處理方面，把煙葉品質(zhì)的數字圖像處理與神經(jīng)網(wǎng)絡(luò )技術(shù)相結合，實(shí)現煙葉品質(zhì)的智能識別，是一個(gè)極有價(jià)值的工作。以下在此方面作出一個(gè)系統的、較為完備的、易于實(shí)際操作的研究。

2主要技術(shù)手段

2．1 MAⅡAB圖像處理工具箱

在MATLAB平臺上，借助圖像處理工具箱，可以簡(jiǎn)易明快地實(shí)現對煙葉數字圖像的圖像處理。在煙葉生產(chǎn)一線(xiàn)，用數碼照相機對各種煙葉樣本進(jìn)行拍照，輸入計算機，用MAT_LAB將它轉換為各(．bmp；．jpeg；．gif；．png；．t 圖片以便進(jìn)行圖像處理。成本低，精確度高，宜于普及推廣。獲取各種類(lèi)型的煙葉數字圖像以后，經(jīng)閾值使用權圖像二值化，可以當即辨識出這一圖像是否具有何種類(lèi)型的病蟲(chóng)害或品質(zhì)異變。利用煙葉數字圖像的邊緣檢測、輪廓提取等分析命令，獲得待測煙葉的圖像參數和特征，再由神經(jīng)網(wǎng)絡(luò )技術(shù)，完成對煙葉品質(zhì)的智能識別。

2．2神經(jīng)網(wǎng)絡(luò )技術(shù)

神經(jīng)網(wǎng)絡(luò )是一個(gè)新的智能識別工具。代寫(xiě)畢業(yè)論文 經(jīng)過(guò)訓練的神經(jīng)網(wǎng)絡(luò )能夠存儲與過(guò)程有關(guān)的信息，能直接從歷史數據中學(xué)習，經(jīng)過(guò)用各種煙葉樣本訓練和學(xué)習的神經(jīng)網(wǎng)絡(luò )，能自動(dòng)地識別出待測煙葉樣本的品質(zhì)類(lèi)型。而且，神經(jīng)網(wǎng)絡(luò )具有濾除噪聲及在有噪聲情況下得出正確結論的能力。這一點(diǎn)對于煙葉生產(chǎn)實(shí)際中大量存在各種噪聲信息的情況而言，特別重要。它特別適合在線(xiàn)識別。

3應用MATLAB圖像處理工具箱和神經(jīng)網(wǎng)絡(luò )技術(shù)對煙葉品質(zhì)智能識別的操作過(guò)程

3．1煙葉圖片樣本庫的建立

用數碼相機或其它數字圖像采集工具，采集各種類(lèi)型的煙葉的標準圖片，分類(lèi)歸檔，借助MATLAB圖像變換功能，將各種類(lèi)型的煙葉的標準圖片，轉換成各種圖片形式：．bmp；．jpeg；．sir；．png；．tif等，以便隨時(shí)調用。這些煙葉圖片，有不同品質(zhì)的樣本；還有各種病蟲(chóng)害標本和變異標本。

3．2用直方圖均衡來(lái)實(shí)現圖像增強

當從生產(chǎn)一線(xiàn)采集的煙葉待測樣本的圖像對比度較低，代寫(xiě)碩士論文 即灰度直方圖分布區間較窄時(shí)，可用直方圖均衡實(shí)現灰度分布區間展寬而達到圖像增強的效果。

3．3煙葉圖像的邊緣檢測和特征提取

煙葉圖像的基本特征之一是圖像邊緣。圖像邊緣是圖像周?chē)袼鼗叶扔须A躍性變化或屋頂變化的像素的集合。煙葉的邊緣是由灰度的不連續性所致，因此考察圖像每個(gè)像素在某個(gè)鄰域內灰度的變化，利用邊緣鄰近一階或二階方向導數變化規律可以檢測煙葉圖像邊緣。圖像特征反映煙葉的幾何結構，如面積、周長(cháng)、分形分維數、孔洞數、歐拉數等等。圖像特征的選擇是圖像識別的重要環(huán)節。運用二叉分類(lèi)法在找出判別特征后，對不同的圖像特征由分類(lèi)閾值按二分的方法進(jìn)行分類(lèi)；運用相似距離分類(lèi)方法把待判圖像與一個(gè)標準圖像相比，標準圖像用樣本圖像特征向量的均值來(lái)表示。通過(guò)計算待判圖像與標準圖像之問(wèn)的在相空間中的距離來(lái)判別圖像和進(jìn)行分類(lèi)。這一過(guò)程還為用神經(jīng)網(wǎng)絡(luò )技術(shù)實(shí)現對煙葉品質(zhì)進(jìn)行智能識別作出必要的準備。

3．4數字圖像矩陣數據的顯示及其傅立葉

變換這一變換的目的是為提取特征、進(jìn)行神經(jīng)網(wǎng)絡(luò )模式識別等作出必要的準備。

這是使煙葉圖像性質(zhì)更為優(yōu)良而采取的一個(gè)技術(shù)操作，源代碼如下：

I=imread (yangshuo．tif#39;)；imshow (I)；

figure，imhist(I)；

[J，T]=histeq (I，64)；

％圖像灰度擴展到0-255，但是只有64個(gè)灰度級

figure，imshow (J)；

figure，imhist(J)；

figure，Dlot((0：255)／255，T)；％轉移函數的變換曲線(xiàn)

J=histeq (I，32)；

figure，imshow 0)；

％圖像灰度擴展到0～255，但是只有32個(gè)灰度級

figure，imhist(J)；

3．6采用二維中值濾波函數對受椒鹽噪聲干擾的圖像濾波

MATLA圖像處理工具箱具有強大的功能，能夠對噪聲干擾的煙葉圖片進(jìn)行消噪處理，模擬源代碼如下：

I=imread (eight．tif#39;)；

imshow (I)；

J2=imnoise (I，saltpepper ，0．04)；

％疊加密度為0．04 的椒鹽噪聲

figure，imshow 02)；

I_Filterl=medfdt2 （J2，[3 ，3])；

％窗口大小為3x3

figure．imshow (I Fiher1)；

I_Filter 2=medfdt2 （J2，[5， 5])；

％窗口大小為5x5

figure，imshow (I_Filter2)；

I_Filter3=medf#39;dt2 （J2，[7， 7])；

％窗口大小為7x7

figure，imshow (I_Filter3)；

3．7用神經(jīng)網(wǎng)絡(luò )技術(shù)對煙葉圖像進(jìn)行智能識別

神經(jīng)網(wǎng)絡(luò )作為一種自適應的模式識別技術(shù)，并不需要預選給定有關(guān)模式的經(jīng)驗知識和判別函數，它能通過(guò)自身的學(xué)習機制自動(dòng)形成所要求的決策區域。網(wǎng)絡(luò )的我由其拓樸結構、神經(jīng)元特性、學(xué)習和訓練規則所決定，它可以充分利用狀態(tài)信息，對不同狀態(tài)一一進(jìn)行訓練而獲得某種映射關(guān)系，并且，網(wǎng)絡(luò )可以連續學(xué)習，即使環(huán)境變異，這咱映射關(guān)系可以自適應調整。在上面各節獲取煙葉圖像特征基礎之上，可以用神經(jīng)網(wǎng)絡(luò )技術(shù)進(jìn)行圖像模式識別。例如，基于概率神經(jīng)網(wǎng)絡(luò )PNN的煙葉品質(zhì)智能識別，它的主要優(yōu)點(diǎn)是：快速訓練，訓練時(shí)問(wèn)僅略大于讀取數據時(shí)間；無(wú)論分類(lèi)多么復雜，只要有足夠的訓練數據(而這是煙葉生產(chǎn)一線(xiàn)可以做到的)，就可以保證獲得貝斯葉準則下的最優(yōu)解，允許增加或減少訓練數據而無(wú)需重新進(jìn)行長(cháng)時(shí)間訓練。這一神經(jīng)網(wǎng)絡(luò )對于煙葉品質(zhì)的圖像識別，具有重要意義。

4結論

基于計算機視覺(jué)和神經(jīng)網(wǎng)絡(luò )技術(shù)的煙葉品質(zhì)識別的數字圖像處理方法，代寫(xiě)醫學(xué)論文 是煙葉生產(chǎn)環(huán)節的一種技術(shù)創(chuàng )新，它可以在煙葉生產(chǎn)一線(xiàn)普及推廣，簡(jiǎn)便易行，能夠較大地提高煙葉品質(zhì)檢測的效率和質(zhì)量，以及自動(dòng)化程度和智能化水平。

參考文獻

[1]于潤偉．基于圖像處理的稻米堊白自動(dòng)檢測研究[J]．中國糧油學(xué)報，2007，1：122—124．

[2]章毓晉-圖像處理和分析[M]．北京：清華大學(xué)出版社，1999．

[3]崔屹．圖像處理與分析——數學(xué)形態(tài)學(xué)方法及其應用[M]．北京：科學(xué)出版社，2000．

更多計算機與外設信息請關(guān)注：21ic計算機與外設頻道