[发明专利]基于图像处理的梗签识别检测方法

权利要求书

1.基于图像处理的梗签识别检测方法，其特征在于，包括如下步骤：

步骤1，采集烟丝图像；

步骤2，对所述烟丝图像中的梗签进行识别，得到梗签；

步骤3，根据采集的梗签，建立梗签面积与梗签质量的拟合模型；

步骤4，根据所述拟合模型计算烟丝的含签率。

2.根据权利要求1所述的基于图像处理的梗签识别检测方法，其特征在于：所述步骤1中，所述烟丝图像包括只包含梗签的梗签图像以及由梗签和烟丝混合而成的混合烟丝图像。

3.根据权利要求1所述的基于图像处理的梗签识别检测方法，其特征在于：所述步骤2包括如下子步骤：

步骤2-1，对烟丝图像进行预处理；

步骤2-2，根据经过图像预处理后的烟丝图像，提取每个烟丝轮廓的形状、颜色、纹理特征；

步骤2-3，根据提取烟丝轮廓的形状、颜色、纹理特征，通过Boruta特征方法降低特征维度；

步骤2-4，根据Boruta特征方法降低后的特征，以支持向量机SVM为基分类器，利用AdaBoost集成学习的方法，得到识别梗签的模型；

步骤2-5，根据分类模型识别出烟丝图像中的梗签，计算每一个梗签的面积并进行累加，得到梗签的总面积。

4.根据权利要求3所述的基于图像处理的梗签识别检测方法，其特征在于：所述步骤2-1包括如下过程：

对采集到的烟丝图像进行去除噪声处理；

根据经过去噪处理后的烟丝图像，对烟丝进行二值化，提取烟丝的连通区域；

根据提取出的烟丝连通区域，计算每个烟丝连通区域的外接矩形，提取到每一片的烟丝图像，方便之后的特征提取。

5.根据权利要求4所述的基于图像处理的梗签识别检测方法，其特征在于：所述去除噪声处理采用中值滤波法，滤波窗口大小为3×3，二值化采用阈值分割完成。

6.根据权利要求3所述的基于图像处理的梗签识别检测方法，其特征在于：所述步骤2-2通过计算分割出的烟丝图像的灰度共生矩阵提取纹理特征，包括如下过程：

步骤2-2-1，通过以下公式，计算出图像的对比度Contrast、差异性Dissimilarity、同致性Homogeneity、二阶矩ASM、能量Energy、相关性Correlation，

其中：

其中，i，j表示相距一定距离同时出现的灰度值对，k表示灰度值的级数，P(i,j)表示灰度值i，j同时出现的概率；

步骤2-2-2，通过以下公式，计算分割出的烟丝图像的一阶矩、二阶矩、三阶矩得到颜色特征，

其中，P_ab表示第a个通道的第b个像素的强度值，N表示图像中的像素个数；

步骤2-2-3，通过以下公式，计算分割出的烟丝图像的分散度D，矩形度R以及圆形度R₀得到形状特征，

其中，L表示轮廓像素个数的周长，S表示轮廓包含的像素个数的面积，S_MER表示最小外接矩形面积。

7.根据权利要求3所述的基于图像处理的梗签识别检测方法，其特征在于：所述步骤2-3包括如下过程：

步骤2-3-1，对提取到的每个真实特征，随机打乱顺序，得到阴影特征矩阵，拼接到真实特征后面，构成新的特征矩阵；

步骤2-3-2，训练一个随机森林分类的扩展数据集，同时设定一个特征重要性措施；

步骤2-3-3，在每次迭代中，检查一个真实特征是否比最好的阴影特征得分更高，即检查该真实特征是否有更高的重要性，并且不断删除非常不重要的特征；

步骤2-3-4，当所有特征得到确认或拒绝，或算法达到随机森林运行的一个规定的限制时，算法停止，得到新的特征矩阵。