[发明专利]基于局部对称关系的烟梗提取方法

说明书

本发明公开了一种基于局部对称关系的烟梗提取方法，该方法主要包括两步，第一步使用基于局部对称性变换方法获得对称性特征图和笔画宽度特征图，接着将对称性特征图和笔画宽度特征图与原图组合成一个五通道的特征空间，然后在这个特征空间上使用区域生长算法获得烟梗连通区域；第二步使用层次聚类方法将可能属于一个烟梗的多个断裂的连通区域连接起来，最后使用了一个基于阈值的连通区域过滤方法获得最后的主要烟梗；烟梗提取出来之后可以利用烟梗的位置来进行烟叶的分选或者对烟叶进行梗茎剔除操作以确保香烟质。

技术领域

本发明属于烟叶梗茎检测应用领域，具体提出了一种利用局部对称关系检测烟梗的算法以及利用层次聚类方法连接断裂烟梗的方法。

背景技术

烟草是我国重要的经济作物之一，烟草行业一直以来都是国家的利税大户，在国民经济收入中占有重要的地位。同时，我国也是目前世界上最大的烟草生产和消费国家，卷烟总产量占世界卷烟总产量的30％，同时烟草消费也占世界的三分之一，烟草行业的利税占中国财政收入的十分之一左右。随着人们对卷烟产品品质要求的提高和需求量的增加，想要实现烟草行业的更快更好更稳的发展，实现其生产自动化、产品高质量化，势在必行。

烟叶是由主脉、支脉和叶片组成的，烟叶的主脉也就是我们常说的烟梗。卷烟制品中烟气的有效成分主要是依靠叶片提供的，因烟梗中纤维素的含量高，其燃烧的香烟烟气不够，烟味平淡，劲头小，刺激性大。所以烟叶在经过打叶处理后，还需要进行烟叶梗茎的剔除操作，以确保香烟质量。

另外目前烟叶的分选主要靠人工操作，从大量的烟叶堆中将一张张烟叶分选开是一个耗时的工作。如果能够实现一个自动分选烟叶的系统，那么就能够将生产线上的工人从重复大量的分选烟叶工作中解放出来，另外也能大幅增加烟叶的分选速度。目前烟叶的自动分选系统的主要难点是如何将单片烟叶从一堆烟叶中提取出来，要实现这一目标，首先是要找出烟叶中的烟梗，定位了烟梗自然就能够知道烟叶的位置，从而驱动机械臂去抓取烟叶，实现烟叶的自动分选。

发明内容

为提取出烟叶中的主要烟梗，本发明提出了一种基于局部对称性关系的烟梗提取方法，能够在RGB图像上检测出烟叶的梗茎，不同于有些在红外线图像上检测烟梗的方法，该方法更容易应用，另外，该方法的烟梗检出率较高，这是由于该方法中采用的对称性变换能够有效地提取出烟梗两个边缘的对称关系，最后，该方法利用了一种层次聚类的方法将本属于一张烟叶的断裂的烟梗连接起来，所以即使烟叶的成像效果不好或者烟叶本身的遮掩问题导致图像中烟梗断裂，该方法也能将主要的烟梗提取出来。

一种基于局部对称关系的烟梗提取方法，该方法的包括以下步骤：

步骤A：获取烟叶图像后对原图像进行局部对称性变换获得对称性特征图和笔画宽度特征图；

步骤B：对原图像的每个像素点用R，G，B颜色值以及对称性度量值和笔画宽度值来表示，通过简单的将原RGB图像和对称性特征图像还有笔画宽度图像叠加在一起，形成了一个五维的特征空间，接着在这个五维的特征空间中使用区域生长来获得连通区域，接着对获得的连通区域做粗过滤处理以去除一些噪声；

步骤C：在去除噪声的连通区域上使用自下而上的层次聚类方法将断裂的可能属于同一烟梗的连通区域重新连接起来；

步骤D：聚类完成之后使用连通区域级的过滤方法来获得主要的烟梗，滤去图像中的非烟梗连通区域。

所述步骤A的具体步骤如下：

步骤A01：输入一副烟叶的RGB图像，先对图像做USM锐化来增强边缘；USM锐化的方法的流程为：首先对原图像做低通滤波以模糊图像，然后将原图像减去低通滤波后的图像以获得图像的高频部分，最后将图像的高频部分与原图相叠加来完成锐化操作；

步骤A02：对于边缘增强后的图像，使用sobel算子来计算梯度图像；