[发明专利]一种基于多特征与多分类器的鲜茶叶分类方法

权利要求书

1.一种基于多特征与多分类器的鲜茶叶分类方法，其特征在于：具体包括：

S101：获取茶叶图像，作为训练数据集；

S102：对茶叶图像进行预处理，得到预处理后的茶叶图像；

S103：对预处理后的茶叶图像进行几何特征提取，得到预处理后的茶叶图像的5个相对几何特征和7个Hu不变矩相对几何特征；

对预处理后的茶叶图像进行轮廓提取，得到茶叶轮廓，并根据茶叶轮廓进行多边形拟合，得到拟合的多边形；

S104：对茶叶图像的灰度图进行纹理特征提取，得到茶叶图像的1个纹理特征；

对拟合的多边形进行角点检测，根据角点检测得到的特殊角点数量，并结合茶叶样本数据统计，得到茶叶类别及茶叶类别对应的分类概率；

S105：利用12个相对几何特征和1个纹理特征训练SVM分类器，得到基于SVM的鲜茶叶分类模型；

对所述特殊角点进行距离矩阵度量，得到特殊角点序列的距离矩阵特征库；

对待预测茶叶图像进行角点检测，并根据待预测样本的特殊角点进行距离矩阵度量，得到待预测样本的距离矩阵；

根据待预测茶叶图像的距离矩阵与所述特殊角点序列的距离矩阵特征库，计算距离矩阵相似度；

S106：利用所述基于SVM的鲜茶叶分类模型对待预测茶叶图像进行分类预测，得到基于相对几何特征、纹理特征以及SVM的茶叶各类别分类概率；

根据待预测茶叶图像的特殊角点数量和距离矩阵相似度对待预测茶叶图像进行分类预测，得到基于特殊角点以及距离矩阵相似度的茶叶各类别分类概率；

S107：将基于相对几何特征、纹理特征以及SVM的茶叶各类别分类概率和基于特殊角点以及距离矩阵的茶叶各类别分类概率进行基于KNN的结果融合，得到待预测茶叶图像最终分类结果。

2.如权利要求1所述的一种基于多特征与多分类器的鲜茶叶分类方法，其特征在于：步骤S102中，对茶叶图像进行预处理，得到预处理后的茶叶图像，具体为：将茶叶图像进行灰度变换，得到灰度图像；对灰度图像进行高斯滤波，得到滤波去噪后的图像；采用大津算法对滤波去噪后的图像进行处理，得到预处理后的茶叶图像，即二值化图像。

3.如权利要求1所述的一种基于多特征与多分类器的鲜茶叶分类方法，其特征在于：步骤S103中，5个相对几何特征包括矩形度、圆形度、球形度、偏心率和周长凹凸比，计算公式分别式(1)、(2)、(3)、(4)和(5)所示：

式(1)中，A为叶片面积，A_MER为最小外接矩形面积；式(2)中A为叶片面积，P为叶片周长；式(3)中，R_MIC为叶片最大内切圆半径，R_MCC为叶片最小外接圆半径；式(4)中，A为叶片长轴，B为叶片短轴；式(5)中，P为叶片周长，P_CH为叶片凸包周长。