[发明专利]基于局部对称关系的烟梗提取方法

摘要

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。

主权项

1.一种基于局部对称关系的烟梗提取方法，其特征在于：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颜色值以及对称性特征值和笔画宽度值来表示，通过将原RGB图像和对称性特征图还有笔画宽度特征图叠加在一起，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；步骤A03：接着，在梯度图像上，遍历梯度图像上的所有像素，对任一像素点i，沿着其梯度方向寻找另外一个像素点j直到超出一个距离阈值时停止；对于点对(i,j)，计算其对称性特征值r，对称性特征计算公式为Rij＝OijGijDij，其中Rij为点对(i,j)的对称性特征值，Oij评价了点对(i,j)的梯度方向对称性，Gij评价了点对(i,j)的梯度值一致性，Dij评价了点对(i,j)的距离临近程度；然后将点对(i,j)连线上的所有点的对称性特征值都赋值为r，当然对任一像素点会被赋给多个对称性特征值，只需保留其中的最大值，同时保留取最大对称性特征值时的笔画宽度值；点对(i,j)笔画宽度值定义为点i和点j的欧式距离；所述步骤C的具体步骤如下：步骤C01：对任意两个连通区域计算获得其相似性度量，获得相似性度量矩阵；相似性度量的计算公式为Lij＝Pij(veci,vecj)*Pij(veci,vecij)*Pij(vecj,vecij)*Dij，其中veci为第i连通区域长轴的单位方向向量，vecj同理，vecij表示第i和第j连通区域的最短距离的单位方向向量，P函数评价了两个向量的平行程度，Dij表示第i和第j连通区域的最短距离的临近程度；步骤C02：对相似性度量矩阵做自下而上的层次聚类来将相似的连通区域聚集起来，先将每个连通区域看成一个簇，然后找出相似性度量矩阵中的最大值，若该值大于阈值，则将相似度最大的两个簇合并为一个簇，并更新相似性度量矩阵，否则，停止层次聚类；所述步骤D的具体步骤如下：步骤D01：对聚类后的连通区域做椭圆拟合，计算获得每个连通区域的短轴长度、长轴长度和长短轴比值；步骤D02：对于上一步骤提取的连通区域特征，设定一个经验阈值来过滤非烟梗连通区域，最终保留的连通区域即烟叶的主要烟梗。