基于线性分类器的烟草叶片结构分析算法研究
|
摘要
烟草等级分类是烟草生产的一个重要环节,对烟草的种植业和制造业具有很大的影响。而烟草等级自动分类,减少了人为的参与,提高烟草等级分类的速度和分类的准确率,将进一步促进烟草产业的发展。烟草等级分类有很多标准,烟叶叶片结构是其中的标准之一。本论文中提出了基于叶片结构的烟草等级分类方法并给出了相应的算法。主要的工作如下:
论文首先介绍了目前烟草等级分类的标准,目前国内外烟草叶片结构分析的研究现状和主要的分析的手段,强调了烟草叶片结构自动分析的必要性。
其次,对用CCD摄像头从烟草生产线上采集到的烟叶图片进行分类算法研究,目的是利用专家分类好的三个等级共45张烟草图像作为训练样本,来训练、设计叶片等级分类的分类器。研究工作主要包括以下几个方面:依据采集到的烟草图像进行图像预处理算法研究,对处理后的烟草图像研究图像分割算法,对分割好的烟叶图像计算烟叶叶片的块数和面积,然后进行特征选择算法研究,然后利用这些特征训练、设计线性分类器。
论文的最后,利用已知等级但未作为样本训练的烟草图片,检验算法的准确率和可靠性,检验表明该算法可行,准确性高达95%。
Tobacco classifying, which has great impact on tobacco planting and tobacco making, is an important step in tobacco product line. Owing to reducing man’s joining, automatic classifying of grading, increasing the speed and accuracy of the tobacco grading classifying, will improve the development of tobacco industry. There are many standards in tobacco grade classifying,and tobacco leaf structure is a important standard. In this paper some arithmetics are presented to classify tobacco based on the standard of tobacco leaf structure. The research contents of this paper are as follows:
Firstly, current standards of tobacco grade and state of research and means of tobacco leaf structure analysis are put forward. Then, we think it is very important to research on arithmetic of structure analysis of tobacco leaf.
Secondly, the arithmetics of tobacco classifying, which are based on tobacco leaf structure, is expatiated. In this paper tree grades tobacco leaves maps which are collected from tobacco product line by CCD are used as training swatches, each grade having fifteen tobacco maps. The main arithmetics include tobacco map pretreatment, tobacco map segmentation, getting the number of tobacco leaves and area of every tobacco leaf, feature choosing, swatches training and designing classifier.
Lastly, in this paper, tobacco leaves which are marked but not used as swatches are used to test our arithmatic. The experimental results show that our method for classifying tobacco has been successful achieving an accuracy of 95%.
论文首先介绍了目前烟草等级分类的标准,目前国内外烟草叶片结构分析的研究现状和主要的分析的手段,强调了烟草叶片结构自动分析的必要性。
其次,对用CCD摄像头从烟草生产线上采集到的烟叶图片进行分类算法研究,目的是利用专家分类好的三个等级共45张烟草图像作为训练样本,来训练、设计叶片等级分类的分类器。研究工作主要包括以下几个方面:依据采集到的烟草图像进行图像预处理算法研究,对处理后的烟草图像研究图像分割算法,对分割好的烟叶图像计算烟叶叶片的块数和面积,然后进行特征选择算法研究,然后利用这些特征训练、设计线性分类器。
论文的最后,利用已知等级但未作为样本训练的烟草图片,检验算法的准确率和可靠性,检验表明该算法可行,准确性高达95%。
Tobacco classifying, which has great impact on tobacco planting and tobacco making, is an important step in tobacco product line. Owing to reducing man’s joining, automatic classifying of grading, increasing the speed and accuracy of the tobacco grading classifying, will improve the development of tobacco industry. There are many standards in tobacco grade classifying,and tobacco leaf structure is a important standard. In this paper some arithmetics are presented to classify tobacco based on the standard of tobacco leaf structure. The research contents of this paper are as follows:
Firstly, current standards of tobacco grade and state of research and means of tobacco leaf structure analysis are put forward. Then, we think it is very important to research on arithmetic of structure analysis of tobacco leaf.
Secondly, the arithmetics of tobacco classifying, which are based on tobacco leaf structure, is expatiated. In this paper tree grades tobacco leaves maps which are collected from tobacco product line by CCD are used as training swatches, each grade having fifteen tobacco maps. The main arithmetics include tobacco map pretreatment, tobacco map segmentation, getting the number of tobacco leaves and area of every tobacco leaf, feature choosing, swatches training and designing classifier.
Lastly, in this paper, tobacco leaves which are marked but not used as swatches are used to test our arithmatic. The experimental results show that our method for classifying tobacco has been successful achieving an accuracy of 95%.
引文
[1] 美国烟草分级制度,福州,福建质量信息,1995(03):06~07。
[2] 沙涛,杭建军,欧阳光,一种烟叶大中叶率自动检测的有效方法,计算机测量与控制, 2004,12(10):935~936。
[3] 曲欣,烟叶在线实时光电分拣系统研究,[硕士学位论文],江苏南京,南京航空航天大学,2004。
[4] Rafasel C.Gonzadez, Richard E.Woods,数字图像处理(阮秋琦,阮宇智等译),北京,电子工业出版社,2003。
[5] 蔡兰,陈祯,梅林,图像增强技术在 X 射线探伤中的应用,无损检测,2005, 27(5):256～258 。
[6] 王德强,谢常青,陈大鹏,X 射线光刻对准系统图像增强技术和对准标记研究,电子工业专用设备,2005,121: 22～25 33。
[7] XU Lei, ZHENG Xiao-xiang, CHEN Xing-can, A novel method for image enchancement of medical images based on wavelet phase filter and onnlinear hunman visual properties , Acta Electronica Sinica, 1999, 27(9):121～123.
[8] 刘炜,孙丰荣,梅良模,基于信号多尺度边缘表示的 CT 医学图像增强,中国图像图形学报,2005,10(2):208～212。
[9] Weickert J, Coherence-enhancing diffusion of colour image, Image and Vision Computing, 1999, 17(3～4):201～212.
[10] 颜梅春,雷秀丽,基于高分辨率卫星 IKONOS 影像的城市道路信息提取研究,遥感技术与应用,2004,19-2 (4):85～89。
[11] 吴振宇,王朔中,基于区域分割的损伤图像修复,上海大学学报(自然科学版),1999,5(1):54～58。
[12] 樊红丽,焦永和,程颖,基于插值的残缺图像的修复算法,兵工学报,1999,26(1):86～89。
[13] 边肇祺,张学工,模式识别,北京,清华大学出版社,2000。
[14] DALSA Inc. CCD Technology Primer, Waterloo Canada, 4～5.
[15] DALSA Inc. Line Scan Primer, Waterloo Canada, 1～2.
[16] PULNIX America Inc. Camera Link,1～2.
[17] DALSA Inc. Trillium Camera User’s Manual, Waterloo Canada, 2001, 16~21.
[18] R.Buzio, P.Calvini, A.Ferroni, Surface analysis of paper documents damaged by foxing, Applied Physics A-Materials & Processing, 2004, 79:383~387.
[19] Joyoni Dey, Takeo Kanade, Modeling, Analysis of Ultrasonic Echoes Reflectrd from a Surface under Two Layers, S.L.Delp, A.M.DiGioia, B.Jaramaz, MICCAI 2000, Pittsburgh, PA, USA, 2000:482~491.
[20] 刘榴娣,刘明奇,党长民,实用数字图像处理, 北京,北京理工大学出版社,1998,8: 87～11。
[21] 卢敏,基于区域特征的图像检索及实现,[硕士学位论文],江苏南京,南京航空航天大学,2003。
[22] 郑建冬,基于图像处理的烟叶叶片结构分类算法研究,[硕士学位论文],江苏南京,南京航空航天大学,2005。
[23] 王泽兵 杨朝晖,彩色图像分割技术研究,数字电视和数字视频,2005,274(4):20～24。
[24] Cheng H D, Jiang X H, Sun Y, Color image segmentation:advances and prospects, Pattern Recognition, 2001, 34(12): 2259~2281.
[25] 林开颜,吴军辉,徐立鸿,彩色图像分割方法综述,中国图形图像学报,2005,10(1): 1～10。
[26] 崔屹,数字图像处理技术与应用,北京:电子工业出版社,1997,3:121。
[27] 李春雨,计算机图形学理论与实践, 北京:北京航空航天大学出版社,2004,2:186～187。
[28] S.H.Park, I.D.Yun , S.U.Lee, Color image segmentation based on 3-D clustering and morphological approach, Pattern Recognition, 1998, 31(8):1061~1076.
[29] 赵于前,桂卫华,徐大宏等,基于在线学习的彩色图像区域增长法,计算机工程与应用,2005,9:35～36。
[30] 车国锋,刘忠领,李军伟等,神经网络边缘拟合,红外与激光工程,2003,32(4):422～426。
[31] 林开颜,吴军辉,徐立鸿,快速模糊 C-均值聚类彩色图像分割方法,中国图形图像学报,20004,9(2):159～163。
[32] 丛培盛,张洪江,朱仲良等,用遗传算法和 C-均值聚类分割医学彩色图像,同济大学学报,2003,31(7):874～877。
[33] Lertwachara, Kaveephong, Machine learning approaches for determining effective seeds for k-means algorithm, [D.B.A], U.S.A, Louisiana Tech University, 2003.
[34] Trujillo.M, Sadki.M, Fuzzy-mean classification for corrosion of steel images, H.Yin et, Proc SPIE Opt Eng, San Jose, CA, United States, Internatioal Society for Optical Engineering,, 2004: 318~327.
[35] Fu Chang,Chun-Jen Chen and Chi-Jen Lu, A linear-time component-labeling algorithm using contour tracing technique. Computer Vision Image Understanding, 2004, 93(2):206~220.
[36] Y.Shima,T.Murakami,M.Koga,H.Yashiro,etal, A high speed algorithm for propagation type labeling based on block sorting of runs in binary images, Proc.10th Internat Conf Pattern Recognition,IEEE Computer Society Press,1990:655~658.
[37] 张桂林,陈益新,曹伟烜等,基于跑长码的连通区域标记算法,华中理工大学学报,1994,22(5):11～14。
[38] 吴双元,王宽全,基于改进的广义 K-L 变换的掌纹识别,哈尔滨商业大学学报(自然科学版),2004,20(6):599～611。
[39] 黄雅平,罗四维,齐英剑,基于最大判别熵的有监督独立分量分析方法,计算机研究与发展,2005,42(3):361～366。
[40] 王海燕,贺一平,申晓红,相关证据下的水中目标识别方法研究,探测与控制学报,2003,25(1):25～28。
[41] 赵倩,胡越黎,曹家麟,皮肤显微图像自动识别系统的研究,计算机工程与应用,2005,24:206～208。
[42] 刘颖,谷延锋,张 晔,基于改进遗传算法的超光谱图像特征选择方法,哈尔滨工业大学学报,2005,37(6):733～735。
[43] 刘 妍,包秀国,张宏莉等,基于 Tabu 算法的分布式系统可生存性增强,计算机工程与应用,2005,19:128～131。
[44] Youna Jung, Eenjun Hwang, Wonil Kim, Sports Image Classification through Bayesian Classifier, R.Conejo, CAEPIA-TTIA2003, Berlin, Germany, Springer Verlag, 2004:546～555.
[45] Beatriz A.Flores, Jesus A.Gonzalez, Data Mining with Decision Trees and Neural Networks for Calcification Detection in Mammograms,R.Monroy, MICAI2004, Berlin,Germany, Springer Verlag, 2004:232～241.
[46] 谷春亮,尹宝才,孔德慧,等 基于三维多分辨率模型与 Fisher 线性判别德人脸识别方法,计算机学报,2005,28(1):97～104。
[47] 黄凤岗,宋克欧,模式识别,哈尔滨,哈尔滨工业大学出版社,1998:34～35。
[48] Richard O.Dudazhu 等著,模式分类(李宏东等译),北京,机械工业出版社,2003:201。
[49] 飞思科技产品研发中心,Matlab6.5 应用接口编程,北京,电子工业出版社,2003年。
[50] Wendy Boggs, Michael Boggs, UML 与 Rational Rose2002 入门到精通,北京,电子工业出版社,2002 年。
[2] 沙涛,杭建军,欧阳光,一种烟叶大中叶率自动检测的有效方法,计算机测量与控制, 2004,12(10):935~936。
[3] 曲欣,烟叶在线实时光电分拣系统研究,[硕士学位论文],江苏南京,南京航空航天大学,2004。
[4] Rafasel C.Gonzadez, Richard E.Woods,数字图像处理(阮秋琦,阮宇智等译),北京,电子工业出版社,2003。
[5] 蔡兰,陈祯,梅林,图像增强技术在 X 射线探伤中的应用,无损检测,2005, 27(5):256～258 。
[6] 王德强,谢常青,陈大鹏,X 射线光刻对准系统图像增强技术和对准标记研究,电子工业专用设备,2005,121: 22～25 33。
[7] XU Lei, ZHENG Xiao-xiang, CHEN Xing-can, A novel method for image enchancement of medical images based on wavelet phase filter and onnlinear hunman visual properties , Acta Electronica Sinica, 1999, 27(9):121～123.
[8] 刘炜,孙丰荣,梅良模,基于信号多尺度边缘表示的 CT 医学图像增强,中国图像图形学报,2005,10(2):208～212。
[9] Weickert J, Coherence-enhancing diffusion of colour image, Image and Vision Computing, 1999, 17(3～4):201～212.
[10] 颜梅春,雷秀丽,基于高分辨率卫星 IKONOS 影像的城市道路信息提取研究,遥感技术与应用,2004,19-2 (4):85～89。
[11] 吴振宇,王朔中,基于区域分割的损伤图像修复,上海大学学报(自然科学版),1999,5(1):54～58。
[12] 樊红丽,焦永和,程颖,基于插值的残缺图像的修复算法,兵工学报,1999,26(1):86～89。
[13] 边肇祺,张学工,模式识别,北京,清华大学出版社,2000。
[14] DALSA Inc. CCD Technology Primer, Waterloo Canada, 4～5.
[15] DALSA Inc. Line Scan Primer, Waterloo Canada, 1～2.
[16] PULNIX America Inc. Camera Link,1～2.
[17] DALSA Inc. Trillium Camera User’s Manual, Waterloo Canada, 2001, 16~21.
[18] R.Buzio, P.Calvini, A.Ferroni, Surface analysis of paper documents damaged by foxing, Applied Physics A-Materials & Processing, 2004, 79:383~387.
[19] Joyoni Dey, Takeo Kanade, Modeling, Analysis of Ultrasonic Echoes Reflectrd from a Surface under Two Layers, S.L.Delp, A.M.DiGioia, B.Jaramaz, MICCAI 2000, Pittsburgh, PA, USA, 2000:482~491.
[20] 刘榴娣,刘明奇,党长民,实用数字图像处理, 北京,北京理工大学出版社,1998,8: 87～11。
[21] 卢敏,基于区域特征的图像检索及实现,[硕士学位论文],江苏南京,南京航空航天大学,2003。
[22] 郑建冬,基于图像处理的烟叶叶片结构分类算法研究,[硕士学位论文],江苏南京,南京航空航天大学,2005。
[23] 王泽兵 杨朝晖,彩色图像分割技术研究,数字电视和数字视频,2005,274(4):20～24。
[24] Cheng H D, Jiang X H, Sun Y, Color image segmentation:advances and prospects, Pattern Recognition, 2001, 34(12): 2259~2281.
[25] 林开颜,吴军辉,徐立鸿,彩色图像分割方法综述,中国图形图像学报,2005,10(1): 1～10。
[26] 崔屹,数字图像处理技术与应用,北京:电子工业出版社,1997,3:121。
[27] 李春雨,计算机图形学理论与实践, 北京:北京航空航天大学出版社,2004,2:186～187。
[28] S.H.Park, I.D.Yun , S.U.Lee, Color image segmentation based on 3-D clustering and morphological approach, Pattern Recognition, 1998, 31(8):1061~1076.
[29] 赵于前,桂卫华,徐大宏等,基于在线学习的彩色图像区域增长法,计算机工程与应用,2005,9:35～36。
[30] 车国锋,刘忠领,李军伟等,神经网络边缘拟合,红外与激光工程,2003,32(4):422～426。
[31] 林开颜,吴军辉,徐立鸿,快速模糊 C-均值聚类彩色图像分割方法,中国图形图像学报,20004,9(2):159～163。
[32] 丛培盛,张洪江,朱仲良等,用遗传算法和 C-均值聚类分割医学彩色图像,同济大学学报,2003,31(7):874～877。
[33] Lertwachara, Kaveephong, Machine learning approaches for determining effective seeds for k-means algorithm, [D.B.A], U.S.A, Louisiana Tech University, 2003.
[34] Trujillo.M, Sadki.M, Fuzzy-mean classification for corrosion of steel images, H.Yin et, Proc SPIE Opt Eng, San Jose, CA, United States, Internatioal Society for Optical Engineering,, 2004: 318~327.
[35] Fu Chang,Chun-Jen Chen and Chi-Jen Lu, A linear-time component-labeling algorithm using contour tracing technique. Computer Vision Image Understanding, 2004, 93(2):206~220.
[36] Y.Shima,T.Murakami,M.Koga,H.Yashiro,etal, A high speed algorithm for propagation type labeling based on block sorting of runs in binary images, Proc.10th Internat Conf Pattern Recognition,IEEE Computer Society Press,1990:655~658.
[37] 张桂林,陈益新,曹伟烜等,基于跑长码的连通区域标记算法,华中理工大学学报,1994,22(5):11～14。
[38] 吴双元,王宽全,基于改进的广义 K-L 变换的掌纹识别,哈尔滨商业大学学报(自然科学版),2004,20(6):599～611。
[39] 黄雅平,罗四维,齐英剑,基于最大判别熵的有监督独立分量分析方法,计算机研究与发展,2005,42(3):361～366。
[40] 王海燕,贺一平,申晓红,相关证据下的水中目标识别方法研究,探测与控制学报,2003,25(1):25～28。
[41] 赵倩,胡越黎,曹家麟,皮肤显微图像自动识别系统的研究,计算机工程与应用,2005,24:206～208。
[42] 刘颖,谷延锋,张 晔,基于改进遗传算法的超光谱图像特征选择方法,哈尔滨工业大学学报,2005,37(6):733～735。
[43] 刘 妍,包秀国,张宏莉等,基于 Tabu 算法的分布式系统可生存性增强,计算机工程与应用,2005,19:128～131。
[44] Youna Jung, Eenjun Hwang, Wonil Kim, Sports Image Classification through Bayesian Classifier, R.Conejo, CAEPIA-TTIA2003, Berlin, Germany, Springer Verlag, 2004:546～555.
[45] Beatriz A.Flores, Jesus A.Gonzalez, Data Mining with Decision Trees and Neural Networks for Calcification Detection in Mammograms,R.Monroy, MICAI2004, Berlin,Germany, Springer Verlag, 2004:232～241.
[46] 谷春亮,尹宝才,孔德慧,等 基于三维多分辨率模型与 Fisher 线性判别德人脸识别方法,计算机学报,2005,28(1):97～104。
[47] 黄凤岗,宋克欧,模式识别,哈尔滨,哈尔滨工业大学出版社,1998:34～35。
[48] Richard O.Dudazhu 等著,模式分类(李宏东等译),北京,机械工业出版社,2003:201。
[49] 飞思科技产品研发中心,Matlab6.5 应用接口编程,北京,电子工业出版社,2003年。
[50] Wendy Boggs, Michael Boggs, UML 与 Rational Rose2002 入门到精通,北京,电子工业出版社,2002 年。