[發明專利]基于圖像處理的梗簽識別檢測方法

在審

• 申請號: 202111033497.3
• 申請日: 2021-09-03
• 公開（公告）號: CN113888468A
• 公開（公告）日: 2022-01-04
• 發明（設計）人: 王藝斌;丁多;李春秀;王先兵;吳文強;李瑞東;楊博;吳箭;許文武;龐鑫;劉承鈞
• 申請（專利權）人: 南京焦耳科技有限責任公司
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 南京眾聯專利代理有限公司 32206
• 代理人: 葉涓涓

1.基于圖像處理的梗簽識別檢測方法，其特征在于，包括如下步驟：

步驟1，采集煙絲圖像；

步驟2，對所述煙絲圖像中的梗簽進行識別，得到梗簽；

步驟3，根據采集的梗簽，建立梗簽面積與梗簽質量的擬合模型；

步驟4，根據所述擬合模型計算煙絲的含簽率。

2.根據權利要求1所述的基于圖像處理的梗簽識別檢測方法，其特征在于：所述步驟1中，所述煙絲圖像包括只包含梗簽的梗簽圖像以及由梗簽和煙絲混合而成的混合煙絲圖像。

3.根據權利要求1所述的基于圖像處理的梗簽識別檢測方法，其特征在于：所述步驟2包括如下子步驟：

步驟2-1，對煙絲圖像進行預處理；

步驟2-2，根據經過圖像預處理后的煙絲圖像，提取每個煙絲輪廓的形狀、顏色、紋理特征；

步驟2-3，根據提取煙絲輪廓的形狀、顏色、紋理特征，通過Boruta特征方法降低特征維度；

步驟2-4，根據Boruta特征方法降低后的特征，以支持向量機SVM為基分類器，利用AdaBoost集成學習的方法，得到識別梗簽的模型；

步驟2-5，根據分類模型識別出煙絲圖像中的梗簽，計算每一個梗簽的面積并進行累加，得到梗簽的總面積。

4.根據權利要求3所述的基于圖像處理的梗簽識別檢測方法，其特征在于：所述步驟2-1包括如下過程：

對采集到的煙絲圖像進行去除噪聲處理；

根據經過去噪處理后的煙絲圖像，對煙絲進行二值化，提取煙絲的連通區域；

根據提取出的煙絲連通區域，計算每個煙絲連通區域的外接矩形，提取到每一片的煙絲圖像，方便之后的特征提取。

5.根據權利要求4所述的基于圖像處理的梗簽識別檢測方法，其特征在于：所述去除噪聲處理采用中值濾波法，濾波窗口大小為3×3，二值化采用閾值分割完成。

6.根據權利要求3所述的基于圖像處理的梗簽識別檢測方法，其特征在于：所述步驟2-2通過計算分割出的煙絲圖像的灰度共生矩陣提取紋理特征，包括如下過程：

步驟2-2-1，通過以下公式，計算出圖像的對比度Contrast、差異性Dissimilarity、同致性Homogeneity、二階矩ASM、能量Energy、相關性Correlation，

其中：

其中，i，j表示相距一定距離同時出現的灰度值對，k表示灰度值的級數，P(i,j)表示灰度值i，j同時出現的概率；

步驟2-2-2，通過以下公式，計算分割出的煙絲圖像的一階矩、二階矩、三階矩得到顏色特征，

其中，P_ab表示第a個通道的第b個像素的強度值，N表示圖像中的像素個數；

步驟2-2-3，通過以下公式，計算分割出的煙絲圖像的分散度D，矩形度R以及圓形度R₀得到形狀特征，

其中，L表示輪廓像素個數的周長，S表示輪廓包含的像素個數的面積，S_MER表示最小外接矩形面積。

7.根據權利要求3所述的基于圖像處理的梗簽識別檢測方法，其特征在于：所述步驟2-3包括如下過程：

步驟2-3-1，對提取到的每個真實特征，隨機打亂順序，得到陰影特征矩陣，拼接到真實特征后面，構成新的特征矩陣；

步驟2-3-2，訓練一個隨機森林分類的擴展數據集，同時設定一個特征重要性措施；

步驟2-3-3，在每次迭代中，檢查一個真實特征是否比最好的陰影特征得分更高，即檢查該真實特征是否有更高的重要性，并且不斷刪除非常不重要的特征；

步驟2-3-4，當所有特征得到確認或拒絕，或算法達到隨機森林運行的一個規定的限制時，算法停止，得到新的特征矩陣。