利用光谱和图像特征进行烟叶分级的方法

摘要

一种利用光谱和图像特征进行烟叶分级方法，它包括以下步骤：①实时获取待测烟叶的图像信息和光谱信息；②分别对获取的图像信息和光谱信息进行预处理并提取图像特征和光谱特征，然后分别对图像特征和光谱特征进行归一化处理，进而分别对归一化后的图像特征和光谱特征进行自适应提取有用特征；③对有用图像特征和光谱特征进行融合；④对融合后的特征进行分组、分色和分级。采用上述技术方案的本发明，能做大限度的做到无损分级、能准确的划分烟叶等级，确保收购的各方利益不受损失。

主权项

一种利用光谱和图像特征进行烟叶分级的方法，其特征在于，它包括以下步骤：①实时获取待测烟叶的图像信息和光谱信息；②分别对获取的图像信息和光谱信息进行预处理并提取图像特征和光谱特征，然后分别对图像特征和光谱特征进行归一化处理，进而分别对归一化后的图像特征和光谱特征进行自适应提取有用特征；在所述的步骤②中，对图像信息的预处理包括去除图像噪声和压缩图像信息；图像信息预处理方法包括边缘增强、小波分析、主成份分析、独立成分分析、形态学中的一种或几种；所述的图像特征包括几何特征、颜色特征和内在特征中的一种或几种；对图像特征进行归一化处理是指：将所有图像特征值限制在0~1或‑1~1之间；对图像特征提取有用特征是指：利用自适应删减方法或自适应删减和人工神经网络联合方法对特征进行自适应筛选，依据分组、分色和分级结果从已提取的特征中筛选与分组、分色和分级密切相关的特征；在所述的步骤②中，对光谱信息的预处理包括消除基线漂移、去除光谱噪声和压缩光谱信息；光谱信息预处理方法包括减最小值、减平均值、差分输入、小波分析、主成份分析、独立成分分析、一阶微分处理、二阶微分处理、中值滤波和自适应删减算法的任意一种方法或几种方法的组合；对光谱特征进行归一化处理是指：将所有光谱特征值限制在0~1或‑1~1之间；对光谱特征提取有用特征是指：利用自适应删减或自适应删减和人工神经网络联合方法，依据分组、分色和分级结果从光谱特征中筛选与分组、分色和分级密切的相关特征；③采用人工神经网络方法或距离最近方法进行图像特征和光谱特征的融合；或者采取硬件方法进行特征融合；所述的硬件方法包括一个光源设备，所述光源设备中的光源波长为自适应提取光谱特征所提取的最有用波长，这个光源不仅仅用于采集光谱信息而且用于图像采集，及将图像和光谱的光源合并；或者在所述的光源设备中利用白光作为图像采集光源和可见光光谱光源，而发热多的红外只作为光谱光源，利用不同的光电转换器件获取图像和光谱信息；所述光源设备中的图像和光谱信息采集为同时采集，或者为级联采集；④先采用人工神经网络对融合后的特征进行删减，再利用人工神经网络、遗传算法、最近距离算法、聚类算法、粗集算法中的一种或几种对融合后的特征进行分组、分色和分级。