申请/专利权人：陕西仙喜辣木茯茶有限公司

申请日：2024-02-02

公开（公告）日：2024-04-26

公开（公告）号：CN117690030B

主分类号：G06V20/10

分类号：G06V20/10;G06V10/26;G06V10/44;G06V10/50;G06V10/762;G06V10/764;G06V10/766

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2024.03.29#实质审查的生效;2024.03.12#公开

摘要：本发明涉及图像数据处理领域，更具体地，本发明涉及基于图像处理的多面发花识别方法及系统，方法包括：采集烘房内茯茶发花图像进行预处理得到灰度图像；对灰度图像的直方图进行聚类，并确定聚类个数的上限值；计算每个聚类簇的聚类中心，根据聚类中心满足迭代条件后更新聚类结果，得到多个聚类簇；计算每个聚类簇的分离度值并对聚类簇进行二分类，得到茶叶聚类簇和发花聚类簇，构建茶叶聚类簇的直方图，计算每个聚类簇的权重值；基于权重值和分离度值得到加权后的分离度值和轮廓系数，得到最佳聚类结果并对茯茶多面发花进行识别。本发明通过对茶叶聚类簇进行局部高峰分析，得到更准确的聚类个数，提高发花分割准确度。

主权项：1.基于图像处理的多面发花识别方法，其特征在于，包括：采集烘房内茯茶发花图像，进行预处理得到灰度图像；对所述灰度图像的直方图进行聚类，根据所述直方图中峰值个数确定聚类个数的上限值；根据所述聚类个数的上限值，计算每个聚类簇的聚类中心，根据所述聚类中心满足迭代条件后更新聚类结果，得到多个聚类簇；计算所述每个聚类簇内任一像素点和其他聚类簇内像素点之间距离均值的最小值，得到聚类簇的分离度值；根据所述聚类簇进行二分类，得到茶叶聚类簇和发花聚类簇，其中，最小灰度均值的类别作为茶叶聚类簇，其余聚类簇为发花聚类簇；构建所述茶叶聚类簇的直方图，计算每个聚类簇的像素点之间的分离度值的权重值；基于所述权重值和分离度值得到加权后的分离度值；根据所述加权后的分离度值与内聚度值，计算每个聚类簇的轮廓系数，得到最佳聚类结果，根据所述最佳聚类结果的聚类个数可视化显示发花面数和分类情况，对茯茶多面发花进行识别；根据所述聚类个数的上限值，计算每个聚类簇的聚类中心，根据所述聚类中心满足迭代条件后更新聚类结果，得到多个聚类簇，包括：基于均值聚类算法，对聚类个数进行遍历，直至遍历到聚类个数的上限值，得到多个聚类簇，并计算每个聚类簇中像素点的第一灰度均值，得到每个聚类簇的聚类中心；计算灰度图像中任意像素点与每个聚类簇的聚类中心的灰度差值的最小值，将像素点划分到灰度差值的最小值对应的聚类簇中，更新聚类结果，重新计算聚类簇内像素点的第二灰度均值，得到迭代后的聚类中心，响应于迭代后的聚类中心趋近平稳，得到多个不同聚类个数的聚类簇；构建所述茶叶聚类簇的直方图，计算每个聚类簇的像素点之间的分离度值的权重值，包括：根据所述第二灰度均值进行排序，得到以聚类顺序为横坐标、第二灰度均值为纵坐标的灰度均值分布图；获取茶叶区域的直方图，计算茶叶聚类簇中灰度值的均值和方差，构建高斯拟合函数，根据所述高斯拟合函数计算茶叶聚类簇内的像素点和发花聚类簇内的像素点的分离度值的权重值；所述分离度值的权重值满足下述关系式： 式中，表示茶叶聚类簇中分离度值的权重值，为归一化函数，表示以自然常数为底数的指数函数，表示直方图中第个灰度级出现的频次，表示高斯拟合函数第个灰度级的拟合函数值，表示高斯拟合函数曲线中峰值的最大值；基于所述权重值和分离度值得到加权后的分离度值，包括：所述加权后的分离度值满足下述关系式： 式中，表示第个发花区域的聚类簇中第个像素点的加权后的分离度值，表示茶叶聚类簇中分离度值的权重值，表示第个发花区域的聚类簇的灰度均值，表示茶叶区域的聚类簇的灰度均值，表示第个发花区域的聚类簇中第个像素点的分离度值；根据所述加权后的分离度值与内聚度值，计算每个聚类簇的轮廓系数，得到最佳聚类结果，包括：计算每个聚类簇的内聚度，得到每个聚类簇内每个像素点的轮廓系数；根据每个像素点的轮廓系数，计算每个聚类簇的总平均轮廓系数，满足下述关系式： 式中，表示个聚类中心的总平均轮廓系数，表示聚类中心的个数，表示第个聚类簇中第个像素点的轮廓系数；如果轮廓系数趋近于1，则得到最佳聚类结果。

全文数据：

权利要求：

百度查询： 陕西仙喜辣木茯茶有限公司 基于图像处理的多面发花识别方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD