[发明专利]基于颜色和区域生长的茶叶嫩芽分割和识别方法

说明书

技术领域

本发明涉及一种图像处理技术，是一种基于颜色和区域生长的对现场茶叶图像中茶叶嫩芽进行分割和识别的方法。

背景技术

结合电子技术和计算机图像处理技术在农业农田环境、大棚和果园等生产中的应用是现代化农业和精细农业的要求，应用计算机技术对茶叶色泽和品质的分析和识别虽然已有一些研究，但以往的研究多是对已制成的茶叶的形状和颜色或者是对茶叶的汤色进行研究，对现场茶树中的茶叶嫩芽的分割和识别在国内目前极少有相应研究。茶叶嫩芽的生长状态和成熟度对茶叶的及时采摘和后期的茶叶成品质量起着重要的作用，及时地识别和分析出茶叶嫩芽的生长状态对茶叶的标准化规模生产有着积极的作用。

图像分割是将图像中有特殊意义的满足特定条件的区域同别的区域分开，使这些区域相互不相交。现有的彩色图像分割方法有阈值法，特征空间聚类法及区域生长合并法。前者要求直方图中有明显波峰波谷，分割粗糙，性能不好；特征空间聚类法融合了图像域的局部信息和空间信息，局部决策抗噪音干扰性强，但易造成欠分割。区域生长合并法可以有效融合颜色信息和空间信息，并且能综合局部信息和全局信息，可同时对在空间上不相邻但颜色相似的区域进行合并和分割。

遗传算法是一种借鉴生物界自然选择和群体遗传机理的高度并行、自适应全局搜索的算法。它模拟了自然选择和自然遗传中发生的繁殖、交配和突变现象，针对常用BP神经网络算法的收敛速度很慢，易陷入局域最小和全局搜索能力较弱，且在学习速率较大时数值稳定性很差等特征。利用遗传算法对神经网络的初始权值和阈值进行快速优化，在解空间中定位出一个较好的搜索空间，并将此作为其后采用神经网络搜索的初始权值和阈值，然后利用神经网络的局部搜索能力强的特点在解空间中搜索出最优解。

发明内容

本发明利用茶叶图像的颜色空间特性，结合茶叶嫩芽和茶树老叶图像中各区域之间的特征相似和相异性关系，提出一种改进的基于区域生长的新算法，并结合颜色距离和边缘距离进行区域的生长和合并，从而对茶叶嫩芽进行分割，算法结合了颜色特征和区域特征的全局信息和局部信息，能更好地对茶叶图像中的多个茶叶嫩芽进行分割。

同时根据对实际识别过程模拟与预测的复杂性及其神经网络模型的结构特性，提出将遗传算法与神经网络相结合，利用遗传算法对神经网络进行了训练，用于茶叶嫩芽的识别过程，克服了BP神经网络模型容易陷入局部极小的缺点，取得了较好的效果。

本发明所提出的改进的基于颜色和区域生长的茶叶嫩芽分割和识别方法，其特征是包含以下具体步骤：

(1)获取茶树中茶叶原始图像；

(2)将原始图像从RGB颜色空间转换到HSI颜色空间，并选取模型中的H和S参数作为茶叶图像的特征；

(3)在图像中选择部分像素点作为种子；

(4)基于生长规则对种子区域进行生长，将与茶叶嫩芽种子颜色性质相似的相邻像素附加在生长区域的种子上；

(5)基于合并规则对整幅图像的多个子块进行扫描，对在颜色上相近，空间上相邻的区域进行合并；

(6)对合并后的区域进行膨胀和收缩的形态学处理，去除小的孔洞；

(7)完成多个茶叶嫩芽的分割；

(8)结合茶叶嫩芽的颜色特征参数和嫩芽图像二值化处理后提取的形状特征参数设计遗传神经网络模型；

(9)得出茶叶嫩芽的识别结果。

在步骤(4)中为了表明一个区域与它的邻域区域有很高的相似度，为每个区域定义一个相似度函数，用相似度函数来衡量一个区域与它的邻域的区域的相似性程度，如果一个区域的相似度函数值大于一个阈值，则该区域才能被选择为种子区域。

将一个区域Ri的邻域集合定义为：

UiR=Ri∪Rj/Rj∈R]]>

其中j＝1，...，K，i和j是邻域的区域，将一个区域与它邻域的区域的相似度函数定义为：