一种基于图像处理的槟榔等级检测方法与流程

本发明涉及图像处理，具体涉及一种基于图像处理的槟榔等级检测方法。

背景技术：

1、基于图像处理的槟榔等级检测方法可以用于自动识别和分类槟榔的不同等级。此类槟榔等级检测方法可以提高生产效率和质量控制，并减少人工检测的需求。槟榔图像中槟榔的特征信息是进行槟榔等级检测的主要区分信息，因而为了实现准确的槟榔等级检测需要准确提取出槟榔的特征信息。

2、harris算法作为一种常用的角点检测算法，其常用于槟榔特征信息的提取，影响角点检测准确性的一个主要参数是计算每个像素的角点响应值，而在计算角点响应值时需要为每个像素的检测窗口内其他像素设置权重系数，每个像素的检测窗口内其他像素的权重系数设置的好坏会影响角点响应值的准确性。传统权重系数的设置方法有两种，一种是将检测窗口内其他像素的权重系数均设置为1，另一种是根据距离为其他像素设置权重系数，距离较近的设置较大的权重，距离较大设置较小的权重。这种设置权重系数的方法没有结合槟榔的特征，从而基于这种权重系数设置方法检测出的槟榔的角点特征不够准确。

技术实现思路

1、为了解决上述技术问题，本发明提供一种基于图像处理的槟榔等级检测方法，所采用的技术方案具体如下：

2、获取槟榔图像和待检测槟榔图像；

3、获取槟榔图像的二值图像；获取槟榔图像的二值图像中每个像素的若干临时检测窗口，对每个像素的每个临时检测窗口中信息量进行描述得到每个像素的每个临时检测窗口的分形维数，根据每个像素的每个临时检测窗口的分形维数得到最佳窗口尺寸；

4、基于最佳窗口尺寸获取槟榔图像的若干最佳检测窗口，获取每个最佳检测窗口的若干疑似角点，根据每个最佳检测窗口的每个疑似角点符合槟榔形状特征的情况得到每个疑似角点的特征度，获取槟榔图像中每个像素的权重系数，根据每个疑似角点的特征度调整槟榔图像中每个像素的权重系数得到槟榔图像中每个像素的修正权重系数；

5、根据槟榔图像中每个像素点的修正权重系数、最佳窗口尺寸和待检测槟榔图像进行图像特征提取和槟榔等级检测。

6、优选的，所述获取槟榔图像的二值图像；获取槟榔图像的二值图像中每个像素的若干临时检测窗口，包括的具体步骤为：

7、利用大津阈值法获取槟榔图像的分割阈值，其中大于分割阈值的像素的灰度值设置为1，小于等于分割阈值的像素的灰度值设置为0，得到槟榔图像的二值图像；

8、获取二值图像的长和宽，将二值图像的长和宽中的最小值除以a得到截止尺寸l，a表示预设截止系数，以二值图像的每个像素为中心，获取的临时检测窗口，其中表示临时检测窗口的边长变量，令取之间的所有奇数，得到每个像素的若干个临时检测窗口，表示预设最小检测窗口尺寸。

9、优选的，所述对每个像素的每个临时检测窗口中信息量进行描述得到每个像素的每个临时检测窗口的分形维数，包括的具体步骤为：

10、获取每个像素的每个临时检测窗口的每种遮盖矩形，以及每种遮盖矩形对应的临界遮盖矩形数量；

11、对于每个像素的第i个临时检测窗口，利用最小二乘法对临时检测窗口的所有临界遮盖矩形数量拟合对数函数处理得到临时检测窗口的数量函数，利用最小二乘法对临时检测窗口的所有种遮盖矩形的边长的倒数拟合对数函数处理得到临时检测窗口的边长函数，将临时检测窗口的边长函数与数量函数累加后除以2得到临时检测窗口的中间函数；对临时检测窗口的中间函数进行求导和取绝对值处理得到临时检测窗口的分形函数，将临时检测窗口的若干临界遮盖矩形数量输入到分形函数中得到临时检测窗口的若干分形数量，将临时检测窗口的所有分形数量的均值作为临时检测窗口的分形维数；

12、获取每个像素的每个临时检测窗口的分形维数。

13、优选的，所述获取每个像素的每个临时检测窗口的每种遮盖矩形，以及每种遮盖矩形对应的临界遮盖矩形数量，包括的具体步骤为：

14、对于每个像素的任意一个临时检测窗口，获取临时检测窗口的边长，利用尺寸为的遮盖矩形对临时检测窗口中灰度值为1的像素进行遮盖处理，将临时检测窗口中的灰度值为1的像素全部遮盖住所需的最少遮盖矩形数量，记为临界遮盖矩形数量，其中表示遮盖矩形的边长变量，令取之间的所有整数，的每个取值对应的遮盖矩形作为一种遮盖矩形，每种遮盖矩形对应一个临界遮盖矩形数量。

15、优选的，所述根据每个像素的每个临时检测窗口的分形维数得到最佳窗口尺寸，包括的具体步骤为：

16、将每个像素的所有临时检测窗口的分形维数的最大值对应的临时检测窗口作为每个像素的可行检测窗口，将所有像素的所有可行检测窗口的分形维数最大值对应的可行检测窗口的尺寸作为最佳窗口尺寸。

17、优选的，所述基于最佳窗口尺寸获取槟榔图像的若干最佳检测窗口，获取每个最佳检测窗口的若干疑似角点，包括的具体步骤为：

18、将槟榔图像均匀分割成若干个尺寸为最佳窗口尺寸的最佳检测窗口；

19、对于任意一个最佳检测窗口，将最佳检测窗口的所有像素构成的序列作为最佳检测序列，将最佳检测序列中所有像素构成的集合记为第一集合，将第一集合中的所有像素的灰度值作为子样本输入到孤独森林中得到第一集合的异常像素，将最佳检测序列中去除第一个像素后剩余的像素构成的集合记为第二集合，将第二集合中的所有像素的灰度值作为子样本输入到孤独森林中得到第二集合的异常像素，将最佳检测序列中去除前两个像素后剩余的像素构成的集合记为第三集合，将第三集合中的所有像素的灰度值作为子样本输入到孤独森林中得到第三集合的异常像素，以此类推，直至所得集合中的像素数量无法实现异常检测时结束，得到若干异常像素；

20、获取每个最佳检测窗口的若干异常像素，将每个最佳检测窗口的若干异常像素记为每个最佳检测窗口的若干疑似角点。

21、优选的，所述根据每个最佳检测窗口的每个疑似角点符合槟榔形状特征的情况得到每个疑似角点的特征度，包括的具体步骤为：

22、获取每个最佳检测窗口的每个疑似角点的基准距离和每个最佳检测窗口的偏离数量；

23、在每个最佳检测窗口中获取与每个疑似角点的距离最近的疑似角点，记为每个最佳检测窗口的每个疑似角点的参考疑似角点；

24、每个最佳检测窗口的每个疑似角点的特征度的计算方法为：

25、

26、其中，表示第k个疑似角点所在的最佳检测窗口中第j个疑似角点的基准距离，表示第k个疑似角点所在的最佳检测窗口的偏离数量，表示第k个疑似角点所在的最佳检测窗口中疑似角点的数量，表示预设权重，表示第k个疑似角点在最佳检测窗口中的列数，表示第k个疑似角点的参考疑似角点在最佳检测窗口中的列数，表示第k个疑似角点在最佳检测窗口中的行数，表示第k个疑似角点的参考疑似角点在最佳检测窗口中的行数，表示每个最佳检测窗口的第k个疑似角点的特征度，表示绝对值符号，表示以自然常数为底的指数函数。

27、优选的，所述获取每个最佳检测窗口的每个疑似角点的基准距离和每个最佳检测窗口的偏离数量，包括的具体步骤为：

28、利用最小二乘法对每个最佳检测窗口的所有疑似角点的位置进行多项式拟合处理得到基准曲线，将每个最佳检测窗口的每个疑似角点与基准曲线的最小距离记为每个最佳检测窗口的每个疑似角点的基准距离，将每个最佳检测窗口中基准距离大于预设距离阈值y1的疑似角点的数量，记为每个最佳检测窗口的偏离数量。

29、优选的，所述获取槟榔图像中每个像素的权重系数，根据每个疑似角点的特征度调整槟榔图像中每个像素的权重系数得到槟榔图像中每个像素的修正权重系数，包括的具体步骤为：

30、获取槟榔图像中每个像素点的权重系数，将每个疑似角点的特征度与预设特征度阈值y2比较，将大于预设特征度阈值y2的疑似角点作为可行角点；

31、将每个可行角点的特征度与1的累加和乘以权重系数得到每个可行角点的修正权重系数；将槟榔图像中除可行角点之外的其余像素记为非可能角点，将每个非可能角点的权重系数作为每个非可能角点的修正权重系数。

32、优选的，所述根据槟榔图像中每个像素点的修正权重系数、最佳窗口尺寸和待检测槟榔图像进行图像特征提取和槟榔等级检测，包括的具体步骤为：

33、将每个像素点的修正权重系数替换权重系数，将最佳窗口尺寸作为每个像素的检测窗口的尺寸，对每张槟榔图像进行角点检测处理得到每张槟榔角点特征图像；对待检测槟榔图像进行角点检测处理得到每张待检测槟榔角点特征图像；

34、人工对每张槟榔角点特征图像标注等级标签，将带标签的所有槟榔角点特征图像构成数据集，构建槟榔等级检测网络，利用数据集完成槟榔等级检测网络的训练，将待检测槟榔角点特征图像输入到训练完成的槟榔等级检测网络中得到槟榔等级。

35、本发明具有如下有益效果：

36、为了实现准确的槟榔等级检测，需准确的提取出槟榔的外观特征，而在提取槟榔的外观特征时，传统角点检测方法没有结合槟榔的外形特点，导致利用传统角点检测算法提取出的槟榔的角点特征不能够对槟榔的外观进行准确描述。因而本发明首先获取疑似角点，然后根据疑似角点对槟榔形状特征的符合情况得到每个疑似角点的特征度，根据每个疑似角点的特征度对槟榔图像中每个像素的权重系数进行修正得到每个像素的修正权重系数，基于修正权重系数进行的角点提取，该种方法提取出的角点能够较好的描述槟榔外观特征，从而实现准确槟榔等级检测。