基于聚类算法的烟叶颜色空间分布建模研究

作     者：龚未 

作者单位：南京航空航天大学 

学位级别：硕士

导师姓名：伍铁军

授予年度：2017年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0822[工学-轻工技术与工程] 

主      题：烟叶颜色建模 背景去除 分层聚类 K-均值 烟叶异物识别 

摘      要：烟叶异物的识别与剔除是香烟生产过程中非常重要的环节。随着科技的进步,烟草在线识别与剔除设备逐步取代人工操作,其除杂效果主要取决于烟叶在线识别算法的准确率。因此提出一种有效的烟叶异物识别方法就具有重要意义。本文以标准烟叶为研究对象,通过分层聚类对烟叶颜色空间分布进行建模,将建立的模型作为烟叶异物识别的依据,为烟叶异物识别提供了一种有效的新方法。首先,为了避免背景像素的干扰,对烟叶图像进行去背景处理,使建立的模型更加准确。本文对比了几种常用的图像分割算法,最终提出一种适应于本文烟叶图像特点的背景去除算法,并通过试验验证了本文背景去除算法的有效性。其次,将经典K-均值算法作为本文的分层聚类算法,并针对传统算法存在的以下两个缺点进行改进:K值预先给定;初始聚类中心随机选取。本文提出了一种改进的分层K-均值聚类算法,通过划分网格的方式对数据集新建分层属性,根据分层属性值的大小将数据集分为高低层,由高层向低层依次降层聚类,动态的调整K值和聚类中心。并且将数据集按照分层属性值的大小依次输入,能够弥补了传统算法对输入顺序敏感的不足。最后,在烟叶颜色空间分布建模方面,本文提出了一种基于分层聚类的建模方法。将烟叶RGB颜色空间沿B方向等分为若干个子空间,在子空间内对烟叶像素进行投影降维、排序等处理,并根据像素对应数目这一分层属性将子空间内烟叶像素进行分层。采用改进的分层K-均值聚类算法对各个B子空间内烟叶颜色进行聚类,从而建立烟叶颜色空间分布的有效模型,然后通过试验验证了本文所建模型的有效性,以及证明将该模型作为烟叶异物识别参考标准的可行性。