基于紋理分析的茶青在線分類.pdf

1、隨著信息技術(shù)的快速發(fā)展，已經(jīng)將視覺技術(shù)廣泛地應(yīng)用于食品的加工、分類與檢測(cè)中，但對(duì)茶青進(jìn)行分類還很少有相關(guān)的研究與應(yīng)用。目前的茶青分級(jí)是通過傳統(tǒng)的鮮葉分級(jí)機(jī)對(duì)茶葉進(jìn)行初級(jí)分類，但其分類的精度并不是很高，由于茶青的紋理特征鮮明，使得將紋理分析應(yīng)用于茶青的分類成為可能。本文的研究?jī)?nèi)容如下:
　　(1)茶青圖像的預(yù)處理的研究。首先選擇了加權(quán)平均值法進(jìn)行灰度化，然后采用了中值濾波進(jìn)行去噪處理。
　　(2)茶青紋理特征值提取方法的研究。

2、本文根據(jù)茶青紋理無規(guī)則性特點(diǎn)，選擇了基于統(tǒng)計(jì)法的灰度共生矩陣(Gray level co-occurrencematrix GLCM)提取茶青的紋理特征，并提取出方向?yàn)?°、45°、90°、135°，像素距離為10至60之間的茶青紋理能量、對(duì)比度、相關(guān)性、逆差距四個(gè)特征值，并詳細(xì)對(duì)其提取效果進(jìn)行了分析。
　　(3)基于LS-SVM分類器的茶青分類的研究。本文采用了最小二乘SVM(Least Squares Support Vect

3、or Machine LS-SVM)作為茶青的分類器，并提出將紋理特征值相結(jié)合作為L(zhǎng)S-SVM的特征向量進(jìn)行茶青的訓(xùn)練與分類。分類器中核函數(shù)選擇了徑向基核函數(shù)(RadialBasis Function RBF)，其參數(shù)及懲罰因子是先用網(wǎng)格搜索來選擇參數(shù)對(duì)，然后用多次交叉驗(yàn)證法對(duì)目標(biāo)函數(shù)進(jìn)行尋優(yōu)來確定，學(xué)習(xí)訓(xùn)練算法通過自適應(yīng)序貫最小優(yōu)化算法(Sequential Minimal OptimizationSMO)來實(shí)現(xiàn)，并采用了一對(duì)一方法進(jìn)