基于遺傳算法的煙支圖像的分割與計數(shù)研究.pdf

1、煙支計數(shù)是中小型卷煙廠生產(chǎn)車間必須完成的一道工序。利用圖像處理技術對煙支進行計數(shù)，是一種可選的方案。先二值化，則信息損失嚴重；直接基于彩色圖像對煙支進行識別計數(shù)，雖然避免了二值化過程中對顏色信息的丟失，但該方法計算量大，識別速度慢，且對缺損煙支識別精度不高。針對以上問題，從遺傳算法入手，試圖改進或解決以上問題，實現(xiàn)遺傳算法的多目標識別應用。
　　 煙支圖像的分割，是煙支識別計數(shù)前的一個重要環(huán)節(jié)，好的分割效果，是煙支識別計數(shù)的必要

2、條件。在分析煙支圖像特點的基礎上，將遺傳算法與最大熵相結合，求取各個顏色通道的分割閾值，然后選擇熵最大的顏色通道的閾值為最后的分割閾值并對圖像進行分割。
　　 在煙支計數(shù)環(huán)節(jié)中，根據(jù)煙支的類圓形特征，定義一個圓形空心模板，并將部分Hausdorff距離引入遺傳算法的適應度函數(shù)定義，用來測量模板與煙支的相似程度，以判斷是否為一支煙支。在計算部分Hausdorff距離之前，首先對產(chǎn)生的隨機煙支中心坐標點進行判斷，看是否為可能的煙支中

3、心點，如果不可能是煙支的中心點就不計算部分Hausdorff距離，以減少計算時間，增強煙支中心點識別的準確性。將遺傳算法應用于煙支計數(shù)識別，是一種多目標的識別計數(shù)，而以往都是將遺傳算法應用到單目標的匹配識別，即使是多目標也只是應用到分割上來，因此煙支識別計數(shù)并不是只求取一個最優(yōu)解，而是將每代大于特定適應度值的個體都看作是一個解，這樣就解決了多目標識別問題。
　　 在分析分割煙支圖像的基礎上，又將模板定義成三個半徑不同的圓形實心模