CN105069810A - 一种大田烟叶成熟度定量评估方法 - Google Patents

Abstract

本发明提供一种大田烟叶成熟度定量评估方法，本发明将烟叶的分级指标分为颜色、纹理三个综合量进行研究，提取了烟叶图像的HSV的峰度、能量、一阶矩、二阶矩和三阶矩等特征量化参数，应用Gabor小波分析方法，提取了烟叶纹理的均值和标准方差，将灰色理论的知识应用到烟叶成熟度研究中，利用前面提取的与成熟度相关的特征因素，通过灰色绝对关联度来分析成熟度各档次之间的联系，从而得到了它们不同程度的量化值，最后通过将采集的烟叶计算出的灰色绝对关联度来与不同等级烟叶的灰色绝对关联度进行对照得出采集的烟叶的成熟度。

Description

一种大田烟叶成熟度定量评估方法

技术领域

本发明涉及烟叶图像处理领域，更具体地，涉及一种大田烟叶成熟度定量评估方法。

背景技术

目前国内外烟草行业对于烟叶的分级和检验，都是依据分级标准，以人工操作为主，凭借标准样本依靠人的感官进行的。这种传统的收购过程，席地摆摊作业，现场秩序混乱，收购过程中烟叶分级以人工经验和感官定性来描述，评级员顾此失彼，疲惫不堪，还易受人情因素影响，评级定价难以做到公平、公正。而且在我国，每年烟叶收购前，全国各烟区主管部门都要举办培训班，培训各级收购站的分级人员，并准备大量的样本发往各收购站，这就必然伴随着的人力、物力、和财力的巨大消耗。

发明内容

本发明为克服上述现有技术所述的至少一种缺陷，提供一种大田烟叶成熟度定量评估方法。

为了达到上述技术效果，本发明的技术方案如下：

一种大田烟叶成熟度定量评估方法，包括以下步骤：

S1：提取烟叶颜色特征值和烟叶纹理特征值；

S2：利用提取的烟叶特征值进行烟叶成熟度定量化评估。

进一步地，所述步骤S1中计算烟叶颜色特征值的过程如下：

21)计算采集的烟叶图像的色调的峰度H_k：

$\mathrm{\η}=\frac{\underset{i=1}{\overset{m}{\Σ}}\underset{j=1}{\overset{n}{\Σ}}x(i,j)}{m\×n}$

$H_k=\frac{\frac{\underset{i=1}{\overset{m}{\Σ}}\underset{j=1}{\overset{n}{\Σ}}{\[x(i,j)-\mathrm{\η}\]}^4}{N}}{{\left\{\frac{\underset{i=1}{\overset{m}{\Σ}}\underset{j=1}{\overset{n}{\Σ}}{\[x(i,j)-\mathrm{\η}\]}^2}{N}\right\}}^2};$

22)计算采集的烟叶图像的能量E：

$E=\underset{m=1}{\overset{m}{\Σ}}\underset{n=1}{\overset{n}{\Σ}}{\[x(i,j)\]}^2;$

23)分别计算采集的烟叶图像的一阶矩阵M₁、二阶矩阵M₂和三阶矩阵M₃：

$M_1=\frac{1}{N}\underset{m=1}{\overset{m}{\Σ}}\underset{n=1}{\overset{n}{\Σ}}x(i,j)$

$M_2={\[\frac{1}{N}\underset{m=1}{\overset{m}{\Σ}}\underset{n=1}{\overset{n}{\Σ}}{\left(x\right(i,j)-M_1)}^2\]}^{\frac{1}{2}}$

$M_3={\[\frac{1}{N}\underset{m=1}{\overset{m}{\Σ}}\underset{n=1}{\overset{n}{\Σ}}{\left(x\right(i,j)-M_1)}^3\]}^{\frac{1}{3}};$

式中，x(i,j)为采集的烟叶图像的像素向量，大小为m×n＝N,共有N个像素。

进一步地，所述步骤S1中计算烟叶纹理特征值的过程如下：

31)对采集的大小为P×Q的烟叶灰度图像I(x,y)进行Gabor小波变换为：

$G_{mn}(x,y)=\underset{s}{\Σ}\underset{t}{\Σ}I(x-s,y-t){\mathrm{\ψ}}_{mn}^{*}(s,t),$

其中s、t是Gabor小波变换滤波器板大小变量，是ψ_mn(s,t)的共轭复数，由Gabor基函数经过伸缩和旋转得到：

$\mathrm{\ψ}(x,y)=\left(\frac{1}{2{\mathrm{\π\σ}}_x{\mathrm{\σ}}_y}\right)\exp \[-\frac{1}{2}(\frac{x^2}{{\mathrm{\σ}}_x^2}+\frac{y^2}{{\mathrm{\σ}}_y^2})+2{\mathrm{\πjW}}_{mn}\],$

${\mathrm{\ψ}}_{mn}(x,y)=a^{-m}\mathrm{\ψ}(\tilde{x},\tilde{y})$

$\tilde{x}=a^{-m}(xcos\mathrm{\θ}+ysin\mathrm{\θ})$

$\tilde{y}=a^{-m}(-xsin\mathrm{\θ}+ycos\mathrm{\θ})$

其中 $\begin{array}{cc}a={\left(\frac{U_h}{U_l}\right)}^{\frac{1}{M-1}},& \mathrm{\θ}=\frac{n\mathrm{\π}}{N}\end{array},$ a>1，W_mn＝a^mU_l， ${\mathrm{\σ}}_x=\frac{(a+1)\sqrt{2ln2}}{2{\mathrm{\πa}}^m(a-1)U_l},$ ${\mathrm{\σ}}_y=\frac{1}{2\mathrm{\π}tan\left(\frac{\mathrm{\π}}{2N}\right)\sqrt{\frac{U_h^2}{2ln2}-{\left(\frac{1}{2{\mathrm{\π\σ}}_x}\right)}^2}},$ U_l为0.05，U_h为0.4，m、n分别表示尺度和方向，m＝0,1···M-1，n＝0,1···N-1，M、N分别表示尺度数和方向数；

32)对烟叶灰度图像I(x,y)进行Gabor小波变换后得到一簇参数：

根据该参数计算出烟叶灰度图像I(x,y)的均值μ_mn和标准差σ_mn：

${\mathrm{\μ}}_{mn}=\frac{E(m,n)}{P\×Q}$

${\mathrm{\σ}}_{mn}=\frac{\sqrt{\underset{x}{\Σ}\underset{y}{\Σ}{\left(|G_{mn}\right(x,y)|-{\mathrm{\μ}}_{mn})}^2}}{P\×Q}.$

进一步地，所述步骤S2的具体过程如下：

41)以烟叶图像色调的峰度、能量、一阶矩阵、二阶矩阵、三阶矩阵，烟叶图像饱和度的峰度、一阶矩阵、二阶矩阵、三阶矩阵，以及烟叶灰度图像纹理均值、标准差一共11个参数作为烟叶成熟度特征向量；

42)根据GB2635-92，分别确定烟叶成熟度为完熟、成熟、尚熟、欠熟、假熟5个档次的烟叶的成熟度特征向量；

43)以完熟烟叶的成熟度特征向量作为参考向量，以成熟、尚熟、欠熟、假熟的烟叶的成熟度特征向量作为比较向量，分别计算成熟、尚熟、欠熟、假熟的烟叶与完熟烟叶的灰色绝对关联度；

44)计算采集的烟叶图像与完熟烟叶图像的灰色绝对关联度，将该灰色绝对关联度与成熟、尚熟、欠熟、假熟烟叶与完熟烟叶的灰色绝对关联度进行对照来确定采集的烟叶的成熟度。

进一步地，计算成熟、尚熟、欠熟、假熟的烟叶与完熟烟叶的灰色绝对关联度的过程如下：

51)分别将完熟烟叶的成熟度特征向量X₀、成熟烟叶的成熟度特征向量X₁、尚熟烟叶的成熟度特征向量X₂、欠熟烟叶的成熟度特征向量X₃和假熟烟叶的成熟度特征向量X₄进行零化处理，零化处理过程如下：

X_i＝(x_i(1),x_i(2),···，x_i(n))

X_iD＝(x_i(1)d,x_i(2)d,···，x_i(n)d)

$X_{i}D=X_i^0=\left(x_i^0\right(1),x_i^0(2),...,x_i^0(n\left)\right)$

52)计算|s_i|、|s₀-s_i|:

$s_i={\∫}_1^n(X_i-x_i(1\left)\right)dt$

$X_i^0=\left(x_i^0\right(1),x_i^0(2),...,x_i^0(n\left)\right)$

$X_j^0=\left(x_j^0\right(1),x_j^0(2),...,x_j^0(n\left)\right)$

$s_i-s_j={\∫}_1^n(X_i^0-X_j^0)dt$

式中i＝1,2，···，4，D、d为零化算子，x_i(k)d＝x_i(k)-x_i(1)，k＝1,2，···，n，n＝1,2，···，11，X_iD为X_i的零化像；

53)计算灰色绝对关联度：

${\mathrm{\ϵ}}_{oi}=\frac{1+\left|s_0\right|+\left|s_i\right|}{1+\left|s_0\right|+\left|s_i\right|+|s_0-s_i|}.$

与现有技术相比，本发明技术方案的有益效果是：

本发明将烟叶的分级指标分为颜色、纹理三个综合量进行研究，提取了烟叶图像的HSV的峰度、能量、一阶矩、二阶矩和三阶矩等特征量化参数，应用Gabor小波分析方法，提取了烟叶纹理的均值和标准方差，将灰色理论的知识应用到烟叶成熟度研究中，利用前面提取的与成熟度相关的特征因素，通过灰色绝对关联度来分析成熟度各档次之间的联系，从而得到了它们不同程度的量化值，最后通过将采集的烟叶计算出的灰色绝对关联度来与不同等级烟叶的灰色绝对关联度进行对照得出采集的烟叶的成熟度。

附图说明

图1为本发明中计算计算灰色绝对关联度的流程图。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；

为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；

对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

下面结合附图和实施例对本发明的技术方案做进一步的说明。

实施例1

一种大田烟叶成熟度定量评估方法，包括以下步骤：

S1：提取烟叶颜色特征值和烟叶纹理特征值；

S2：利用提取的烟叶特征值进行烟叶成熟度定量化评估。

进一步地，步骤S1中计算烟叶颜色特征值的过程如下：

21)计算采集的烟叶图像的色调的峰度H_k：

$\mathrm{\η}=\frac{\underset{i=1}{\overset{m}{\Σ}}\underset{j=1}{\overset{n}{\Σ}}x(i,j)}{m\×n}$

$H_k=\frac{\frac{\underset{i=1}{\overset{m}{\Σ}}\underset{j=1}{\overset{n}{\Σ}}{\[x(i,j)-\mathrm{\η}\]}^4}{N}}{{\left\{\frac{\underset{i=1}{\overset{m}{\Σ}}\underset{j=1}{\overset{n}{\Σ}}{\[x(i,j)-\mathrm{\η}\]}^2}{N}\right\}}^2};$

22)计算采集的烟叶图像的能量E：

$E=\underset{m=1}{\overset{m}{\Σ}}\underset{n=1}{\overset{n}{\Σ}}{\[x(i,j)\]}^2;$

23)分别计算采集的烟叶图像的一阶矩阵M₁、二阶矩阵M₂和三阶矩阵M₃：

$M_1=\frac{1}{N}\underset{m=1}{\overset{m}{\Σ}}\underset{n=1}{\overset{n}{\Σ}}x(i,j)$

$M_2={\[\frac{1}{N}\underset{m=1}{\overset{m}{\Σ}}\underset{n=1}{\overset{n}{\Σ}}{\left(x\right(i,j)-M_1)}^2\]}^{\frac{1}{2}}$

$M_3={\[\frac{1}{N}\underset{m=1}{\overset{m}{\Σ}}\underset{n=1}{\overset{n}{\Σ}}{\left(x\right(i,j)-M_1)}^3\]}^{\frac{1}{3}};$

式中，x(i,j)为采集的烟叶图像的像素向量，大小为m×n＝N,共有N个像素。

进一步地，步骤S1中计算烟叶纹理特征值的过程如下：

31)对采集的大小为P×Q的烟叶灰度图像I(x,y)进行Gabor小波变换为：

$G_{mn}(x,y)=\underset{s}{\Σ}\underset{t}{\Σ}I(x-s,y-t){\mathrm{\ψ}}_{mn}^{*}(s,t),$

其中s、t是Gabor小波变换滤波器板大小变量，是ψ_mn(s,t)的共轭复数，由Gabor基函数经过伸缩和旋转得到：

$\mathrm{\ψ}(x,y)=\left(\frac{1}{2{\mathrm{\π\σ}}_x{\mathrm{\σ}}_y}\right)\exp \[-\frac{1}{2}(\frac{x^2}{{\mathrm{\σ}}_x^2}+\frac{y^2}{{\mathrm{\σ}}_y^2})+2{\mathrm{\πjW}}_{mn}\],$

${\mathrm{\ψ}}_{mn}(x,y)=a^{-m}\mathrm{\ψ}(\tilde{x},\tilde{y})$

$\tilde{x}=a^{-m}(xcos\mathrm{\θ}+ysin\mathrm{\θ})$

$\tilde{y}=a^{-m}(-xsin\mathrm{\θ}+ycos\mathrm{\θ})$

其中 $\begin{array}{cc}a={\left(\frac{U_h}{U_l}\right)}^{\frac{1}{M-1}},& \mathrm{\θ}=\frac{n\mathrm{\π}}{N}\end{array},$ a>1，W_mn＝a^mU_l， ${\mathrm{\σ}}_x=\frac{(a+1)\sqrt{2ln2}}{2{\mathrm{\πa}}^m(a-1)U_l},$ ${\mathrm{\σ}}_y=\frac{1}{2\mathrm{\π}tan\left(\frac{\mathrm{\π}}{2N}\right)\sqrt{\frac{U_h^2}{2ln2}-{\left(\frac{1}{2{\mathrm{\π\σ}}_x}\right)}^2}},$ U_l为0.05，U_h为0.4，m、n分别表示尺度和方向，m＝0,1···M-1，n＝0,1···N-1，M、N分别表示尺度数和方向数；

32)对烟叶灰度图像I(x,y)进行Gabor小波变换后得到一簇参数：

根据该参数计算出烟叶灰度图像I(x,y)的均值μ_mn和标准差σ_mn：

${\mathrm{\μ}}_{mn}=\frac{E(m,n)}{P\×Q}$

${\mathrm{\σ}}_{mn}=\frac{\sqrt{\underset{x}{\Σ}\underset{y}{\Σ}{\left(\right|G_{mn}(x,y)|-{\mathrm{\μ}}_{mn})}^2}}{P\×Q}.$

进一步地，步骤S2的具体过程如下：

41)以烟叶图像色调的峰度、能量、一阶矩阵、二阶矩阵、三阶矩阵，烟叶图像饱和度的峰度、一阶矩阵、二阶矩阵、三阶矩阵，以及烟叶灰度图像纹理均值、标准差一共11个参数作为烟叶成熟度特征向量；

42)根据GB2635-92，分别确定烟叶成熟度为完熟、成熟、尚熟、欠熟、假熟5个档次的烟叶的成熟度特征向量；

43)以完熟烟叶的成熟度特征向量作为参考向量，以成熟、尚熟、欠熟、假熟的烟叶的成熟度特征向量作为比较向量，分别计算成熟、尚熟、欠熟、假熟的烟叶与完熟烟叶的灰色绝对关联度；

44)计算采集的烟叶图像与完熟烟叶图像的灰色绝对关联度，将该灰色绝对关联度与成熟、尚熟、欠熟、假熟烟叶与完熟烟叶的灰色绝对关联度进行对照来确定采集的烟叶的成熟度。

如图1所示，计算成熟、尚熟、欠熟、假熟的烟叶与完熟烟叶的灰色绝对关联度的过程如下：

51)分别将完熟烟叶的成熟度特征向量X₀、成熟烟叶的成熟度特征向量X₁、尚熟烟叶的成熟度特征向量X₂、欠熟烟叶的成熟度特征向量X₃和假熟烟叶的成熟度特征向量X₄进行零化处理，零化处理过程如下：

X_i＝(x_i(1),x_i(2),···，x_i(n))

X_iD＝(x_i(1)d,x_i(2)d,···，x_i(n)d)

$X_{i}D=X_i^0=\left(x_i^0\right(1),x_i^0(2),...,x_i^0(n\left)\right)$

52)计算|s_i|、|s₀-s_i|:

$s_i={\∫}_1^n(X_i-x_i(1\left)\right)dt$

$X_i^0=\left(x_i^0\right(1),x_i^0(2),...,x_i^0(n\left)\right)$

$X_j^0=\left(x_j^0\right(1),x_j^0(2),...,x_j^0(n\left)\right)$

$s_i-s_j={\∫}_1^n(X_i^0-X_j^0)dt$

式中i＝1,2，···，4，D、d为零化算子，x_i(k)d＝x_i(k)-x_i(1)，k＝1,2，···，n，n＝1,2，···，11，X_iD为X_i的零化像；

53)计算灰色绝对关联度：

${\mathrm{\ϵ}}_{0i}=\frac{1+\left|s_0\right|+\left|s_i\right|}{1+\left|s_0\right|+\left|s_i\right|+|s_0-s_i|}.$

GB2635-92规定，烟叶的成熟度分为5档，即完熟、成熟、尚熟、欠熟、假熟5个档次，依照GB2635-92计算出各档次烟叶的成熟度特征向量如下：

完熟＝X₀＝(9.7568,0.3127,42.9425,7.9741,0.1973,9.698,0.8747,0.1534,0.1238,0.9894,38.9715)，

成熟＝X1＝(9.4427,0.3621,37.9874,8.7427,0.3127,9.378,0.6183,0.1642,0.1571,0.9257,33.7614),

尚熟＝X₂＝(9.1718,0.4703,45.9716,9.4341,0.5737,8.774,0.5221,0.2134,0.2534,0.8012,29.1473),

欠熟＝X₃＝(8.1756,0.6534,51.9214,13.613,0.7918,6.291,0.3772,0.9318,0.4773,0.6302,30.1735)，

假熟＝X₄＝(9.3489,0.3846,36.2471,9.1914,0.4137,8.797,0.5778,0.1406,0.1537,0.8323,32.9712)，

灰色绝对关联度计算如下：

(1)、 $X_0^0=\left(x_0^0\right(1),x_0^0(2),...,x_0^0(11\left)\right)=(0,-9.4441,33.1857,-1.7827,-9.5595,-0.0588,$ $-8.8821,-9.6034,-9.6034,-9.633,-8.7674,29.2147)$

$\begin{array}{c}{X}_1^0=\left(x_1^0\right(1),x_1^0(2),...,x_1^0(11\left)\right)=(0.-\mathrm{9.0806.28.5447.}-\mathrm{0.7.}-\mathrm{9.13.}-\mathrm{0.0647.}-\mathrm{8.8244.}\\ -\mathrm{9.2785.}-\mathrm{9.2856.}-\mathrm{8.517.24.3187})\end{array}$

$\begin{array}{c}{X}_2^0=\left(x_2^0\right(1),x_2^0(2),...,x_2^0(11\left)\right)=(0,-8.7015,36.7998,0.2623,-8.5981,-0.3978,\\ -8.6497,-8.9584,-8.9184,-83706,19.755)\end{array}$

$\begin{array}{c}{X}_3^0=\left(x_3^0\right(1),x_3^0(2),...,x_3^0(11\left)\right)=(0,-7.5222,43.7458,5.4374,-7.3838,-1.8846,\\ -7.7984,-7.7838,-7.6983,-7.5454,21.9979)\end{array}$

$\begin{array}{c}{X}_4^0=\left(x_4^0\right(1),x_4^0(2),...,x_4^0(11\left)\right)=(0,-8.9643,26.8982,-0.1575,-8.9352,-0.5519,\\ -8.7711,-9.1783,-9.1952,-8.5166,23.6223);\end{array}$

(2)、分别求|s₀|、|s_i|、|s₀-s_i|：

$\left|s_0\right|=|\underset{k=2}{\overset{11}{\Σ}}{x}_0^0\left(k\right)+0.5x_0^0\left(11\right)|$

$|s_i|=|\underset{k=2}{\overset{11}{\Σ}}{x}_i^0\left(k\right)+0.5x_i^0\left(11\right)|$

$|s_0-s_i|=|\underset{k=2}{\overset{11}{\Σ}}\left(x_i^0\right(k)-x_0^0(k\left)\right)+0.5x_i^0\left(11\right)-x_0^0\left(11\right)|$

(3)、计算灰色绝对关联度ε_0i得：

ε₀₀＝1；

ε₀₁＝0.855595；

ε₀₂＝0.789552；

ε₀₃＝0.510868；

ε₀₄＝0.824952。

本实施例中，将烟叶的分级指标分为颜色、纹理三个综合量进行研究，提取了烟叶图像的HSV的峰度、能量、一阶矩、二阶矩和三阶矩等特征量化参数，应用Gabor小波分析方法，提取了烟叶纹理的均值和标准方差，将灰色理论的知识应用到烟叶成熟度研究中，利用前面提取的与成熟度相关的特征因素，通过灰色绝对关联度来分析成熟度各档次之间的联系，从而得到了它们不同程度的量化值，最后通过将采集的烟叶计算出的灰色绝对关联度来与不同等级烟叶的灰色绝对关联度进行对照得出采集的烟叶的成熟度。

相同或相似的标号对应相同或相似的部件；

附图中描述位置关系的用于仅用于示例性说明，不能理解为对本专利的限制；

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (5)

1.一种大田烟叶成熟度定量评估方法，其特征在于，包括以下步骤：

S1：提取烟叶颜色特征值和烟叶纹理特征值；

S2：利用提取的烟叶特征值进行烟叶成熟度定量化评估。

2.根据权利要求1所述的大田烟叶成熟度定量评估方法，其特征在于，所述步骤S1中计算烟叶颜色特征值的过程如下：

21)计算采集的烟叶图像的色调的峰度H_k：

$\mathrm{\η}=\frac{\underset{i=1}{\overset{m}{\Σ}}\underset{j=1}{\overset{n}{\Σ}}x(i,j)}{m\×n}$

$H_k=\frac{\frac{\underset{i=1}{\overset{m}{\Σ}}\underset{j=1}{\overset{n}{\Σ}}{\[x(i,j)-\mathrm{\η}\]}^4}{N}}{{\left\{\frac{\underset{i=1}{\overset{m}{\Σ}}\underset{j=1}{\overset{n}{\Σ}}{\[x(i,j)-\mathrm{\η}\]}^2}{N}\right\}}^2};$

22)计算采集的烟叶图像的能量E：

$E=\underset{m=1}{\overset{m}{\Σ}}\underset{n=1}{\overset{n}{\Σ}}{\[x(i,j)\]}^2;$

23)分别计算采集的烟叶图像的一阶矩阵M₁、二阶矩阵M₂和三阶矩阵M₃：

$M_1=\frac{1}{N}\underset{m=1}{\overset{m}{\Σ}}\underset{n=1}{\overset{n}{\Σ}}x(i,j)$

$M_2={\[\frac{1}{N}\underset{m=1}{\overset{m}{\Σ}}\underset{n=1}{\overset{n}{\Σ}}{\left(x\right(i,j)-M_1)}^2\]}^{\frac{1}{2}}$

$M_3={\[\frac{1}{N}\underset{m=1}{\overset{m}{\Σ}}\underset{n=1}{\overset{n}{\Σ}}{\left(x\right(i,j)-M_1)}^3\]}^{\frac{1}{3}};$

式中，x(i,j)为采集的烟叶图像的像素向量，大小为m×n＝N,共有N个像素。

3.根据权利要求2所述的大田烟叶成熟度定量评估方法，其特征在于，所述步骤S1中计算烟叶纹理特征值的过程如下：

31)对采集的大小为P×Q的烟叶灰度图像I(x,y)进行Gabor小波变换为：

$G_{mn}(x,y)=\underset{s}{\Σ}\underset{t}{\Σ}I(x-s,y-t){\mathrm{\ψ}}_{mn}^{*}(s,t),$

其中s、t是Gabor小波变换滤波器板大小变量，是ψ_mn(s,t)的共轭复数，由Gabor基函数经过伸缩和旋转得到：

$\mathrm{\ψ}(x,y)=\left(\frac{1}{2{\mathrm{\π\σ}}_x{\mathrm{\σ}}_y}\right)\exp \[-\frac{1}{2}(\frac{x^2}{{\mathrm{\σ}}_x^2}+\frac{y^2}{{\mathrm{\σ}}_y^2})+2{\mathrm{\πjW}}_{mn}\],$

${\mathrm{\ψ}}_{mn}(x,y)=a^{-m}\mathrm{\ψ}(\tilde{x},\tilde{y})$

$\tilde{x}=a^{-m}(xcos\mathrm{\θ}+ysin\mathrm{\θ})$

$\tilde{y}=a^{-m}(-xsin\mathrm{\θ}+ycos\mathrm{\θ})$

其中 $\begin{array}{ccccc}a={\left(\frac{U_h}{U_l}\right)}^{\frac{1}{M-1}},& \mathrm{\θ}=\frac{n\mathrm{\π}}{N},& a>1,& W_{mn}=a^m{U}_l,& {\mathrm{\σ}}_x=\frac{(a+1)\sqrt{2ln2}}{2{\mathrm{\πa}}^m(a-1)U_l}\end{array},$ U_l为0.05，U_h为0.4，m、n分别表示尺度和方向，m＝0,1···M-1，n＝0,1···N-1，M、N分别表示尺度数和方向数；

32)对烟叶灰度图像I(x,y)进行Gabor小波变换后得到一簇参数：根据该参数计算出烟叶灰度图像I(x,y)的均值μ_mn和标准差σ_mn：

${\mathrm{\μ}}_{mn}=\frac{E(m,n)}{P\×Q}$

${\mathrm{\σ}}_{mn}=\frac{\sqrt{\underset{x}{\Σ}\underset{y}{\Σ}{\left(\right|G_{mn}(x,y)|-{\mathrm{\μ}}_{mn})}^2}}{P\×Q}.$

4.根据权利要求3所述的大田烟叶成熟度定量评估方法，其特征在于，所述步骤S2的具体过程如下：

41)以烟叶图像色调的峰度、能量、一阶矩阵、二阶矩阵、三阶矩阵，烟叶图像饱和度的峰度、一阶矩阵、二阶矩阵、三阶矩阵，以及烟叶灰度图像纹理均值、标准差一共11个参数作为烟叶成熟度特征向量；

42)根据GB2635-92，分别确定烟叶成熟度为完熟、成熟、尚熟、欠熟、假熟5个档次的烟叶的成熟度特征向量；

43)以完熟烟叶的成熟度特征向量作为参考向量，以成熟、尚熟、欠熟、假熟的烟叶的成熟度特征向量作为比较向量，分别计算成熟、尚熟、欠熟、假熟的烟叶与完熟烟叶的灰色绝对关联度；

44)计算采集的烟叶图像与完熟烟叶图像的灰色绝对关联度，将该灰色绝对关联度与成熟、尚熟、欠熟、假熟烟叶与完熟烟叶的灰色绝对关联度进行对照来确定采集的烟叶的成熟度。

5.根据权利要求4所述的大田烟叶成熟度定量评估方法，其特征在于，计算成熟、尚熟、欠熟、假熟的烟叶与完熟烟叶的灰色绝对关联度的过程如下：

51)分别将完熟烟叶的成熟度特征向量X₀、成熟烟叶的成熟度特征向量X₁、尚熟烟叶的成熟度特征向量X₂、欠熟烟叶的成熟度特征向量X₃和假熟烟叶的成熟度特征向量X₄进行零化处理，零化处理过程如下：

X_i＝(x_i(1),x_i(2),···，x_i(n))

X_iD＝(x_i(1)d,x_i(2)d,···，x_i(n)d)

$X_{i}D=X_i^0=\left(x_i^0\right(1),x_i^0(2),...,x_i^0(n\left)\right)$

52)计算|s_i|、|s₀-s_i|:

$s_i={\∫}_1^n(X_i-x_i(1\left)\right)dt$

$X_i^0=\left(x_i^0\right(1),x_i^0(2),...,x_i^0(n\left)\right)$

$X_j^0=\left(x_j^0\right(1),x_j^0(2),...,x_j^0(n\left)\right)$

$s_i-s_j={\∫}_1^n(X_i^0-X_j^0)dt$

式中i＝1,2，···，4，D、d为零化算子，x_i(k)d＝x_i(k)-x_i(1)，k＝1,2，···，n，n＝1,2，···，11，X_iD为X_i的零化像；

53)计算灰色绝对关联度：

${\mathrm{\ϵ}}_{oi}=\frac{1+\left|s_0\right|+\left|s_i\right|}{1+\left|s_0\right|+\left|s_i\right|+|s_0-s_i|}.$