專利名稱：圖像特征提取方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明實(shí)施例涉及圖像處理技術(shù)，特別涉及一種圖像特征提取方法及裝置。
背景技術(shù)：
隨著科學(xué)技術(shù)的不斷發(fā)展,基于圖像處理技術(shù)的果蔬采摘機(jī)器人已經(jīng)問(wèn) 世，果蔬采摘機(jī)器人的出現(xiàn)解決了果農(nóng)在采摘時(shí)節(jié)，由于種植面積大而不能 及時(shí)采摘的困擾，具有采摘成功率和采摘效率高的優(yōu)點(diǎn)，節(jié)省了人力。
為了使果蔬采摘機(jī)器人更好地為果農(nóng)服務(wù)，需要對(duì)果蔬采摘機(jī)器人在技 術(shù)上不斷地改進(jìn)。其中，果蔬采摘機(jī)器人的視覺(jué)系統(tǒng)是果蔬采摘機(jī)器人的關(guān) 鍵組成部分，視覺(jué)系統(tǒng)的主要作用是識(shí)別目標(biāo)果實(shí)并對(duì)其進(jìn)行三維定位。在 現(xiàn)有技術(shù)中，視覺(jué)系統(tǒng)通常采用雙彩色相機(jī)及附屬設(shè)備，從不同角度同時(shí)獲 得目標(biāo)果實(shí)的兩幅數(shù)字圖像，然后通過(guò)將兩幅數(shù)字圖像進(jìn)行立體匹配恢復(fù)出
目標(biāo)果實(shí)的三維幾何信息，重建目標(biāo)果實(shí)三維輪廓及位置；或者采用一個(gè)彩 色相機(jī)和另外的 一種測(cè)距設(shè)備，在不同時(shí)刻從不同角度獲得目標(biāo)果實(shí)的兩幅 數(shù)字圖像，然后通過(guò)將兩幅數(shù)字圖像進(jìn)行立體匹配恢復(fù)出目標(biāo)果實(shí)的三維幾 何信息，重建目標(biāo)果實(shí)三維輪廓及位置。上述的立體匹配主要實(shí)現(xiàn)空間同 一物體點(diǎn)的兩幅或多幅圖像在空間位置上的對(duì)準(zhǔn)，即在一幅圖像中給定一點(diǎn)， 在另 一幅圖像中尋找對(duì)應(yīng)點(diǎn)的過(guò)程，使得這兩點(diǎn)為空間同 一物體點(diǎn)的投影， 立體匹配是恢復(fù)目標(biāo)果實(shí)的三維幾何信息的關(guān)鍵技術(shù)。
進(jìn)一步地，現(xiàn)有技術(shù)中的立體匹配主要基于特征進(jìn)行立體匹配，基于 特征的立體匹配有兩個(gè)主要環(huán)節(jié)特征提取和特征匹配?？梢蕴崛〉奶卣靼?括點(diǎn)、線與區(qū)域等。具體到果蔬釆摘機(jī)器人被采摘的目標(biāo)果實(shí)的定位，由 于目標(biāo)果實(shí)的位置具有隨機(jī)性，又易受自然光線變化、風(fēng)力變化等不穩(wěn)定因素的影響，而且目標(biāo)果實(shí)往往是掩藏在樹(shù)葉、樹(shù)枝中間，目標(biāo)果實(shí)之間存在 相互遮擋、重疊現(xiàn)象，在上述復(fù)雜的環(huán)境中快速準(zhǔn)確的提取目標(biāo)果實(shí)的特征， 是進(jìn)行后續(xù)特征匹配的基礎(chǔ)。
目前，國(guó)內(nèi)外有些關(guān)于果蔬圖像特征提取方面的研究報(bào)道，例如國(guó) 內(nèi)本領(lǐng)域技術(shù)人員研究了自然環(huán)境下多種果蔬圖像的果實(shí)和背景的顏色 特征，提出了用2R-G-B分量進(jìn)行圖像的分割，并對(duì)隨機(jī)Hough變換算法進(jìn) 行了改進(jìn)，對(duì)目標(biāo)果實(shí)的圓心和半徑等特征進(jìn)行提?。辉偃?，國(guó)外本領(lǐng)域 的技術(shù)人員根據(jù)圖像中目標(biāo)果實(shí)比背景成分紅色分量高的原理，進(jìn)一步增 強(qiáng)數(shù)字圖像中的紅色分量，得到雙峰直方圖，根據(jù)最佳閾值分割算法，分割 目標(biāo)杲實(shí)和背景，以進(jìn)行對(duì)目標(biāo)果實(shí)的圓心和半徑等特征進(jìn)行提?。涣硗?還有些研究人員采用目標(biāo)果實(shí)的顏色特征及紋理特征對(duì)目標(biāo)果實(shí)進(jìn)行圖 像分割，最后采用求取目標(biāo)果實(shí)邊緣平均曲率的方法提取目標(biāo)果實(shí)的圓心 和半徑等特征。上述方法均難以解決目標(biāo)果實(shí)圖像粘連問(wèn)題，并且存在速 度慢或準(zhǔn)確度低等缺陷。

發(fā)明內(nèi)容
本發(fā)明實(shí)施例的第 一 目的是提供一種圖像特征提取方法，利用該方法能 夠較好地解決作為目標(biāo)圖像的果實(shí)圖像相互粘連的問(wèn)題。
本發(fā)明實(shí)施例的第二目的是提供一種圖像特征提取裝置，利用該裝置同 樣能夠較好地解決作為目標(biāo)圖像的果實(shí)圖像相互粘連的問(wèn)題。
為實(shí)現(xiàn)上述第一目的，本發(fā)明的一些實(shí)施例提供了一種圖像特征提取方 法，包括
根據(jù)采集到的圖像生成加權(quán)圖像，所述加權(quán)圖像的像素由在RGB色彩空 間對(duì)應(yīng)像素的和差比和Lab色彩空間對(duì)應(yīng)像素的灰度值加權(quán)獲得；
根據(jù)所^口權(quán)圖像生成二值圖像，所述二值圖像包括目標(biāo)圖像和背景圖像， 所述目標(biāo)圖像由單個(gè)目標(biāo)或多個(gè)目標(biāo)的圖像互相遮擋構(gòu)成；
填充所述二值圖像中目標(biāo)圖像的孔洞并消除所述二值圖像的噪聲；
6獲取所述填充完孔洞的目標(biāo)圖像的邊緣圖像，并獲取所述邊緣圖像的外
接矩形圖像；
對(duì)于任一所述外接矩形圖像，根據(jù)該外接矩形圖像內(nèi)的邊緣圖像計(jì)算得 到相應(yīng)的圓心和半徑。
為實(shí)現(xiàn)上述第二目的，本發(fā)明的另一些實(shí)施例還提供了一種圖像特征提 取裝置，包括第一生成模塊、第二生成模塊、處理模塊、第一獲取模塊和
第二獲取模塊；
所述第一生成模塊包括第一獲取單元、轉(zhuǎn)換單元、第二獲取單元和生成
單元，所述第一獲取單元，用于在RGB色彩空間中獲取所述采集到的圖像中 每個(gè)像素的和差比；所述轉(zhuǎn)換單元，用于將所述采集到的圖像從所述RGB色 彩空間轉(zhuǎn)換到Lab色彩空間；所述第二獲取單元，與所述轉(zhuǎn)換單元相連，用 于從所述Lab色彩空間a通道中獲取對(duì)應(yīng)所述采集到的圖像中每個(gè)像素的灰 度值；所述生成單元，與所述所述第一獲取單元和所述第二獲取單元分別相 連，用于根據(jù)所述和差比和灰度值，獲取對(duì)應(yīng)所述采集到的圖像中每個(gè)像素 的加權(quán)值，生成加權(quán)圖像；
所述第二生成模塊，與所述生成單元相連，用于根據(jù)所述加權(quán)圖像生成 二值圖像，所述二值圖像包括目標(biāo)圖像和背景圖像；
所述處理模塊，與第二生成模塊相連，用于填充所述二值圖像中目標(biāo)圖 像的孔洞并消除所述二值圖像的噪聲；
所述第一獲取模塊，與所述處理模塊相連，用于獲取所述填充完孔洞的 目標(biāo)圖像的邊緣圖像，并獲取所述邊緣圖像的外接矩形圖像；
所述第二獲取模塊，與所述第一獲取模塊相連，用于對(duì)于任一所述外接 矩形圖像，根據(jù)該外接矩形圖像內(nèi)的邊緣圖像計(jì)算得到相應(yīng)的圓心和半徑。。
由上述技術(shù)方案可知，本發(fā)明的一些實(shí)施例提供了 一種圖像特征提取方 法，通過(guò)對(duì)采集到的圖像進(jìn)行處理，生成加權(quán)圖像、二值圖像，在二值圖^f象中 填充目標(biāo)圖像的孔洞并消除隨機(jī)噪聲，最終通過(guò)目標(biāo)圖像的邊緣圖像和外接矩形圖像，獲取一組圓心和半徑的圖像特征，解決了目標(biāo)較多而重疊、遮擋時(shí)，
對(duì)目標(biāo)粘連圖像的識(shí)別問(wèn)題，具有準(zhǔn)確、快速的特點(diǎn)；本發(fā)明的另一些實(shí) 施例提供了一種圖像特征提取裝置，在第一生成才莫塊中用于在RGB色彩空間 中獲取所述采集到的圖像中每個(gè)像素的和差比，同時(shí)由轉(zhuǎn)換單元將采集到的 圖像從RGB色彩空間轉(zhuǎn)換到Lab色彩空間，并由第二獲取單元獲取每個(gè)像素 的灰度值，最終由生成單元根據(jù)和差比和灰度值獲取每個(gè)像素的加權(quán)值以生 成加權(quán)圖像，第二生成模塊對(duì)加權(quán)圖像的加權(quán)值像素分割以生成二值圖像， 處理模塊在二值圖像中填充目標(biāo)圖像的孔洞、消除二值圖像的隨機(jī)噪聲，并由 第一獲取模塊獲取目標(biāo)圖像的邊緣圖像和外接矩形圖像，最終由第二獲取模 塊對(duì)于任一所述外接矩形圖像，根據(jù)該外接矩形圖像內(nèi)的邊緣圖像計(jì)算得到 相應(yīng)的圓心和半徑，可以很好的解決粘連果實(shí)圖像的分割問(wèn)題，該圖像特 征提取的方法具有快速、準(zhǔn)確的特點(diǎn)。


圖1為本發(fā)明實(shí)施例圖像特征提取方法的流程圖2為本發(fā)明實(shí)施例對(duì)二值圖像進(jìn)行填孔洞和消除噪聲后的示意圖3為本發(fā)明實(shí)施例圖2中目標(biāo)圖像的邊緣圖像和外接矩形的示意圖4為本發(fā)明實(shí)施例以一組圓心和半徑構(gòu)成圓形圖像的示意圖5為本發(fā)明實(shí)施例選中外接矩形圖像內(nèi)剩余邊緣圖像的示意圖6為本發(fā)明實(shí)施例圖像特征提取裝置的結(jié)構(gòu)示意圖。
具體實(shí)施例方式
下面通過(guò)附圖和實(shí)施例，對(duì)本發(fā)明實(shí)施例的技術(shù)方案做進(jìn)一步的詳細(xì)描述。
本發(fā)明所有實(shí)施例所提供的圖像特征提取方法，主要是針對(duì)在自然條件 下，對(duì)類圓形目標(biāo)果實(shí)進(jìn)行圖像特征提取的方法，以下各實(shí)施例中類圓形目標(biāo)果實(shí)可以選擇以蘋(píng)果為例。
圖1為本發(fā)明實(shí)施例圖像特征提取方法的流程圖。如圖1所示，本實(shí)施
例的圖像特征提取方法，具體為
步驟ll、根據(jù)采集到的圖像生成加權(quán)圖像，所述加權(quán)圖像的像素由在RGB 色彩空間對(duì)應(yīng)像素的和差比和Lab色彩空間對(duì)應(yīng)像素的灰度值加權(quán)獲得；
該步驟可以具體為首先，對(duì)所要采摘蘋(píng)果的圖像進(jìn)行釆集， 一般釆 集到的圖像均處于RGB色彩空間，所述采集到的圖像中的每一個(gè)像素都對(duì) 應(yīng)一組RGB(紅、綠、藍(lán))值，將所述采集到的圖像在RGB色彩空間中，根 據(jù)所述采集到圖像中每個(gè)像素的RGB值獲取和差比(G+B) / (G-B);接著， 將所述采集到的圖像從所述RGB色彩空間轉(zhuǎn)換到Lab色彩空間，獲取CIE色 度值(X， Y, Z)，所述CIE色度值(X， Y， Z)與RGB值的對(duì)應(yīng)關(guān)系為 X =2. 7689R+1. 7517G+1. 1 3025B， Y =1. 000R+4. 5907G+0. 0601B, Z=0. 55907G+5. 5943B，
在所述Lab色彩空間中，所述采集到的圖像中的每一個(gè)像素都對(duì)應(yīng)L、a、 b三條通道，即每一個(gè)像素都對(duì)應(yīng)一組(L、 a、 b)值，在本實(shí)施例中從所 述Lab色彩空間中的a通道，獲取對(duì)應(yīng)所述采集到的圖像中每個(gè)像素的灰度 值IMAGa, IMAGa為所述CIE色度值X和Y的函數(shù)
IMAGa=500 [f (X/X0)- f (Y/Y。)]，
其中，函數(shù)f為f (x)=x1/3， X。， Y。為標(biāo)準(zhǔn)光源的值； 最后，根據(jù)所述和差比(G+B) / (G-B)和灰度值IMAGa,采用公式 IMAGJ=0. 5*IMAGa+0. 5* ( G+B ) / ( G-B )，獲取加權(quán)值IMAGJ，所述加權(quán)值即 為所要生成加權(quán)圖像中每個(gè)像素對(duì)應(yīng)所述釆集到的圖像中每個(gè)像素的值，以 生成加權(quán)圖像。
這里需要說(shuō)明地是，所述CIE色度值(X, Y, Z)可以在所述RGB色彩空 間轉(zhuǎn)換到Lab色彩空間之前或之后獲取，并不影響獲取灰度值IMAGa。步驟12、根據(jù)所i^口權(quán)圖像生成二值圖像，所述二值圖像包括目標(biāo)圖像和
背景圖像，所述目標(biāo)圖像由單個(gè)目標(biāo)或多個(gè)目標(biāo)的圖像互相遮擋構(gòu)成；
該步驟可以具體為對(duì)所述加權(quán)圖像中所有像素的加權(quán)值IMAGJ采用 0stu法自動(dòng)閾值分割，生成二值圖像，所述二值圖像包括目標(biāo)圖像和背景圖像， 所述采集到的圖像中一般會(huì)有多個(gè)蘋(píng)果果實(shí)圖像，目標(biāo)圖像為所述果實(shí)圖 像在所述二值圖像中的表現(xiàn)形式；所述目標(biāo)圖像可能由單個(gè)目標(biāo)蘋(píng)果而構(gòu)成 的目標(biāo)圖像，或者由多個(gè)目標(biāo)蘋(píng)果互相遮擋而構(gòu)成的目標(biāo)圖像；在本實(shí)施例 中目標(biāo)圖像由白色像素點(diǎn)構(gòu)成，以下簡(jiǎn)稱白色點(diǎn)，背景圖像由黑色像素點(diǎn)構(gòu)成， 以下筒稱黑色點(diǎn)。
步驟13、填充所述二值圖像中目標(biāo)圖像的孔洞并消除所述二值圖像的噪
聲；
由于蘋(píng)果表面光照反射及遮擋等原因，分割所述加權(quán)圖像中所有像素 的加權(quán)值IMAGJ所生成的二值圖像中，有些目標(biāo)圖像的內(nèi)部存在孔洞現(xiàn)象， 孔洞的區(qū)域由黑色點(diǎn)構(gòu)成，同時(shí)，枝干、地面等部分在所述二值圖像中有 可能形成一些區(qū)域較小的白色區(qū)域，成為目標(biāo)圖像的噪聲，即噪聲由白色 點(diǎn)構(gòu)成；
該步驟可以具體為采用4*4的結(jié)構(gòu)元素對(duì)所述二值圖像連續(xù)進(jìn)行兩 次開(kāi)運(yùn)算和閉運(yùn)算，可填充上述目標(biāo)圖像內(nèi)部的孔洞并消除二值圖像中的 部分噪聲，所述4*4的結(jié)構(gòu)元素是指邊長(zhǎng)為4個(gè)像素的方形陣列，其中的 像素值都為1 ,所述開(kāi)運(yùn)算可以去除比4*4的結(jié)構(gòu)元素更小的明亮細(xì)節(jié)， 閉運(yùn)算可以去除比4*4的結(jié)構(gòu)元素更小的暗色細(xì)節(jié)，開(kāi)閉運(yùn)算組合使用可 以平滑圖像，消除部分點(diǎn)狀的噪聲；然后計(jì)算各個(gè)目標(biāo)圖像面積，設(shè)定面 積閾值，將面積小于所述面積閾值的目標(biāo)圖像(白色區(qū)域)轉(zhuǎn)換為背景圖 像(由黑色點(diǎn)構(gòu)成)，即可消除其余部分的噪聲，所述面積閾值可根據(jù)需 要在50像素左右選取，本實(shí)施例中省略了二值圖像中存在噪聲和其目標(biāo) 圖像存在孔洞的示意圖，圖2為本發(fā)明實(shí)施例對(duì)二值圖像進(jìn)行填孔洞和消除
10噪聲后的示意圖，如圖2所示，圖中的每一個(gè)白色區(qū)域即為填充完孔洞的目 標(biāo)圖像。
步驟14、獲取所述填充完孔洞的目標(biāo)圖像的邊緣圖像，并獲取所述邊緣 圖像的外接矩形圖像；
該步驟可以具體為首先，在上述步驟13處理后的二值圖像中，搜 索白色點(diǎn)，判斷搜索到的白色點(diǎn)的其他8個(gè)鄰域像素點(diǎn)是否有黑色點(diǎn)，若 有，所述白色點(diǎn)則為邊緣點(diǎn)，不處理，否則為非邊緣點(diǎn)，將其轉(zhuǎn)換為黑色 點(diǎn)，最終獲取到以白色點(diǎn)為邊緣點(diǎn)的邊緣圖像。所述邊緣圖像為圖2中每 個(gè)白色區(qū)域的邊緣圖像，由于所述白色區(qū)域?qū)?yīng)所述填充完孔洞的目標(biāo)圖 像，因此所述邊緣圖像為所述填充完孔洞的目標(biāo)圖像的邊緣圖像，最后根據(jù) 所述每個(gè)白色區(qū)域的邊緣圖像，獲取所述邊緣圖像的外接矩形圖像。圖3 為本發(fā)明實(shí)施例圖2中目標(biāo)圖像的邊緣圖像和外接矩形的示意圖。如圖3所 示，圖3中每一個(gè)外接矩形圖像內(nèi)的邊緣圖像都對(duì)應(yīng)圖2中相同位置的目 標(biāo)圖像。 .
步驟15、對(duì)于任一所述外接矩形圖像，根據(jù)該外接矩形圖像內(nèi)的邊緣圖 像計(jì)算得到相應(yīng)的圓心和半徑。
該步驟可以具體為首先對(duì)于圖3中的任一外接矩形圖像，所述外接 矩形圖像可由左上角的坐標(biāo)(XI, Yl)和右上角的坐標(biāo)(X2， Y2)限定其 內(nèi)部邊緣圖像的范圍，具體地，左上角的XI坐標(biāo)為所述邊緣圖像的邊緣 點(diǎn)中X坐標(biāo)值最小值，Yl坐標(biāo)為所述邊緣圖像的邊緣點(diǎn)中Y坐標(biāo)最大值， 右下角的X2坐標(biāo)值為所述邊緣圖像的邊緣點(diǎn)中X坐標(biāo)值最大值，Y2坐標(biāo) 值為所述邊緣圖像的邊緣點(diǎn)中Y坐標(biāo)最小值，本實(shí)施例中的所有坐標(biāo)都是 以像素為單位衡量的；再根據(jù)所述外接矩形圖像和其內(nèi)部的邊緣圖像，采用 遺傳算法獲取所述外接矩形圖像和其內(nèi)部的邊緣圖像相應(yīng)的目標(biāo)圖像圓心和 半徑；
本實(shí)施例所釆用的遺傳算法是從代表問(wèn)題潛在解集的一個(gè)初始種群開(kāi)始的。所述初始種群由經(jīng)過(guò)基因編碼的一定數(shù)目的染色體組成。所述染 色體作為多個(gè)基因的集合，其內(nèi)部表現(xiàn)(即基因型)是某種基因組合，它
決定了染色體的外部表現(xiàn)(即表現(xiàn)型)。首先，需要實(shí)現(xiàn)從表現(xiàn)型到基因 型的映射即基因編碼，由于仿照基因編碼的工作很復(fù)雜，在實(shí)際應(yīng)用中往
往進(jìn)行簡(jiǎn)化， 一般采用二進(jìn)制編碼；接著，初代種群產(chǎn)生之后，按照適者 生存和優(yōu)勝劣汰的原理，逐代演化產(chǎn)生出越來(lái)越好的近似解，根據(jù)染色體 的適應(yīng)度大小選擇染色體，并借助于自然遺傳學(xué)的對(duì)基因型進(jìn)行組合交叉 和變異，產(chǎn)生下一代種群。這個(gè)過(guò)程將導(dǎo)致種群像自然進(jìn)化一樣，末代種 群中的最優(yōu)染色體的基因型經(jīng)過(guò)解碼的表現(xiàn)型，可以作為問(wèn)題近似的最優(yōu) 解。所述遺傳算法的搜索從群體出發(fā)，在同一時(shí)間可以進(jìn)行多個(gè)染色體的 并行比較，新一代種群比上一代更加適應(yīng)于環(huán)境，提高了求解的速度和精
度；
在本實(shí)施例中，利用的遺傳算法為 步驟15Q1、生成初始種群；
該步驟可以具體為如果蘋(píng)果果實(shí)邊緣被遮擋過(guò)多，有可能蘋(píng)果果實(shí) 的圓心出現(xiàn)在該蘋(píng)果果實(shí)的目標(biāo)圖像所對(duì)應(yīng)外接矩形圖像的外面，因此， 可根據(jù)圖2的二值圖像中各個(gè)目標(biāo)圖像的尺寸設(shè)定一恒量Lr, Lr可設(shè)定 為蘋(píng)果半徑的近似值，單位為像素，例如，所采集到的圖像中蘋(píng)果圖像的 半徑在80像素制IOO像素之間，則可設(shè)Lr為lOO,為提高遺傳算法的搜 索效率，利用恒量Lr對(duì)所述外接矩形圖像左上角的坐標(biāo)(Xl， Yl)和右 下角的坐標(biāo)(X2, Y2 )限定范圍內(nèi)的坐標(biāo)(x， y )做如下處理x 6 [Xl-Lr， X2+Lr] ， y 6 [Yl+Lr, Y2-Lr〗;接著在坐標(biāo)值x和y所限定的范圍內(nèi)， 采用隨機(jī)數(shù)產(chǎn)生的方法，隨機(jī)產(chǎn)生50個(gè)坐標(biāo)(x， y),其中每個(gè)坐標(biāo)(x， y)都代表一個(gè)染色體，這50個(gè)染色體構(gòu)成了初始種群。 步驟1502、對(duì)染色體編碼，并生成所述染色體的基因型； 該步驟可以具體為對(duì)上述染色體Ik (k-l, 2，.， 50)進(jìn)行編
12碼，由于染色體Ik的基因型GK為二進(jìn)制數(shù)，又考慮到所采集到的圖像中 蘋(píng)果圖像的大小，因此將代表染色體的坐標(biāo)(x, y)中的x和y值分別采 用IO位的二進(jìn)制數(shù)表示，以組成20位的二進(jìn)制數(shù)xy,例如坐標(biāo)(8, 14)， 8和14的IO位二進(jìn)制數(shù)所組成的20位二進(jìn)制凄t為00000， 01000, 00000, 01110，這里的20位二進(jìn)制數(shù)xy即為染色體Ik的基因型GK。 步驟1503、獲取初始種群中所有染色體的適應(yīng)度；
該步驟可以具體為根據(jù)代表染色體的坐標(biāo)(x, y)獲取該坐標(biāo)到其邊 緣圖像上每個(gè)邊緣點(diǎn)的距離，并統(tǒng)計(jì)這些距離中接近所采集到的圖像中蘋(píng)果 圖像半徑距離的個(gè)數(shù)n，例如，所采集到的圖像中蘋(píng)果圖像半徑在80像素制 IOO像素之間，可統(tǒng)計(jì)距離在70像素至IIO像素間的距離的個(gè)數(shù)，進(jìn)一步地， 可設(shè)定接近該半徑的距離為可信距離，因此可信距離的個(gè)數(shù)為n,然后再獲 取在70像素至110像素距離范圍內(nèi)這些可信距離的方差var ，并通過(guò)本實(shí)施
例所提供的公式/A,= ,獲取初始種群中每個(gè)染色體的適應(yīng)度；
步驟1504、對(duì)每個(gè)染色體進(jìn)行交叉和變異，最終獲取最優(yōu)的染色體。 該步驟可以具體為根據(jù)初始種群中每個(gè)染色體的適應(yīng)度，對(duì)每個(gè)染 色體的基因型進(jìn)行交叉和變異，生成第一下一代種群，在本實(shí)施例中設(shè)定所 述的交叉率為30%,變異率為0.1°/。，進(jìn)一步地，第一下一代種群繼續(xù)執(zhí)行步 驟1503和步驟1504，本實(shí)施例中設(shè)定進(jìn)化到第一百下一代種群，最終獲取 最優(yōu)的染色體，其中最優(yōu)染色體的表現(xiàn)型即為所選中外接矩形圖像所對(duì)應(yīng)目 標(biāo)圖像的圓心，進(jìn)一步地，根據(jù)步驟1503，獲取該圓心到其邊緣圖像上每 個(gè)邊緣點(diǎn)的可信距離，并統(tǒng)計(jì)該可信距離中相等數(shù)值最多的前3個(gè)可信距 離，獲取該3個(gè)可信距離的均值，即為目標(biāo)圖像的半徑。
本實(shí)施中所提供的圖像特征提取方法，通過(guò)對(duì)采集到的圖像歸一化和轉(zhuǎn) 換色彩空間，生成加權(quán)圖像，并對(duì)加權(quán)圖像的加權(quán)值像素分割以生成二值圖 像，在二值圖像中填充目標(biāo)圖像的孔洞、消除二值圖像的隨機(jī)噪聲并獲取目標(biāo) 圖像的邊緣圖像和外接矩形圖像，最終根據(jù)所述邊緣圖像和選中外接矩形圖像獲取一組圓心和半徑的圖像特征，不但可以較好地解決果實(shí)圖像之間的遮
擋問(wèn)題，在果實(shí)圖像被遮擋超過(guò)2/3時(shí)，依然可以準(zhǔn)確的提取圓心和半徑
的特征，而且可以很好的解決粘連果實(shí)圖像的分割問(wèn)題，該圖像特征提取 的方法具有快速、準(zhǔn)確的特點(diǎn)。
本發(fā)明實(shí)施例的圖像特征提取方法，還包括 步驟16、將所述圓心和半徑的邊緣圖像轉(zhuǎn)換為所述背景圖像； 在圖3中所述對(duì)于任一外接矩形圖像中，以所述相應(yīng)的圓心和半徑構(gòu) 成圓形圖像，圖4為本發(fā)明實(shí)施例以一組圓心和半徑構(gòu)成圓形圖像的示意圖， 如圖4所示，圖4即為所選中的外接矩形圖像，其內(nèi)部為邊緣圖像；接著采 用"消去法"，將所述選中外接矩形圖像內(nèi)部的邊緣圖像轉(zhuǎn)換為所述背景圖 像。
進(jìn)一步，還包括
步驟17、當(dāng)所述外接矩形圖像內(nèi)部還包含剩余的邊緣圖像時(shí)，則根據(jù)所 述剩余的邊緣圖像和所述外接矩形圖像計(jì)算獲得所述剩余的邊緣圖像對(duì)應(yīng)的 圓心和半徑；
該步驟可以具體為圖5為本發(fā)明實(shí)施例選中外接矩形圖像內(nèi)剩余邊緣 圖像的示意圖；進(jìn)一步地，在圖5的基礎(chǔ)上，當(dāng)所述選中外接矩形圖像內(nèi)部 還具有剩余的邊緣圖像時(shí)，確定在所述選中外接矩形圖像內(nèi)部的邊緣點(diǎn)的個(gè) 數(shù)，其中先設(shè)定一閾值50,超過(guò)閾值50說(shuō)明選中外接矩形圖像內(nèi)部還具有 剩余的邊緣圖像，該剩余的邊緣圖像為其他蘋(píng)果圖像的邊緣圖像，進(jìn)一步說(shuō) 明對(duì)應(yīng)所述選中外接矩形圖像的目標(biāo)圖像為果實(shí)粘連圖像；接著則根據(jù)所述 剩余的邊緣圖像和所述選中外接矩形圖像，返回步驟1503,并采用上述遺傳 算法，計(jì)算獲得所述剩余的邊緣圖像對(duì)應(yīng)的圓心和半徑，直到所選中的外接 矩形圖像內(nèi)部不再有剩余的邊緣圖像，即不再有其他蘋(píng)果圖像為止。
接下來(lái)，選取所采集到的圖像中圖3二值圖像的另一外接矩形圖像，并 對(duì)其執(zhí)行步驟15和步驟16,直到獲取圖3 二值圖像中所有的外接矩形圖像內(nèi)邊緣圖像的圓心和半徑，以完成對(duì)所采集到的圖像的圓心和半徑特征的提 取。
圖6為本發(fā)明實(shí)施例圖4象特征提取裝置的結(jié)構(gòu)示意圖。如圖6所示，本 發(fā)明實(shí)施例圖像特征提取裝置包括第一生成模塊61、第二生成模塊62、處理 模塊64、第一獲取模塊63、第二獲取模塊65，
其中，第一生成模塊61包括第一獲取單元6101、轉(zhuǎn)換單元6102、第二 獲取單元6103和生成單元6104;第一獲取單元6101,在所述采集到的圖像 在RGB色彩空間中，獲取所述采集到的圖像中每一個(gè)像素的和差比(G+B) / (G-B);轉(zhuǎn)換單元6102將所述采集到的圖像從所述RGB色彩空間轉(zhuǎn)換到Lab 色彩空間，具體為將所述采集到的圖像從所述RGB色彩空間轉(zhuǎn)換到Lab色彩 空間，在所述Lab色彩空間中，所述采集到的圖像中的每一個(gè)像素都對(duì)應(yīng)L、 a、 b三條通道，即每一個(gè)像素都對(duì)應(yīng)一組(L、 a、 b)值；第二獲取單元 6103，與轉(zhuǎn)換單元6102相連，并從所述Lab色彩空間a通道中獲取對(duì)應(yīng)所述 采集到的圖像中每個(gè)像素的灰度值IMAGa;生成單元6104，與第一獲取單元 6101和第二獲取單元6103分別相連，并根據(jù)所述和差比和灰度值，獲取對(duì) 應(yīng)所述采集到的圖像中每個(gè)像素的加權(quán)值生成加權(quán)圖像，具體為根據(jù)所述和 差比(G+B ) / ( G-B )和灰度值頂AGa，采用公式IMAGJ=0. 5*IMAGa+0. 5* ( G+B ) / (G-B),獲取加權(quán)值IMAGJ，所述加權(quán)值即為所要生成加權(quán)圖像中每個(gè)像 素對(duì)應(yīng)所述采集到的圖像中每個(gè)像素的值，最終生成加權(quán)圖像。
第二生成模塊62,與第一生成單元6104相連，并根據(jù)所述加權(quán)圖像生成 二值圖像，具體為對(duì)所述加權(quán)圖像中所有像素的加權(quán)值IMAGJ采用Ostu法自 動(dòng)閾值分割以生成二值圖像，所述二值圖像包括目標(biāo)圖像和背景圖像，其中目 標(biāo)圖像具體為由單個(gè)目標(biāo)或多個(gè)目標(biāo)互相遮擋而構(gòu)成的目標(biāo)圖像；處理模塊 64,與第二生成模塊62相連，并填充所述二值圖像中目標(biāo)圖像的孔洞并消除 所述二值圖像的噪聲，具體為采用4*4的結(jié)構(gòu)元素對(duì)所述二值圖像連續(xù)進(jìn) 行兩次開(kāi)運(yùn)算和閉運(yùn)算，可填充上述目標(biāo)圖像內(nèi)部的孔洞并消除二值圖像中的部分噪聲，進(jìn)一步計(jì)算各個(gè)目標(biāo)圖像面積，設(shè)定面積閾值，將面積小
于所述面積閾值的區(qū)域轉(zhuǎn)換為背景圖像，即可消除其余部分的噪聲；第一 獲取模塊63,與處理模塊64相連，并獲取所述填充完孔洞的目標(biāo)圖像的邊 緣圖像，并獲取所述邊緣圖像的外接矩形圖像，具體為首先搜索白色點(diǎn)，然 后判斷搜索到的白色點(diǎn)的其他8個(gè)鄰域像素點(diǎn)是否有黑色點(diǎn)，若有，所述 白色點(diǎn)則為邊緣點(diǎn)，不處理，否則為非邊緣點(diǎn)，將其轉(zhuǎn)換為黑色點(diǎn)，接著 獲取到以白色點(diǎn)為邊緣點(diǎn)的邊緣圖像，最終根據(jù)以白色點(diǎn)為邊緣點(diǎn)的邊緣 圖像，獲取所述填充完孔洞的目標(biāo)圖像邊緣圖像的外接矩形圖像；第二獲取 模塊65,與第一獲取模塊63相連，對(duì)于任一所述外接矩形圖像，根據(jù)該外 接矩形圖像內(nèi)的邊緣圖像計(jì)算得到相應(yīng)的圓心和半徑。
本實(shí)施中所提供的圖像特征提取裝置，在第 一生成模塊中通過(guò)歸 一化單 元對(duì)所述采集到的圖像中每個(gè)像素歸一化，由第 一獲取單元獲取歸 一化后的 和差比，同時(shí)由轉(zhuǎn)換單元將采集到的圖傳^人RGB色彩空間轉(zhuǎn)換到Lab色彩空 間，并由第二獲取單元獲取每個(gè)像素的灰度值，最終由生成單元根據(jù)和差比 和灰度值荻取每個(gè)像素的加權(quán)值以生成加權(quán)圖像，第二生成模塊對(duì)加權(quán)圖像 的加權(quán)值像素分割以生成二值圖像，處理模塊在二值圖像中填充目標(biāo)圖像的孔 洞、消除二值圖像的隨機(jī)噪聲，并由第一獲取模塊獲取目標(biāo)圖像的邊緣圖像和 外接矩形圖像，最終由第二獲取模塊根據(jù)所述邊緣圖像和選中外接矩形圖像 獲取一組圓心和半徑的圖像特征，可以較好地解決果實(shí)圖像之間的遮擋問(wèn) 題，在果實(shí)圖像被遮擋超過(guò)2/3時(shí)，依然可以準(zhǔn)確的提取圓心和半徑的特 征，具有快速、準(zhǔn)確的特點(diǎn)。
本發(fā)明實(shí)施例圖像特征提取裝置還包括轉(zhuǎn)換模塊和第三獲取模塊，其中 轉(zhuǎn)換模塊與所述第二荻取模塊相連，用于將所述圓心和半徑的邊緣圖像轉(zhuǎn)換 為所述背景圖像(即黑色點(diǎn))，第三獲取模塊所述第一獲取模塊相連，當(dāng)所 述外接矩形圖像內(nèi)部還包含剩余的邊緣圖像時(shí)，則根據(jù)所述剩余的邊緣圖像 和所述外接矩形圖像計(jì)算獲得所述剩余的邊緣圖像對(duì)應(yīng)的圓心和半徑，直到所述外接矩形圖像中不再有剩余的邊緣圖像為止。
最后應(yīng)說(shuō)明的是以上實(shí)施例僅用以說(shuō)明本發(fā)明實(shí)施例的技術(shù)方案而非 對(duì)其進(jìn)行限制，盡管參照較佳實(shí)施例對(duì)本發(fā)明實(shí)施例進(jìn)行了詳細(xì)的說(shuō)明，本 領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解其依然可以對(duì)本發(fā)明實(shí)施例的技術(shù)方案進(jìn)行 修改或者等同替換，而這些修改或者等同替換亦不能使修改后的技術(shù)方案脫 離本發(fā)明實(shí)施例技術(shù)方案的精神和范圍。
權(quán)利要求
1、一種圖像特征提取方法，其特征在于，包括根據(jù)采集到的圖像生成加權(quán)圖像，所述加權(quán)圖像的像素由在RGB色彩空間對(duì)應(yīng)像素的和差比和Lab色彩空間對(duì)應(yīng)像素的灰度值加權(quán)獲得；根據(jù)所述加權(quán)圖像生成二值圖像，所述二值圖像包括目標(biāo)圖像和背景圖像，所述目標(biāo)圖像由單個(gè)目標(biāo)或多個(gè)目標(biāo)的圖像互相遮擋構(gòu)成；填充所述二值圖像中目標(biāo)圖像的孔洞并消除所述二值圖像的噪聲；獲取所述填充完孔洞的目標(biāo)圖像的邊緣圖像，并獲取所述邊緣圖像的外接矩形圖像；對(duì)于任一所述外接矩形圖像，根據(jù)該外接矩形圖像內(nèi)的邊緣圖像計(jì)算得到相應(yīng)的圓心和半徑。
2、 根據(jù)權(quán)利要求1所述的圖像特征提取方法，其特征在于，還包括 將所述圓心和半徑的邊緣圖像轉(zhuǎn)換為所述背景圖像。
3、 根據(jù)權(quán)利要求2所述的圖像特征提取方法，其特征在于，還包括 當(dāng)所述外接矩形圖像內(nèi)部還包含剩余的邊緣圖像時(shí)，則根據(jù)所述剩余的邊緣圖像和所述外接矩形圖像計(jì)算獲得所述剩余的邊緣圖像對(duì)應(yīng)的圓心和半 徑。
4、 根據(jù)權(quán)利要求l所述的圖像特征提取方法，其特征在于，根據(jù)采集到 的圖像生成加權(quán)圖像包括在所述采集到的圖像在RGB色彩空間中，獲取所述采集到的圖像中每個(gè) 像素的和差比；將所述采集到的圖像從所述RGB色彩空間轉(zhuǎn)換到Lab色彩空間，并從所 述Lab色彩空間a通道,獲取對(duì)應(yīng)所述采集到的圖像中每個(gè)像素的灰度值；根據(jù)所述和差比和灰度值，獲取對(duì)應(yīng)所述釆集到的圖像中每個(gè)像素的加 權(quán)值，生成加權(quán)圖像。
5、 根據(jù)權(quán)利要求4所述的圖像特征提取方法，其特征在于，所述獲取對(duì)應(yīng)所述采集到的圖像中每個(gè)像素的灰度值之前，還包括獲取對(duì)應(yīng)RGB色彩 空間RGB值的CIE色度值。
6、 根據(jù)權(quán)利要求5所述的圖像特征提取方法，其特征在于，所述填充所 述二值圖像中目標(biāo)圖像的孔洞并消除所述二值圖像的噪聲，包括采用4"的結(jié)構(gòu)元素對(duì)所述二值圖像連續(xù)進(jìn)行兩次開(kāi)運(yùn)算和閉運(yùn)算填 充孔洞，并設(shè)定一面積閾值，將面積小于所述面積閾值的目標(biāo)圖像轉(zhuǎn)換為 背景圖像消除噪聲。
7、 根據(jù)權(quán)利要求6所述的圖像特征提取方法，其特征在于，所述獲取所 述填充完孔洞的目標(biāo)圖像的邊緣圖像，包括搜索白色點(diǎn)，判斷與所述搜索到的白色點(diǎn)相鄰的其他8個(gè)鄰域像素點(diǎn) 是否有黑色點(diǎn)，若有，所述白色點(diǎn)則為邊緣點(diǎn)，否則為非邊緣點(diǎn)，將所述 非邊緣點(diǎn)轉(zhuǎn)換為黑色點(diǎn)，獲取邊緣圖像。
8、 一種圖像特征提取裝置，其特征在于，包括第一生成模塊、第二生 成模塊、處理模塊、第一獲取模塊和第二獲取模塊；所述第一生成模塊包括第一獲取單元、轉(zhuǎn)換單元、第二獲取單元和生成 單元，所述第一獲取單元，用于在RGB色彩空間中獲取所述采集到的圖像中 每個(gè)像素的和差比；所述轉(zhuǎn)換單元，用于將所述采集到的圖像從所述RGB色 彩空間轉(zhuǎn)換到Lab色彩空間；所述第二獲取單元，與所述轉(zhuǎn)換單元相連，用 于從所述Lab色彩空間a通道中獲取對(duì)應(yīng)所述釆集到的圖像中每個(gè)像素的灰 度值；所述生成單元，與所述第一獲取單元和所述第二獲取單元分別相連， 用于根據(jù)所述和差比和灰度值，獲取對(duì)應(yīng)所述采集到的圖像中每個(gè)像素的加 權(quán)值，生成加權(quán)圖像；所述第二生成模塊，與所述生成單元相連，用于根據(jù)所述加權(quán)圖像生成 二值圖像，所述二值圖像包括目標(biāo)圖像和背景圖像；所述處理模塊，與第二生成模塊相連，用于填充所述二值圖像中目標(biāo)圖 像的孔洞并消除所述二值圖像的噪聲；所述第一獲取模塊，與所述處理模塊相連，用于獲取所述填充完孔洞的目標(biāo)圖像的邊緣圖像，并獲取所述邊緣圖像的外接矩形圖像；所述第二獲取^t塊，與所述第一獲取模塊相連，用于對(duì)于任一所述外接 矩形圖像，根據(jù)該外接矩形圖像內(nèi)的邊緣圖像計(jì)算得到相應(yīng)的圓心和半徑。
9、 根據(jù)權(quán)利要求8所述的圖像特征提取裝置，其特征在于，還包括 轉(zhuǎn)換模塊，與所述第二獲取模塊相連，用于將所述圓心和半徑的邊緣圖像轉(zhuǎn)換為所述背景圖像。
10、 根據(jù)權(quán)利要求9所述的圖像特征提取裝置，其特征在于，還包括 第三獲取模塊，所述第一獲取模塊相連，當(dāng)所述外接矩形圖像內(nèi)部還包含剩余的邊緣圖像時(shí)，則根據(jù)所述剩余的邊緣圖像和所述外接矩形圖像計(jì)算 獲得所述剩余的邊緣圖像對(duì)應(yīng)的圓心和半徑。
全文摘要
本發(fā)明實(shí)施例公開(kāi)了一種圖像特征提取方法及裝置，其中圖像特征提取方法包括根據(jù)采集到的圖像生成加權(quán)圖像，所述加權(quán)圖像的像素由在RGB色彩空間對(duì)應(yīng)像素的和差比和Lab色彩空間對(duì)應(yīng)像素的灰度值加權(quán)獲得；根據(jù)所述加權(quán)圖像生成二值圖像，所述二值圖像包括目標(biāo)圖像和背景圖像；填充所述二值圖像中目標(biāo)圖像的孔洞并消除所述二值圖像的噪聲；獲取所述填充完孔洞的目標(biāo)圖像的邊緣圖像，并獲取所述邊緣圖像的外接矩形圖像；對(duì)于任一所述外接矩形圖像，根據(jù)該外接矩形圖像內(nèi)的邊緣圖像計(jì)算得到相應(yīng)的圓心和半徑。本發(fā)明實(shí)施例所提供的圖像特征提取方法及裝置解決了目標(biāo)較多而重疊、遮擋時(shí)，對(duì)目標(biāo)粘連圖像的識(shí)別問(wèn)題，具有準(zhǔn)確、快速的特點(diǎn)。
文檔編號(hào)G06K9/46GK101493892SQ20091007838
公開(kāi)日2009年7月29日 申請(qǐng)日期2009年2月27日 優(yōu)先權(quán)日2009年2月27日
發(fā)明者軍 喬, 蓓 何, 剛 劉, 劉兆祥, 司永勝, 瑞 高 申請(qǐng)人:中國(guó)農(nóng)業(yè)大學(xué)