專利名稱：一種基于計(jì)算機(jī)視覺的甘蔗分割與識(shí)別方法
一種基于計(jì)算機(jī)視覺的甘蔗分割與識(shí)別方法技術(shù)領(lǐng)域
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，是一種結(jié)合甘蔗圖像和計(jì)算模型的對(duì)甘蔗特征進(jìn)行提取和識(shí)別的方法。
背景技術(shù)：
在甘蔗的生長和后期處理過程中，生長狀態(tài)和甘蔗蔗芽的切割長期以來都是人工完成的，本方法通過計(jì)算機(jī)視覺技術(shù)的識(shí)別和處理，能對(duì)甘蔗的圖像進(jìn)行自動(dòng)的識(shí)別，在蔗種處理中需要將整根的甘蔗切斷成包含I 3個(gè)蔗芽的有效蔗種片段。目前也多是人工完成為主。為提高效率，降低勞動(dòng)強(qiáng)度和實(shí)現(xiàn)甘蔗種植的精細(xì)化，需要研制可識(shí)別莖節(jié)和節(jié)間的智能切斷裝置，而其中最關(guān)鍵的是識(shí)別甘蔗莖節(jié)。目前國內(nèi)在此領(lǐng)域的研究還屬于空白。相近研究有劉慶庭等利用高速攝像分析刀片切割甘蔗莖桿破壞過程，國外，僅伊朗 Moshashai K利用灰度圖像閾值分割的方法對(duì)甘鹿莖節(jié)識(shí)別做了初步研究，也還處于初始階段。國內(nèi)甘蔗莖干圖像自動(dòng)識(shí)別技術(shù)的研究尚未見報(bào)道。本發(fā)明采用基于顏色特征向量的彩色圖像分割算法對(duì)甘蔗圖像進(jìn)行分 割，再對(duì)識(shí)別出的莖節(jié)類進(jìn)行聚類識(shí)別，獲得莖節(jié)數(shù)與莖節(jié)位置，取得了良好的效果。發(fā)明內(nèi)容
一種基于計(jì)算機(jī)視覺的甘蔗分割與識(shí)別方法，其特征是包含以下具體步驟
(I)獲取甘蔗原始圖像；
(2)將原始圖像去噪和從RGB顏色空間轉(zhuǎn)換到HSI顏色空間，并選取模型中的H和 S參數(shù)作為甘蔗圖像的特征；
(3)對(duì)甘蔗圖像進(jìn)行卷積的處理；
(4)對(duì)甘蔗圖像進(jìn)行特征的提??；
(5)對(duì)甘蔗圖像特征進(jìn)行模型計(jì)算與匹配；
(6)對(duì)完成特征提取的甘蔗圖像進(jìn)行SVM識(shí)別。
具體的過程包括有
I、圖像的獲取
在試驗(yàn)臺(tái)上采用CANON S80型數(shù)碼相機(jī)拍攝紅色背景的單根甘蔗彩色圖像，圖像大小為1600*1200像素，JPG格式。處理軟件采用VC++6. O和M atlab7. O。拍攝前先將甘蔗葉剝凈，相機(jī)鏡頭與工作臺(tái)垂直，距離工作臺(tái)30cm。
2、圖像基本處理
圖像中甘蔗表面顏色從黑到白過渡，占據(jù)整個(gè)灰度級(jí)，采用RGB顏色空間難以分割出理想的甘蔗輪廓，各分量空間的相關(guān)性也難以體現(xiàn)出莖節(jié)與節(jié)間特征差異。在經(jīng)過大量的試驗(yàn)對(duì)比后，發(fā)現(xiàn)采用紅色背景的HSI空間能有效地將背景與甘蔗區(qū)分。
(I)基于HSI的彩色空間
HSI空間比較直觀且符合人的視覺特性，H、S、I表示色調(diào)、飽和度和亮度。從HSI顏色空間的H分量圖可以看到甘蔗與背景區(qū)域的灰度在空間上分散，莖節(jié)與節(jié)間的色調(diào)有明顯差異，可作為莖節(jié)與節(jié)間的識(shí)別依據(jù)；從S分量中可以看到甘蔗輪廓清晰，背景區(qū)域灰度均勻，其灰度直方圖顯現(xiàn)雙峰性，有利于甘蔗輪廓提取。
(2)卷積處理
二值圖像的卷積處理彩色分割后，圖像是二值圖像。通過放大觀察可以看出，分割后的圖像是由大量的、單獨(dú)的點(diǎn)和小面積的區(qū)域組成的，無法對(duì)圖像進(jìn)行進(jìn)一步的有效分割。因此，采用卷積處理，便于后續(xù)的圖像處理過程。卷積處理是一種圖像線性濾波方法。 通過實(shí)驗(yàn)研究對(duì)比了 7種類型的掩模，最后確定應(yīng)用5X5的DISK掩模處理。
(3)閾值分割
H分量可以體現(xiàn)出甘蔗莖節(jié)的細(xì)節(jié)特征，S分量體現(xiàn)甘蔗的輪廓特征。選擇合適的閾值分割可以得到理想的甘蔗輪廓和表征甘蔗莖節(jié)與節(jié)間差異的二值圖；在S、H閾值選擇方法上，分別對(duì)Otsu與人工選擇閾值做了比較試驗(yàn)，發(fā)現(xiàn)Otsu自動(dòng)分割不能有效消除背景噪聲，存在大面積的反光現(xiàn)象。而在工作臺(tái)控制條件下，S分量的直方圖波谷出現(xiàn)在O. 40 O.55之間，在這之間設(shè)置閾值可以得到理想的甘蔗邊界輪廓圖；在O. 4 O. 6范圍內(nèi)以O(shè). I 間隔區(qū)域統(tǒng)計(jì)灰度級(jí)點(diǎn)數(shù)，以O(shè). I范圍內(nèi)最少灰度級(jí)點(diǎn)數(shù)對(duì)應(yīng)的灰度值作為S分量的分割閾值。研究發(fā)現(xiàn)H分量直方圖中絕大部分的像素點(diǎn)在灰度級(jí)O O. 04和O. 90 I之間， 在區(qū)間O. 85 O. 15之間設(shè)置閾值，可以有效得到莖節(jié)特征。
3、特征提取
由于莖節(jié)處的白點(diǎn)數(shù)分散相對(duì)均勻，莖節(jié)區(qū)域的白點(diǎn)數(shù)密集，直徑比較大；將合成圖按列劃分為64個(gè)列塊區(qū)域，設(shè)圖像集合為X(i，j);圖像的上邊緣為Pt= (xt，yt)，下邊緣為Pt = (xt，yt)，第k列塊粗度為
權(quán)利要求
1.一種基于計(jì)算機(jī)視覺的甘蔗分割與識(shí)別方法，其特征是包含以下具體步驟 (1)獲取甘蔗原始圖像； (2)將原始圖像去噪和從RGB顏色空間轉(zhuǎn)換到HSI顏色空間，并選取模型中的H和S參數(shù)作為甘蔗圖像的特征； (3)對(duì)甘蔗圖像進(jìn)行卷積的處理； (4)對(duì)甘蔗圖像進(jìn)行特征的提??； (5)對(duì)甘蔗圖像特征進(jìn)行模型計(jì)算與匹配； (6)對(duì)完成特征提取的甘蔗圖像進(jìn)行SVM識(shí)別。
2.根據(jù)權(quán)利要求I所述的一種基于計(jì)算機(jī)視覺的甘蔗分割與識(shí)別方法，其特征是 對(duì)圖像采用了卷積處理，以便于后續(xù)的圖像處理過程。卷積處理是一種圖像線性濾波方法。通過實(shí)驗(yàn)研究對(duì)比了 7種類型的掩模，最后確定應(yīng)用5X5的DISK掩模處理。
3.根據(jù)權(quán)利要求I所述的一種基于計(jì)算機(jī)視覺的甘蔗分割與識(shí)別方法，其特征是 在特征的提取中，將合成圖按列劃分為64個(gè)列塊區(qū)域，設(shè)圖像集合為X(i，j);圖像的上邊緣為Pt = (xt，yt)，下邊緣為Pt = (xt，yt)，第k列塊粗度為
4.根據(jù)權(quán)利要求I所述的一種基于計(jì)算機(jī)視覺的甘蔗分割與識(shí)別方法，其特征是 在SVM圖像識(shí)別中 模式識(shí)別問題中，給定訓(xùn)練資料{ (Xyyi) ;Xi e Rn ；yj = ± I},支持向量由f(X)確定的分類規(guī)則
全文摘要
為實(shí)現(xiàn)甘蔗的生長監(jiān)視或者含有蔗芽的蔗種的智能切斷，采用計(jì)算機(jī)視覺技術(shù)來識(shí)別甘蔗的形狀和莖節(jié)特征。首先通過數(shù)碼設(shè)備取得甘蔗圖像，然后對(duì)甘蔗圖像進(jìn)行HSI顏色空間轉(zhuǎn)換，結(jié)合H分量和S分量顏色特征和閾值分割，經(jīng)閾值分割的反圖像進(jìn)行與運(yùn)算得到合成圖，將合成圖劃分為64個(gè)列塊區(qū)域，最后通過提取H參數(shù)、S參數(shù)、粗度比和白點(diǎn)比等特征指標(biāo)，再通過支持向量機(jī)分類識(shí)別莖節(jié)與節(jié)間列塊，完成得到莖節(jié)與位置的識(shí)別，平均識(shí)別率為942％。
文檔編號(hào)G06K9/60GK102938052SQ20111023394
公開日2013年2月20日 申請(qǐng)日期2011年8月16日 優(yōu)先權(quán)日2011年8月16日
發(fā)明者汪建 申請(qǐng)人:汪建