基于多特征的红富士苹果分级研究
发布时间：2021-06-27 15:33
苹果分级销售可以提高它的商品价值属性。根据苹果分级标准,外部品质特征是重要内容。利用机器视觉可以进行苹果的外部特征进行无损检测,为了提高分级准确性,对红富士苹果的果径大小、颜色和纹理这三个苹果分级的重要特征的提取方法进行优化,结合缺陷和果形特征进行综合分级。主要研究内容如下:（1）提出了圆形邻域LBP算子与部分灰度压缩扩阶共生矩阵融合的的苹果纹理提取方法。灰度共生矩阵可以识别图像中的变化幅度、相邻间隔、灰度方向,但是受光照影响较大。结合圆形邻域LBP算子的光照不变性以及可以获得任意数目的邻域像素点和任意半径的圆形模式这样的优势进行方法融合,对部分灰度信息作灰度级压缩和灰度矩阵扩阶处理,对剩余灰度级部分保持原灰度级不变,并选取优势方向上的特征均值作为最终结果,获得更加准确地苹果图像纹理特征。（2）提出了基于阈值分割的实际果径大小计算方法。通过距离与像素点表示的实际大小关系方程,获得所需的分割阈值。接着采用阈值分割法对像素直径进行线性函数拟合,得到实际的果径大小,与整体线性拟合相比提高了准确性。（3）提出了预分析阈值区域的红色分量提取算法。不同环境影响颜色分量提取,HSV颜色模型中的H分量...
【文章来源】：浙江理工大学浙江省
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
图２．５标定模板??表２．丨相机内参标定结果??
浙江理工大学硕士学位论文?基于多特征的红富士苹果分级研究??（２）运用公式２－（６）和２－（７）求取畸变后像素点在像素坐标系下的位置。??（３）重新转换到图像像素坐标系中，有关系２－（１１）：??ｗ’?「乂?０叫卜ｗ??Ｖ?＝?〇?／ｖ?ｖ０?ｙｃｌｄ?２－（１１）??１?［０?０?１?１?１??（４）利用步骤（２）获得的坐标和Ｊ的像素灰度值获取新图像。校正前后如图２．６所示：??１?ｍ??（ａ）采集原图?（ｂ）畸变校正图??图２．６苹果图像去畸变前后对比??对以上两幅图求最小外接矩形的四个角点坐标，结果见表２．２。??表２．２原图与畸变校正图最小外接矩形角点坐标??左上?左下?右上?右下??（ａ）?（５１，２８２）?（５１，?７３８）?（５６３，?２８２）?（５６３，７３８）??（ｂ）?（５３，?２８４）?（５３，７３９）?（５６１，?２８４）?（５６１，７３９）??由上表可见，图中苹果出现轻微畸变。??２．３图像分割??图像采集获得的红富士苹果图像包括苹果和背景两个部分。为了对苹果的大孝果形、??颜色、纹理等进行检测，需要去除背景影响。所以我们需要对采集苹果图像进行去背景的??分割处理。阈值分割技术是一个简单、经典的图像分割方法，有利于区分目标区域和背景??区域。由于采集图像中包含正常果和缺陷果，所以先采用双阈值最大类间法进行图像分割??提取完好果面。??２．３．１最大类间方差法??最大类间方差法（ＯＳＴＵ）是在判决分析或最小二乘法原理上推导出来的，适合双峰图像??的阈值分割［２４］。方法原理为：设灰度级为Ｌ的原始灰度图像，有个灰度级为／的像素。??１０??
浙江理工大学硕士学位论文?基于多特征的红富士苹果分级研究??２．３．２双阈值分割原理??双阈值分割适合分割有背景、区域１，区域２三部分的图像，设置两个阈值７；、ｒ２，??即为：??＇０，?ｆ｛Ｕｊ）＜Ｔｘ??ｇ（ｉＪ）?＝?＼ｌＴｉ＜ｆ（ｉ，ｊ）＜Ｔ２?２－（１９）??２，?ｆ（ｉ，ｊ）＞Ｔ２??其中，／（／，＿／）表示输入图像该点的灰度值，以／，ｙ）表示输出图像该点的灰度值。??部分采集红富士苹果图像是由背景、缺陷和正常果面组成的。图像直方图中缺陷组织??的灰度峰值介于正常组织和黑色背景１２５］。所以本文选择两个阈值７；、ｒ２先来提取正常果面??部分，即为：当／（／，刀＜７；时，／（／，＿／）为背景，则／（〇＿）?＝?０。当?时，／（／，＿／）为??缺陷组织，则／（／，刀二２５５。当／（７？，刀＞７；时，／（／，＿／）为正常组织，／（／，＿／）?＝?０。??运用双阈值最大类间方法进行阈值分割结果如图２．７所示。??□□□□??ｎａａｎ??图２．７基于双阈值ＯＳＴＵ方法的红富士苹果分割图??通过结果图可以看出利用双阈值ＯＳＴＵ法不是十分的理想，主要是图像的边缘部分不??能跟背景完全分割。??２．３．３彩色图像分割算法??相比于一维亮度空间的灰度图而言，三维色彩通道的彩色图像能够反映更多信息１￥。??１２??
【参考文献】：
期刊论文
[1]基于方差加权的LBP特征提取算法[J]. 尹玉梅,彭艺,祁俊辉. 数据通信. 2019(04)
[2]SAR图像多目标边缘检测性能对比研究[J]. 李楠. 舰船电子工程. 2019(08)
[3]基于最小外接矩形的集料颗粒形状特征快速评价方法研究[J]. 曹源文,杨国林,张莹莹,王若俊,程志豪. 重庆交通大学学报(自然科学版). 2019(06)
[4]机器视觉中相机标定方法的研究[J]. 王运哲,郑凯. 机械管理开发. 2019(05)
[5]“十三五”头两年全国经济林产品产量完成情况分析[J]. 吕永来. 中国林业产业. 2019(05)
[6]基于改进粒子群算法的云计算产业联盟知识搜索算法研究[J]. 高长元,于建萍,何晓燕. 数据分析与知识发现. 2017(03)
[7]基于机器视觉技术的机械制造自动化技术应用研究[J]. 成文. 科技展望. 2017(04)
[8]基于图像特征融合的苹果在线分级方法[J]. 黄辰,费继友. 农业工程学报. 2017(01)
[9]基于OSTU算法利用新型水体指数进行Landsat数据自适应阈值水体自动提取研究[J]. 赵紫薇. 测绘与空间地理信息. 2016(09)
[10]基于隐马尔科夫模型的苹果分级方法研究[J]. 谢锋云,周建民,江炜文,张慧慧,唐宏兵. 食品与机械. 2016(07)
博士论文
[1]不同色泽类型苹果着色期糖酸变化及花青苷合成特性研究[D]. 刘玉莲.西北农林科技大学 2013
[2]运动水果的形状描述方法与在线检测技术[D]. 王福杰.浙江大学 2013
硕士论文
[1]基于机器视觉的苹果分级检测算法研究[D]. 孙斐.郑州大学 2018
[2]基于机器视觉的虫蚀葵花籽识别技术研究[D]. 王卫翼.江南大学 2014
本文编号：3253116
【文章来源】：浙江理工大学浙江省
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
图２．５标定模板??表２．丨相机内参标定结果??
浙江理工大学硕士学位论文?基于多特征的红富士苹果分级研究??（２）运用公式２－（６）和２－（７）求取畸变后像素点在像素坐标系下的位置。??（３）重新转换到图像像素坐标系中，有关系２－（１１）：??ｗ’?「乂?０叫卜ｗ??Ｖ?＝?〇?／ｖ?ｖ０?ｙｃｌｄ?２－（１１）??１?［０?０?１?１?１??（４）利用步骤（２）获得的坐标和Ｊ的像素灰度值获取新图像。校正前后如图２．６所示：??１?ｍ??（ａ）采集原图?（ｂ）畸变校正图??图２．６苹果图像去畸变前后对比??对以上两幅图求最小外接矩形的四个角点坐标，结果见表２．２。??表２．２原图与畸变校正图最小外接矩形角点坐标??左上?左下?右上?右下??（ａ）?（５１，２８２）?（５１，?７３８）?（５６３，?２８２）?（５６３，７３８）??（ｂ）?（５３，?２８４）?（５３，７３９）?（５６１，?２８４）?（５６１，７３９）??由上表可见，图中苹果出现轻微畸变。??２．３图像分割??图像采集获得的红富士苹果图像包括苹果和背景两个部分。为了对苹果的大孝果形、??颜色、纹理等进行检测，需要去除背景影响。所以我们需要对采集苹果图像进行去背景的??分割处理。阈值分割技术是一个简单、经典的图像分割方法，有利于区分目标区域和背景??区域。由于采集图像中包含正常果和缺陷果，所以先采用双阈值最大类间法进行图像分割??提取完好果面。??２．３．１最大类间方差法??最大类间方差法（ＯＳＴＵ）是在判决分析或最小二乘法原理上推导出来的，适合双峰图像??的阈值分割［２４］。方法原理为：设灰度级为Ｌ的原始灰度图像，有个灰度级为／的像素。??１０??
浙江理工大学硕士学位论文?基于多特征的红富士苹果分级研究??２．３．２双阈值分割原理??双阈值分割适合分割有背景、区域１，区域２三部分的图像，设置两个阈值７；、ｒ２，??即为：??＇０，?ｆ｛Ｕｊ）＜Ｔｘ??ｇ（ｉＪ）?＝?＼ｌＴｉ＜ｆ（ｉ，ｊ）＜Ｔ２?２－（１９）??２，?ｆ（ｉ，ｊ）＞Ｔ２??其中，／（／，＿／）表示输入图像该点的灰度值，以／，ｙ）表示输出图像该点的灰度值。??部分采集红富士苹果图像是由背景、缺陷和正常果面组成的。图像直方图中缺陷组织??的灰度峰值介于正常组织和黑色背景１２５］。所以本文选择两个阈值７；、ｒ２先来提取正常果面??部分，即为：当／（／，刀＜７；时，／（／，＿／）为背景，则／（〇＿）?＝?０。当?时，／（／，＿／）为??缺陷组织，则／（／，刀二２５５。当／（７？，刀＞７；时，／（／，＿／）为正常组织，／（／，＿／）?＝?０。??运用双阈值最大类间方法进行阈值分割结果如图２．７所示。??□□□□??ｎａａｎ??图２．７基于双阈值ＯＳＴＵ方法的红富士苹果分割图??通过结果图可以看出利用双阈值ＯＳＴＵ法不是十分的理想，主要是图像的边缘部分不??能跟背景完全分割。??２．３．３彩色图像分割算法??相比于一维亮度空间的灰度图而言，三维色彩通道的彩色图像能够反映更多信息１￥。??１２??
【参考文献】：
期刊论文
[1]基于方差加权的LBP特征提取算法[J]. 尹玉梅,彭艺,祁俊辉. 数据通信. 2019(04)
[2]SAR图像多目标边缘检测性能对比研究[J]. 李楠. 舰船电子工程. 2019(08)
[3]基于最小外接矩形的集料颗粒形状特征快速评价方法研究[J]. 曹源文,杨国林,张莹莹,王若俊,程志豪. 重庆交通大学学报(自然科学版). 2019(06)
[4]机器视觉中相机标定方法的研究[J]. 王运哲,郑凯. 机械管理开发. 2019(05)
[5]“十三五”头两年全国经济林产品产量完成情况分析[J]. 吕永来. 中国林业产业. 2019(05)
[6]基于改进粒子群算法的云计算产业联盟知识搜索算法研究[J]. 高长元,于建萍,何晓燕. 数据分析与知识发现. 2017(03)
[7]基于机器视觉技术的机械制造自动化技术应用研究[J]. 成文. 科技展望. 2017(04)
[8]基于图像特征融合的苹果在线分级方法[J]. 黄辰,费继友. 农业工程学报. 2017(01)
[9]基于OSTU算法利用新型水体指数进行Landsat数据自适应阈值水体自动提取研究[J]. 赵紫薇. 测绘与空间地理信息. 2016(09)
[10]基于隐马尔科夫模型的苹果分级方法研究[J]. 谢锋云,周建民,江炜文,张慧慧,唐宏兵. 食品与机械. 2016(07)
博士论文
[1]不同色泽类型苹果着色期糖酸变化及花青苷合成特性研究[D]. 刘玉莲.西北农林科技大学 2013
[2]运动水果的形状描述方法与在线检测技术[D]. 王福杰.浙江大学 2013
硕士论文
[1]基于机器视觉的苹果分级检测算法研究[D]. 孙斐.郑州大学 2018
[2]基于机器视觉的虫蚀葵花籽识别技术研究[D]. 王卫翼.江南大学 2014
本文编号：3253116
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3253116.html
最近更新
教材专著
