基于边缘提取与分水岭分割相融合的柑橘检测方法研究

发布时间：2020-07-01 18:58

【摘要】：随着现代化农业的快速发展,农业生产方式逐渐向机械自动化、生产规模化、管理精准化方向发展。目前,人工方式存在劳动强度大、生产效率低、生产规模小等诸多弊端,为了提高生产效率和自动化程度,须积极研究农业机器人技术应用,提高农业林果现代化生产管理科技含量。果实识别是农业机器人技术中机器视觉部分需解决的一个关键问题。对柑橘识别,现阶段主要集中在果实与背景色差区分度较高的果实识别;从柑橘成熟过程来看,整个过程涉及柑橘的病虫害管理、生长状态评估、机械化采摘等,各阶段均需对图像进行识别,柑橘表皮颜色从深绿色、黄绿色向橙黄色变化,果实与背景色差区分度存在变化,识别的难度也随之增大,寻找有效的识别方法是识别过程的重点。本文主要研究复杂自然环境条件中树上不同成熟度柑橘的识别。首先,在不同光照、不同成熟度条件下,研究了不同色差因子提取柑橘区域的有效性,并进行对比分析;提出了Sobel梯度与色差融合的方法,该方法能完整、有效地提取柑橘区域;然后,选取该色差,采用最大类间方差法对图像进行二值化分割。其次,针对二值化分割后的果实区域存在粘连现象,需将粘连区域进行分离,以得到单连通的柑橘果实区域,研究了各种边缘检测算法的提取边缘的有效性及连续性,提出了Sobel与Canny融合的边缘检测方法;研究了分水岭分割方法提取的分割边界的特点,提出了改进的分水岭分割方法;然后,本文提出基于边缘提取与分水岭分割相融合的分割方法分离粘连果实。最后,对二值化提取的柑橘区域,存在部分误识别现象,本文提出采用方向梯度直方图(HOG,Histogram of Oriented Gradient)特征与支持向量机(SVM,Support Vector Machine)分类方法消除误识别,以提高识别率。
【学位授予单位】：南华大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP391.41;S666
【图文】：

彩色图像,颜色模型

图 2.1 RGB 颜色模型1.2 HSV 颜色表示模型HSV 颜色空间是从视觉系统对光照敏感程度的角度出发，通过色调(Hue)、和度(Saturation)、值(Value)三个分量描述彩色图像[31]。色调(Hue)是由可见光的性决定的，反映在各成分的波长上。饱和度(Saturation)体现为彩色的浓度，通各色光掺入比例的多少来决定的。掺入的浅色光越多，图像越淡。亮度值(Value)映图像的明暗程度，表示光强对人眼产生的刺激强度。HSV 颜色空间模型可用一个圆锥体模型表示，其空间表示模型如图 2.2(a)示。色调与饱和度统称为色度，色度用色环表示，色环涵盖的角度(0-360 度)示色调(Hue)。色环的半径大小表示颜色的饱和程度(Saturation)。圆锥体的轴表示亮度值(Value)，由底部黑色逐渐过渡到顶部的白色。HSV 中各分量与 RGB各分量混合转换关系如下：

柑橘,图像,色差

2.2.1 柑橘果实图像颜色分析与色差选择为了改善光照强度等其他因素的影响，通过采用算术运算方法来组合 RGB与 HSV 分量。对柑橘果实颜色与叶片进行对比分析，发现自然环境中树上柑橘一般呈绿色、黄绿色和橙黄色，叶片一般呈深绿色，因此可考虑对这三种颜色进行不同权值算术组合，以突出柑橘果实区域。通过对文献的研究，结合实验结果分析，分别选取阴暗光照、均匀光照和强光光照的自然环境条件下拍摄的树上柑橘图像，采用边缘特征及色差( (R -B)× R、 2R -G-B、 G -B、 ( G-B)× R)融合方法进行分割分析。图 2.3 是随机选择用于分析的 3 幅图像及相应色差处理结果。

【参考文献】