一种类球形果蔬的识别方法

摘要

一种类球形果蔬的识别方法，将获取的图像变换到2r-g-b颜色模型和LCD颜色模型，根据分类器原理，在两个坐标系下分别构造判别式F₁、F₂、F₃、F₄，得到省去叶子和枝干的分离直线，把输入图像分成大小相等的小块；顺序选择两个小块B₁和B₂，计算其4个方向的灰度共生矩阵和两个特征值：熵ENT和能量ASM，以及均值和；对相邻的两个小块B₁和B₂，如判别式F₁、F₂、F₃和F₄大于0或者B₁和B₂的和之差小于设定的阈值T，保留B₁，确认为果实；如纹理差值大于阈值T且判别式F₁、F₂、F₃和F₄小于0，丢弃整个小块B₁；顺序往后取另一个小块作为B₂，重复该步骤，直到所有小块处理完毕。本发明能够有效识别类球形果蔬、计算简单、识别精度高。

主权项

1.一种类球形果蔬的识别方法，该方法包括以下步骤：(1)、获取自然场景下的果蔬图像；(2)、将获取的图像同时变换到2r-g-b颜色模型和LCD颜色模型，对2r-g-b颜色模型建立2r-g二维坐标系，LCD颜色模型建立Y-Cr二维坐标系；(3)、根据分类器原理，对Y-Cr二维坐标系下的特征属性Y，Cr分别构造判别式F1、F2，设定特征属性值Y和Cr的果实目标的平均向量mfruit、树叶的平均向量mleaf、枝干的平均向量mbranch，其算式为：(1)、(2)：F1＝[Y，Cr]T(mfruit-mleaf)-1/2[(mfruit Tmfruit)-(mleaf Tmleaf)] (1)F2＝[Y，Cr]T(mfruit-mbranch)-1/2[(mfruit Tmfruit)-(mbranch Tmlbranch)] (2)对2r-g二维坐标系的特征属性2r和g分别构造判别式F3、F4，设定特征属性值2r和g的果实目标的平均向量m＇fruit、树叶的平均向量m＇leaf、枝干的平均向量m＇branch，其算式为：(3)、(4)：F3＝[2r，g]T(m＇fruit-m＇leaf)-1/2[(m＇fruit Tm＇fruit)-(m＇leaf Tm＇leaf)] (3)F4＝[2r，g]T(m＇fruit-m＇branch)-1/2[(m＇fruit Tm＇fruit)-(m＇branch Tm＇lbranch)] (4)根据判别式得到省去叶子和枝干的分离直线，并把输入图像分成大小相等的小块，每块大小为L×L，L为奇数；(4)、顺序选择两个小块B1和B2，分别计算其4个方向的灰度共生矩阵，设图像的一个区域大小为Nc×Nr像素，并设灰度级为G＝0，1，......，Nq-1，共生矩阵P(d，q)是一个大小为Nq×Nq的方阵，包括所有间距为d，方向为q，且灰度级为a和b的像素对出现的频率，P(d，q) 中的元素表示为P(a，b|d，q)，在区域内任选两个像素(k，l)和(m，n)，其中k，m＝1，2，......，Nc；n＝1，2，......，Nr；计算各个灰度共生矩阵的两个特征值：熵ENT和能量ASM，其算式分别为(5)、(6)：$\mathrm{ENT}=-\underset{i=0}{\overset{N_q-1}{\Sigma }}\underset{j=0}{\overset{N_q-1}{\Sigma }}P(a,b)\log P(a,b)---\left(5\right)$$\mathrm{ASM}=\underset{i=0}{\overset{N_q-1}{\Sigma }}\underset{j=0}{\overset{N_q-1}{\Sigma }}{\left(P(a,b)\right)}^2---\left(6\right)$其中，a，b分别表示像素的灰度级，p(a，b)表示灰度共生矩阵；并计算4个方向的灰度共生矩阵的特征值得到平均特征值ENT和ASM；(5)、对于相邻的两个小块B1和B2，如判别式F1、F2、F3和F4大于0或者B1和B2的ENT和ASM之差小于设定的阈值T，则保留B1，该小块确认为果实；如B1和B2的ENT和ASM之差大于阈值T且判别式F1、F2、F3和F4小于0，则丢弃整个小块B1；并将B2中相关参数赋给B1，然后将B2的参数置为空，顺序往后取另一个小块作为B2，重复所述步骤，直到所有小块处理完毕。