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):<math> <mrow> <mi>ENT</mi> <mo>=</mo> <mo>-</mo> <munderover> <mi>Σ</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <msub> <mi>N</mi> <mi>q</mi> </msub> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <munderover> <mi>Σ</mi> <mrow> <mi>j</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <msub> <mi>N</mi> <mi>q</mi> </msub> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <mi>P</mi> <mrow> <mo>(</mo> <mi>a</mi> <mo>,</mo> <mi>b</mi> <mo>)</mo> </mrow> <mi>log</mi> <mi>P</mi> <mrow> <mo>(</mo> <mi>a</mi> <mo>,</mo> <mi>b</mi> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> </mrow></math><math> <mrow> <mi>ASM</mi> <mo>=</mo> <munderover> <mi>Σ</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <msub> <mi>N</mi> <mi>q</mi> </msub> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <munderover> <mi>Σ</mi> <mrow> <mi>j</mi> <mo>=</mo> <mn>0</mn> </mrow> <mrow> <msub> <mi>N</mi> <mi>q</mi> </msub> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <msup> <mrow> <mo>(</mo> <mi>P</mi> <mrow> <mo>(</mo> <mi>a</mi> <mo>,</mo> <mi>b</mi> <mo>)</mo> </mrow> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>6</mn> <mo>)</mo> </mrow> </mrow></math>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。 |