本文關(guān)鍵詞：蘋果采摘機器人夜間圖像降噪和增強技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：蘋果作為人們?nèi)粘Ｉ钪凶钇毡?最受歡迎的水果之一,其種植面積以及產(chǎn)量也是節(jié)節(jié)升高。收獲作業(yè)是蘋果種植生產(chǎn)中一個重要的環(huán)節(jié),目前基本依靠人工采摘完成,存在作業(yè)強度大、工作時間長、效率低等問題。近年來,蘋果采摘機器人的研究得到了廣泛重視,并且也取得了相當(dāng)豐碩的成就,然而如何進一步提高其采摘效率仍然是一個難題。采摘機器人作為一種自動化程度高的機械設(shè)備,通過夜間持續(xù)作業(yè),從而延長其采摘時間來提高工作效率。而實現(xiàn)其夜間采摘作業(yè)的首要任務(wù)是夜間果實圖像的目標(biāo)自動識別,受夜晚自然光照的影響,夜間蘋果圖像整體亮度偏低、目標(biāo)蘋果果實邊緣模糊、細節(jié)信息不豐富等,蘋果采摘機器人能否實現(xiàn)在夜晚持續(xù)作業(yè)將迎來了新的征程。論文以圖像處理技術(shù)為依托,對夜間蘋果圖像識別中的圖像降噪、圖像增強等關(guān)鍵技術(shù)進行研究。首先對夜間蘋果圖像采集所用到的人工輔助光源進行了詳細的介紹,并從主觀視覺和直方圖以及梯度變化兩個方面對采集的夜間圖像進行分析。然后在簡述了如何評價圖像降噪效果好壞的基礎(chǔ)上,主要介紹了小波變換降噪算法和稀疏分解降噪算法,并在此基礎(chǔ)上提出了采用粒子群優(yōu)化的稀疏分解算法用于夜間蘋果圖像的降噪,粒子群算法使搜索遍歷算法能夠快速地查找并收斂到全局的最優(yōu)值,且通過實驗結(jié)果和數(shù)據(jù)對上述不同算法的降噪效果作了比較。針對夜間自然光照存在的不足,對圖像增強技術(shù)進行了研究,比較了直方圖均衡化、同態(tài)濾波、基于雙邊濾波的Retinex算法3種圖像增強方法的優(yōu)劣,并提出了基于引導(dǎo)濾波改進的Retinex夜間蘋果圖像增強算法,首先基于HSI顏色模型下的顏色分量亮度圖像采用引導(dǎo)濾波估計得到照度分量,再進行對數(shù)變換得到反射分量,通過改進的Gamma變換對兩個分量分別處理,并合成為新的增強圖像。同時從主觀視覺效果和客觀質(zhì)量性能參數(shù)兩個方面給出了引導(dǎo)濾波改進的Retinex算法與其他增強算法的對比及其結(jié)果。最后對經(jīng)降噪和增強處理后的夜間蘋果圖像進行了基于R-G色差圖像的Otsu閾值分割,并將其分割結(jié)果與未經(jīng)預(yù)處理直接分割的結(jié)果進行比較和分析。實驗結(jié)果表明,相比未經(jīng)降噪和增強處理而直接進行閾值分割的實驗結(jié)果,經(jīng)本文算法降噪和增強處理后的圖像,處于暗區(qū)域的目標(biāo)蘋果果實被完整分割出來,且邊緣平滑清晰。
【關(guān)鍵詞】：蘋果采摘機器人 夜間圖像 降噪 增強 稀疏分解 Retinex
【學(xué)位授予單位】：江蘇大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 緒論9-14
• 1.1 課題研究背景及意義9-10
• 1.2 研究現(xiàn)狀10-12
• 1.2.1 夜間機器視覺識別技術(shù)現(xiàn)狀10-11
• 1.2.2 夜間機器視覺識別應(yīng)用于農(nóng)業(yè)領(lǐng)域研究現(xiàn)狀11-12
• 1.3 主要研究內(nèi)容12-14
• 第2章 夜間蘋果圖像采集及特性分析14-22
• 2.1 人工光源選擇14-17
• 2.2 夜間蘋果圖像采集17-18
• 2.3 夜間蘋果圖像特性分析18-20
• 2.3.1 主觀視覺分析18
• 2.3.2 直方圖及梯度變化分析18-20
• 2.4 本章小結(jié)20-22
• 第3章 夜間蘋果圖像降噪方法研究22-36
• 3.1 降噪效果評價22-24
• 3.1.1 主觀視覺效果23
• 3.1.2 客觀質(zhì)量評價23-24
• 3.2 小波變換圖像降噪24-27
• 3.3 基于PSO的稀疏分解的圖像降噪27-35
• 3.3.1 信號的稀疏分解27-28
• 3.3.2 稀疏分解降噪的數(shù)學(xué)模型28-29
• 3.3.3 PSO算法29-30
• 3.3.4 基于PSO的稀疏分解降噪30-33
• 3.3.5 降噪效果比較與分析33-35
• 3.4 本章小結(jié)35-36
• 第4章 夜間蘋果圖像增強算法研究36-54
• 4.1 傳統(tǒng)的圖像增強算法36-41
• 4.1.1 直方圖均衡化38-39
• 4.1.2 同態(tài)濾波39-40
• 4.1.3 基于雙邊濾波的Retinex算法40-41
• 4.2 基于引導(dǎo)濾波改進的Retinex夜間圖像增強算法41-49
• 4.2.1 顏色模型選取42-45
• 4.2.2 照度分量估計45-46
• 4.2.3 反射分量校正46-48
• 4.2.4 合成增強圖像48
• 4.2.5 引導(dǎo)濾波參數(shù)分析48-49
• 4.3 增強效果比較與分析49-53
• 4.3.1 主觀視覺效果比較50-51
• 4.3.2 客觀質(zhì)量性能參數(shù)分析51-53
• 4.4 本章小結(jié)53-54
• 第5章 夜間蘋果圖像的分割識別54-61
• 5.1 圖像分割54-56
• 5.2 分割效果比較與分析56-60
• 5.3 本章小結(jié)60-61
• 第6章 總結(jié)與展望61-63
• 6.1 研究總結(jié)61-62
• 6.2 研究展望62-63
• 參考文獻63-67
• 致謝67-68
• 碩士期間的主要成果68

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張銀蒲;;混合圖像降噪技術(shù)研究[J];唐山學(xué)院學(xué)報;2013年03期

2 王偉;;基于小波的閾值法圖像降噪分析與仿真[J];技術(shù)與市場;2009年12期

3 黃寶貴;馬春梅;盧振泰;;新的形態(tài)學(xué)圖像降噪方法[J];計算機應(yīng)用;2011年03期

4 江月松;王龍奇;;基于積分圖像的紅外圖像降噪去條帶方法[J];紅外;2012年07期

5 趙一凡;李久賢;吳游;夏良正;;一種基于小波域系數(shù)收縮的圖像降噪改進算法[J];電路與系統(tǒng)學(xué)報;2008年05期

6 周登文;申曉留;;基于最大似然估計的自適應(yīng)圖像降噪[J];計算機工程;2009年08期

7 王麗梅;孫豐榮;張明強;李前娜;姚桂華;張運;;S變換在心肌聲學(xué)造影圖像降噪中的應(yīng)用[J];計算機工程;2009年13期

8 李智玉;矯媛;;基于上下文模型的小波包圖像降噪方法[J];系統(tǒng)仿真學(xué)報;2009年S1期

9 傅健;李斌;肖迎春;江柏紅;;航空發(fā)動機渦輪葉片工業(yè)CT圖像降噪方法[J];航空動力學(xué)報;2010年04期

10 祁國平;吳朝潤;;基于非局部均值的圖像降噪[J];山西電子技術(shù);2012年02期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 李小林;劉傳才;;基于PDE的圖像降噪方法的研究綜述[A];第十二屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2005年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 車憲民;XHX150A型X線機通過專家鑒定[N];中國醫(yī)藥報;2010年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 陳建軍;基于偏微分方程的圖像降噪和圖像恢復(fù)研究[D];重慶大學(xué);2009年

2 陳守水;基于偏微分方程的圖像降噪及質(zhì)量評價研究[D];上海交通大學(xué);2008年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 葉銘;基于雙邊濾波的結(jié)構(gòu)保持極化SAR圖像降噪研究[D];合肥工業(yè)大學(xué);2015年

2 呂興琴;蘋果采摘機器人夜間圖像降噪和增強技術(shù)研究[D];江蘇大學(xué);2016年

3 夏詠梅;低照度圖像降噪技術(shù)研究[D];南京理工大學(xué);2009年

4 王能強;基于多小波理論的圖像降噪研究[D];中國海洋大學(xué);2008年

5 周慧;基于字典的圖像降噪方法研究[D];湖北大學(xué);2012年

6 吳嘉興;基于三邊結(jié)構(gòu)導(dǎo)向的三維地震圖像降噪方法研究[D];電子科技大學(xué);2013年

7 戶現(xiàn)標(biāo);小波分析在金屬圖像降噪中的應(yīng)用研究[D];沈陽理工大學(xué);2009年

8 邢孟棒;基于Primal Sketch修正與低秩模型的圖像降噪方法[D];西安電子科技大學(xué);2014年

9 宋保錕;激光主動成像的圖像降噪技術(shù)處理[D];長春理工大學(xué);2011年

10 姜敏霞;井下視頻圖像降噪和增強技術(shù)的研究[D];西安科技大學(xué);2012年

  本文關(guān)鍵詞：蘋果采摘機器人夜間圖像降噪和增強技術(shù)研究，由筆耕文化傳播整理發(fā)布。

本文編號：333690