番茄目標的準確提取是番茄采摘的基礎(chǔ),目前番茄目標提取方法都有一定的局限性,難以滿足采摘需求。該研究在傳統(tǒng)Niblack算法的基礎(chǔ)上,結(jié)合圖像全局灰度變化的估計信息與局部區(qū)域信息之間的關(guān)聯(lián)性,提出了一種基于Niblack自適應(yīng)修正系數(shù)的溫室成熟番茄目標提取新方法。首先對R-G番茄灰度圖像,采用基于自適應(yīng)修正系數(shù)選取的Niblack算法進行閾值分割,從理論意義上確定修正系數(shù)的選取原則,歸一化局部標準差,實現(xiàn)修正值的計算及二值化過程,然后對分割后的圖像去噪,最后采用最小臨界矩形法提取成熟番茄果實。試驗結(jié)果表明,該方法對溫室成熟番茄圖像有較好的提取效果,識別正確率達到98.3%,與基于歸一化紅綠色差灰度化的Otsu算法和傳統(tǒng)的Niblack算法相比有更高的識別率和更快的處理速度,噪聲率也明顯減少,能夠滿足后續(xù)成熟番茄定位的需要,有效地解決傳統(tǒng)方法適應(yīng)性低,易產(chǎn)生偽噪聲塊等問題。

【文章頁數(shù)】：6 頁

【部分圖文】：

greyGS3-U3-15S5C相機，安放在距地面高度約為70cm的三腳架上，調(diào)整照相機的光軸垂直于地面，以獲取完整的果實圖像，目標點離相機的距離在40～100cm之間，圖像分辨率為1384×1032像素的24位真彩圖像。成熟番茄目標識別過程如下：首先運用張正友標定法對雙目攝像機....

克服了偽噪聲的問題，有效地分離番茄與背景信息的同時，保留了良好的番茄特征，抑制了背景噪聲的干擾，效果優(yōu)于Otsu算法和傳統(tǒng)的Niblack算法。表1番茄圖像分割后噪聲率比較Table1Noiseratecomparisonaftertomatoimagesegmentation算....

greyGS3-U3-15S5C相機，安放在距地面高度約為70cm的三腳架上，調(diào)整照相機的光軸垂直于地面，以獲取完整的果實圖像，目標點離相機的距離在40～100cm之間，圖像分辨率為1384×1032像素的24位真彩圖像。成熟番茄目標識別過程如下：首先運用張正友標定法對雙目攝像機....

本文編號：4009207