【摘要】：柑橘表面缺陷的圖像分割與識別是水果在收購與銷售過程中的重要環(huán)節(jié),對于提升水果的品質(zhì)和經(jīng)濟效益有著重要意義。本文以柑橘的蟲傷、腐爛、炭疽、藥傷、風(fēng)傷、薊馬、潰瘍、裂傷八種常見缺陷圖像作為研究對象,采用經(jīng)典算法、GAC模型算法、LBF模型算法對實驗對象進行分割實驗,具體研究內(nèi)容如下:采用三種經(jīng)典算法:閾值分割、邊緣檢測、區(qū)域分割法對柑橘缺陷樣本進行分割實驗。其中在閾值分割中選擇了二維信息熵法,邊緣檢測算子選擇了 Roberts、Sobel、Canny、Prewitt、LoG五種算子,區(qū)域分割法中采用種子法,作為柑橘表面缺陷圖像分割的實驗算法,分析了各種方法的優(yōu)缺點和適用情況。對傳統(tǒng)GAC模型算法進行理論研究并針對其不足提出改進方案。通過對比實驗分析了各參數(shù)對于實驗結(jié)果的影響,并應(yīng)用改進后的GAC模型算法對柑橘缺陷樣本進行圖像分割,分析了改進后的GAC模型對柑橘表面八種缺陷的識別能力,驗證了改進GAC模型的可行性。采用傳統(tǒng)的 LBF(Local Binary Fitting)模型算法和改進后的 LBF(Local Binary Fitting)模型算法進行對比實驗。通過對比兩種算法的運行時間、分割效果、適用范圍,來檢驗改進LBF(Local Binary Fitting)模型算法的優(yōu)越性。分析了改進GAC模型算法和改進LBF模型算法對柑橘表面缺陷圖像的處理效果,最終得到以下結(jié)論:改進的GAC模型分割凹陷類缺陷效果更好,但其抗噪性較差;改進的LBF模型綜合分割效果最好,運行速度快,但其對前期參數(shù)調(diào)整要求較高。最后將上述柑橘缺陷圖像分割所應(yīng)用的模型算法制作成了一個軟件實驗系統(tǒng)。
【圖文】：

逡逑柑橘缺陷原圖像如圖２－２所示，分割后圖像如圖２－３所示。在圖２－２中，，（ａ）、（ｂ）、（ｃ）、逡逑（ｄ）、（ｅ）、（ｆ）、（ｇ）、（ｈ）分別為蟲傷、腐爛、炭疽、藥傷、風(fēng)傷、莉馬、潰瘍和裂傷缺陷逡逑原圖像。圖２－３中，（ａ）、（ｂ）、（ｃ）、（ｄ）、（ｅ）、（ｆ）、（ｇ）、（ｈ）分別為蟲傷、腐爛、炭疽、藥逡逑傷、風(fēng)傷、薊馬、潰癌和裂傷缺陷的分割結(jié)果。逡逑表２－１分割閾值逡逑分割參數(shù)邐麗Ｓ麗？ｍ邋Ｗｍ邋裂傷逡逑灰度閾值邋１５４邐９６￣９２邐１０２邐１２５邐１０８邐１０５邐１１２逡逑梯度閾值邋７４３４６４邐４邐５逡逑ＢＯＢ逡逑（ａ）二維信息熵法蟲傷分割結(jié)果（ｂ）二維信息熵法腐爛分割結(jié)果邋（ｃ）二維信息熵法炭疽分割結(jié)果逡逑■ＨＩＢ逡逑（ｄ）二維信息熵法藥傷分割結(jié)果（ｅ）二維信息熵法風(fēng)傷分割結(jié)果（ｆ）二維信息熵法薊馬分割結(jié)果逡逑（ｇ）二維信息熵法潰瘍分割結(jié)果（ｈ）二維信息熵法裂傷分割結(jié)果逡逑圖２－３二維最大信息熵法分割的分割結(jié)果逡逑２．３邊緣檢測逡逑２．３．１邊緣檢測算子逡逑邊緣作為圖像最本質(zhì)的特征，具有許多關(guān)于圖像的重要信息，因此對于圖像的描逡逑－８－逡逑

（ｄ）邋Ｒｏｂｅｒｔｓ算子藥傷分割結(jié)果邐（ｅ）邋Ｒｏｂｅｒｔｓ算子風(fēng)傷分割結(jié)果邋（ｆ）邋Ｒｏｂｅｒｔｓ算子到馬分割結(jié)果逡逑＿＿逡逑（ｇ）邋Ｒｏｂｅｒｔｓ算子潰瘍分割結(jié)果邐（ｈ）邋Ｒｏｂｅｒｔｓ算子裂傷分割結(jié)果逡逑圖２－７邋Ｒｏｂｅｒｔｓ算子分割結(jié)果逡逑ｍ逡逑（ａ）邋Ｓｏｂｅｌ算子蟲傷分割結(jié)果邐（ｂ）邋Ｓｏｂｅｌ算子腐爛分割結(jié)果邐（ｃ）邋Ｓｏｂｅｌ算子炭疽分割結(jié)果逡逑（ｄ）邋Ｓｏｂｅｌ算子藥傷分割結(jié)果邋（ｅ）Ｓｏｂｅｌ算子風(fēng)傷分割結(jié)果邋（ｆ）邋Ｓｏｂｅｌ算子薊馬分割結(jié)果逡逑■邋■逡逑（ｇ）邋Ｓｏｂｅｌ算子潰瘍分割結(jié)果邐（ｈ）邋Ｓｏｂｅｌ算子裂傷分割結(jié)果逡逑圖２－８邋Ｓｏｂｅｌ算子分割結(jié)果逡逑－１１－逡逑
【學(xué)位授予單位】：東北林業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP391.41;S436.66

【相似文獻】

相關(guān)期刊論文 前10條

1 黃玲;石玉秋;覃永新;;基于小波融合的蘋果圖像分割的研究[J];科技視界;2018年29期

2 丁翠;;基于模糊信息處理的圖像分割方法研究[J];信息系統(tǒng)工程;2017年11期

3 王平;魏征;崔衛(wèi)紅;林志勇;;一種基于統(tǒng)計學(xué)習(xí)理論的最小生成樹圖像分割準(zhǔn)則[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2017年07期

4 李然;李記鵬;宋超;;基于顯著性檢測的協(xié)同圖像分割研究[J];現(xiàn)代計算機(專業(yè)版);2017年24期

5 鄧惠俊;;一種基于數(shù)據(jù)場的圖像分割方法與研究[J];長春工程學(xué)院學(xué)報(自然科學(xué)版);2016年02期

6 李繼云;冀卿偉;;基于自適應(yīng)局部閾值的交互式圖像分割[J];計算機應(yīng)用與軟件;2014年11期

7 劉印;;對圖像分割方法的認(rèn)識及新進展研究[J];數(shù)碼世界;2018年08期

8 楊成佳;;唇紋識別圖像分割系統(tǒng)的研究[J];山西青年;2017年11期

9 韓白靜;劉歡;;淺談基于閾值的圖像分割方法[J];科學(xué)家;2017年02期

10 寇毛蕊;;醫(yī)學(xué)圖像分析系統(tǒng)設(shè)計[J];數(shù)碼世界;2017年09期

相關(guān)會議論文 前10條

1 閆平昆;;基于模型的圖像分割技術(shù)及其醫(yī)學(xué)應(yīng)用[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

2 楊生友;;圖像分割在醫(yī)學(xué)圖像中應(yīng)用現(xiàn)狀綜述[A];2009中華醫(yī)學(xué)會影像技術(shù)分會第十七次全國學(xué)術(shù)大會論文集[C];2009年

3 朱士蓉;謝昭;高雋;;一種圖模型下的柔性圖像分割方法[A];中國儀器儀表學(xué)會第十二屆青年學(xué)術(shù)會議論文集[C];2010年

4 朱松豪;劉佳偉;羅青青;胡榮林;;基于關(guān)聯(lián)模型的圖像分割[A];第26屆中國控制與決策會議論文集[C];2014年

5 張志會;王華英;熊南燕;廖薇;成惠;劉飛飛;;對基于圖像分割與合并的相位展開算法的改進[A];第十屆全國光電技術(shù)學(xué)術(shù)交流會論文集[C];2012年

6 楊加文;謝鳳英;;基于深度學(xué)習(xí)的皮膚鏡圖像分割[A];第十五屆中國體視學(xué)與圖像分析學(xué)術(shù)會議論文集[C];2017年

7 郭世可;董槐林;龍飛;張海波;;一種結(jié)合密度聚類和區(qū)域生長的圖像分割方法[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2007年

8 劉智勇;李進;黃道君;;基于遺傳算法的視頻交通量檢測圖像分割方法[A];中國體視學(xué)學(xué)會圖像分析專業(yè)、中國體視學(xué)學(xué)會仿真與虛擬現(xiàn)實專業(yè)、中國航空學(xué)會信號與信息處理專業(yè)第一屆聯(lián)合學(xué)術(shù)會議論文集[C];2000年

9 張萍;單筱攸;巴成賀;;主動脈圖像分割的研究與實現(xiàn)[A];第十二屆中國體視學(xué)與圖像分析學(xué)術(shù)會議論文集[C];2008年

10 趙建業(yè);余道衡;;一種基于模糊細(xì)胞神經(jīng)網(wǎng)絡(luò)的多值圖像分割新方法[A];中國體視學(xué)學(xué)會圖像分析專業(yè)、中國體視學(xué)學(xué)會仿真與虛擬現(xiàn)實專業(yè)、中國航空學(xué)會信號與信息處理專業(yè)第一屆聯(lián)合學(xué)術(shù)會議論文集[C];2000年

相關(guān)博士學(xué)位論文 前10條

1 古晶;基于稀疏特征學(xué)習(xí)的SAR圖像分割與半監(jiān)督分類方法研究[D];西安電子科技大學(xué);2016年

2 段一平;基于層次視覺計算和統(tǒng)計模型的SAR圖像分割與理解[D];西安電子科技大學(xué);2017年

3 王森;非受限場景裂紋圖像分割方法研究[D];昆明理工大學(xué);2017年

4 王濤;特征度量與信息傳遞的交互式圖論分割方法研究[D];南京理工大學(xué);2017年

5 戴令正;自然圖像分割的若干算法研究[D];南京理工大學(xué);2017年

6 李鋼;偏微分方程與變分技術(shù)在圖像分割中的應(yīng)用研究[D];太原理工大學(xué);2018年

7 鐘麗;帶約束的圖像分割方法研究及應(yīng)用[D];山東大學(xué);2018年

8 辛月蘭;基于圖割的圖像分割方法研究[D];陜西師范大學(xué);2018年

9 裴繼紅;基于模糊信息處理的圖像分割方法研究[D];西安電子科技大學(xué);1998年

10 葛宏立;面向類的圖像分割方法研究[D];北京林業(yè)大學(xué);2004年

相關(guān)碩士學(xué)位論文 前10條

1 周宏陽;基于K-edge特性圖像的降噪與分割研究[D];南京郵電大學(xué);2018年

2 凡季云;基于變分正則化的圖像分割與半監(jiān)督數(shù)據(jù)分類研究[D];河南大學(xué);2018年

3 薛菁菁;基于組合賦權(quán)的圖像分割質(zhì)量評價研究[D];西安工程大學(xué);2018年

4 劉洋;基于超像素和MMTD的圖像分割方法研究[D];南京郵電大學(xué);2018年

5 韓琳旖;基于分水嶺的SAR圖像分割方法研究[D];西安電子科技大學(xué);2018年

6 汪淼;圖像分割中多尺度CNN方法[D];西安電子科技大學(xué);2018年

7 劉勝男;基于多特征與改進子空間聚類的SAR圖像分割[D];西安電子科技大學(xué);2018年

8 白雅賢;貨架商品圖像分割與識別方法研究[D];武漢理工大學(xué);2017年

9 胥杏培;基于深度學(xué)習(xí)和圖像分割的顯著性檢測系統(tǒng)設(shè)計與實現(xiàn)[D];江蘇大學(xué);2018年

10 洪爽;基于影像的腦卒中定量分析與評價系統(tǒng)[D];東北大學(xué);2017年

本文編號：2690547