近年來,計算機視覺技術在水果圖像識別方面得到了廣泛的研究和應用,但隨著經濟的快速發(fā)展,人們生活的提高,農貿市場和超市里售賣的水果品種越來越多,而且其形狀,紋理和大小都不相同。本文研究的其中的一個目的是,如何快速的提取水果的特征點和如何正確對水果識別分類。根據以上的問題和情況,本文采用了多種水果進行快速和自動識別分類實驗研究:首先采集水果圖像并建立數據庫,接著其進行預處理,然后采用改進SURF算法對其進行特征提取,最后用BP神經網絡進行分類。實驗表明該方法對各種各樣的水果可以進行有效的識別分類,它的識別率為96%。下面介紹本文所做的工作:在研究水果的對象方面,本文采用以多種水果為研究對象的模式并采集了多種水果圖像,建立水果圖像數據庫。在對水果圖像進行特征提取,有很多種方法,比如模板法和幾何方法等。但是本文沒有采用水果的形狀參數來作為其特征進行提取,而是采用了改進SURF算法對不同的水果特征提取。在特征點檢測時,為了在較小的時間內得到分部均勻和數量適當的特征點,該算法以特征點的數量和相互距離作為比較依據,同時在特征點匹配階段采用最鄰近向量匹配算法和隨機采樣算法,提高特征點匹配的準確度。實驗...

【文章頁數】：52 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究的背景和意義
    1.2 計算機視覺的概述
    1.3 國內外研究的現狀
        1.3.1 國外研究現狀
        1.3.2 國內研究現狀
    1.4 課題主要研究內容
第2章 圖像特征提取的基本原理和方法
    2.1 NCC模板匹配算法分析
    2.2 SIFT算法分析
    2.3 改進的SURF算法分析
        2.3.1 特征點的提取
        2.3.2 特征描述生成
        2.3.3 特征點匹配
    2.4 本章小結
第3章 水果圖像庫的建立和預處理
    3.1 水果圖像的建立
    3.2 水果圖像的預處理
        3.2.1 圖像轉換
        3.2.2 圖像增強
        3.2.3 圖像去噪
    3.3 本章小結
第4章 水果圖像特征提取
    4.1 水果識別方案總設計
    4.2 基于NCC模板匹配水果圖像特征提取
        4.2.1 基本概念
        4.2.2 NCC分析法的水果圖像特征提取流程
        4.2.3 實驗結果舉例與分析
    4.3 基于SIFT方法的水果圖像特征提取
        4.3.1 基本概念
        4.3.2 SIFT方法水果圖像特征提取流程
        4.3.3 實驗結果舉例與分析
    4.4 基于改進SURF方法水果圖像特征提取
        4.4.1 基本概念
        4.4.2 改進SURF方法水果圖像特征提取
        4.4.3 實驗結果舉例與分析
    4.5 本章小結
第5章 基于神經網絡水果圖像識別
    5.1 BP神經網絡
    5.2 BP算法的數學表達
    5.3 BP算法步驟
    5.4 基于BP神經網絡水果識別
    5.5 實驗結果舉例與分析
    5.6 本章小結
結論
參考文獻
攻讀碩士學位期間發(fā)表的學術論文
致謝



本文編號：3807552