無論是在果園測(cè)產(chǎn)還是采摘機(jī)器人作業(yè)中,同色系青蘋果目標(biāo)的識(shí)別成為了一個(gè)新的挑戰(zhàn)。由于目標(biāo)果實(shí)具有與背景近似的顏色表征,以及果園中復(fù)雜的光照變化和枝葉遮擋的影響,現(xiàn)有的同色系果實(shí)分割方案難以滿足快速、精準(zhǔn)的識(shí)別作業(yè)需求。為更好地實(shí)現(xiàn)青蘋果的識(shí)別,本文提出一種優(yōu)化聚類分析的同色系目標(biāo)果實(shí)分割方法,新算法根據(jù)密度峰值聚類中心的定義計(jì)算青蘋果圖像數(shù)據(jù)點(diǎn)的局部密度和距高密度點(diǎn)間距離,以此構(gòu)建決策圖分離聚類中心,使用雙排序規(guī)則自動(dòng)尋找聚類中心;數(shù)據(jù)點(diǎn)的局部密度通過核密度估計(jì)得到,通過SLIC（simple linear iterativeclustering,簡單的線性迭代聚類）算法獲得圖像的超像素區(qū)域表示,大幅降低計(jì)算量。主要研究內(nèi)容及結(jié)論如下:（1）使用SLIC算法處理高分辨率青蘋果圖像,集結(jié)小區(qū)域內(nèi)近似像素點(diǎn)組成超像素區(qū)域,視覺算法的基本計(jì)算單位由像素點(diǎn)轉(zhuǎn)變?yōu)槌袼貐^(qū)域,降低了數(shù)據(jù)復(fù)雜度。以輪廓重合指數(shù)評(píng)價(jià)超像素邊界對(duì)真實(shí)目標(biāo)輪廓信息的保留程度,平均為85.49%,使用SLIC算法簡化圖像數(shù)據(jù)的同時(shí)避免了對(duì)青蘋果真實(shí)輪廓的破壞。（2）對(duì)青蘋果目標(biāo)的有效特征進(jìn)行研究,分析R、G、B顏色通道下目... 

【文章來源】：山東師范大學(xué)山東省

【文章頁數(shù)】：56 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

本文算法流程圖

山東師范大學(xué)博（碩）士學(xué)位論文11第二章圖像采集和預(yù)處理為了拓展青蘋果自主采摘機(jī)器人的基礎(chǔ)研究，提高分割青蘋果目標(biāo)輪廓的準(zhǔn)確率，收縮采摘周期，實(shí)現(xiàn)全天無間斷作業(yè)。需要建立對(duì)于果園實(shí)景圖像的迅速處理。傳統(tǒng)視覺算法以像素點(diǎn)作為基礎(chǔ)處理單位，耗費(fèi)較大的計(jì)算時(shí)間和空間。將近似像素點(diǎn)集結(jié)成塊狀區(qū)域能夠加快計(jì)算過程。本章研究了青蘋果圖像的采集和數(shù)據(jù)精簡，使用單反相機(jī)收集果園實(shí)景下的高分辨率青蘋果圖像，通過SLIC超像素算法將相似像素點(diǎn)集結(jié)成圖像塊，降低圖像數(shù)據(jù)的計(jì)算復(fù)雜度和數(shù)據(jù)維度，并與其他超像素算法進(jìn)行試驗(yàn)比對(duì)，結(jié)果表明SLIC算法在降低數(shù)據(jù)量的同時(shí)有效地保護(hù)物體邊緣信息。2.1圖像采集高像素圖像具有更高的清晰度和更高的圖片質(zhì)量，物體輪廓特征信息更易于識(shí)別，能清晰區(qū)分目標(biāo)和背景。為提升視覺分割系統(tǒng)的精準(zhǔn)度，需要使用高像素圖片。單反相機(jī)是一種采用單鏡頭、反光方式取得物像進(jìn)行觀察拍攝的相機(jī)，相較于傳統(tǒng)相機(jī)，單反相機(jī)取景器稱為TTLThroughTheLen單反取景器，是一種專業(yè)相機(jī)上必備的取景方式，幾乎沒有誤差，通過鏡頭的光學(xué)取景器。取景范圍能夠達(dá)到實(shí)拍畫面的95%�？梢苑乐共环�(wěn)定抖動(dòng)造成的模糊。單反相機(jī)感光材料的面積遠(yuǎn)大于傳統(tǒng)相機(jī)，所拍攝的圖像的噪點(diǎn)一般非常校實(shí)際焦距大于傳統(tǒng)相機(jī)，使其景深較小，保證了圖像中的目標(biāo)物體更加清晰。單反數(shù)碼相機(jī)所拍攝的圖像，清晰度和圖片質(zhì)量都遠(yuǎn)高于普通相機(jī)。使用單反相機(jī)拍攝果園高分辨率青蘋果圖像。采集青蘋果圖像見圖2-1圖2-1果園實(shí)景青蘋果圖像Figure2-1ThegreenappleimageintheorchardNote:(a)晴天場景青;(b)晴天雨后場景;(c)夜間補(bǔ)光場景;(d)夜間漫散射照明場景;(e)無遮擋場景;(f)枝干遮擋場景;(g)枝葉遮擋場景;(h)果實(shí)重疊場景。

山東師范大學(xué)博（碩）士學(xué)位論文14SLIC算法能生成緊湊、近似均勻的超像素，在運(yùn)算速度，物體輪廓保持、超像素形狀方面具有較高的綜合評(píng)價(jià)，符合簡化高分辨率青蘋果圖像的處理需求[41]。2.2.2青蘋果圖像的超像素塊處理聚類算法的基礎(chǔ)是計(jì)算數(shù)據(jù)點(diǎn)間的距離，可轉(zhuǎn)化為數(shù)據(jù)點(diǎn)特征分量的描述，特征分量又決定了數(shù)據(jù)點(diǎn)的在特征空間的分布關(guān)系。在圖像分割領(lǐng)域，圖像的像素點(diǎn)即為聚類算法中的數(shù)據(jù)點(diǎn)，如以像素點(diǎn)為計(jì)算單位，則耗費(fèi)較大的計(jì)算空間和時(shí)間。為此，將圖像進(jìn)行分塊處理，以圖像區(qū)塊作為數(shù)據(jù)點(diǎn)進(jìn)行聚類計(jì)算，則可大幅度減小計(jì)算量。通過SLIC超像素算法集聚近似像素點(diǎn)組成內(nèi)部均勻的不規(guī)則塊。SLIC超像素算法在保證不損失紋理和顏色信息的基礎(chǔ)上，完成像素點(diǎn)到簡潔緊湊超像素的轉(zhuǎn)換，在減低數(shù)據(jù)冗余的同時(shí)保持輪廓邊緣信息的完整性。果園圖像尺寸為4000*6000。預(yù)設(shè)超像素個(gè)數(shù)設(shè)定為3000個(gè)。圖2-2.(a)高分辨率青蘋果圖像;(b)基于超像素表示的青蘋果圖像Figure2-2.(a)High-resolutiongreenappleimage;(b)Greenappleimagebasedonsuperpixels圖2-2(a)為果園青蘋果高分辨率圖像圖像尺寸為6000*4000，共二百四十萬像素點(diǎn)；圖2-2(b)為青蘋果圖像的超像素表示，共3172個(gè)超像素。SLIC超像素算法集結(jié)小區(qū)域內(nèi)相似像素點(diǎn)組成不規(guī)則超像素，降低了數(shù)據(jù)點(diǎn)數(shù)量。圖像超像素與原位置像素點(diǎn)保持了感知上的一致，像素點(diǎn)轉(zhuǎn)換為超像素的損失很小，超像素不規(guī)則邊緣的劃分沒有破壞原始圖像結(jié)構(gòu)。2.3圖像預(yù)處理的實(shí)驗(yàn)與分析高分辨率青蘋果圖像由SLIC算法處理獲得超像素塊，后續(xù)計(jì)算處理以超像素塊作為基礎(chǔ)計(jì)算單位，千萬級(jí)別像素點(diǎn)數(shù)據(jù)精簡至數(shù)千級(jí)別的矩陣數(shù)據(jù)。為評(píng)價(jià)SLIC超像素算法對(duì)圖像邊緣細(xì)節(jié)信息的保留程度，對(duì)精簡后的圖像數(shù)據(jù)進(jìn)行評(píng)價(jià)。

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)判別區(qū)域特征融合算法的近色背景綠色桃子識(shí)別[J]. 黃小玉,李光林,馬馳,楊士航.  農(nóng)業(yè)工程學(xué)報(bào). 2018(23)
[2]溫室采摘機(jī)器人末端執(zhí)行器研究進(jìn)展[J]. 翟毅豪,鄧志恒,張俊雄.  農(nóng)業(yè)工程技術(shù). 2018(22)
[3]軟體機(jī)械手爪在果蔬采摘中的應(yīng)用研究進(jìn)展[J]. 彭艷,劉勇敢,楊揚(yáng),楊毅,劉娜,孫翊.  農(nóng)業(yè)工程學(xué)報(bào). 2018(09)
[4]2017/2018年世界蘋果、梨、葡萄、桃及櫻桃產(chǎn)量、市場與貿(mào)易情況[J]. 孫平平,王文輝.  中國果樹. 2018(02)
[5]基于隨機(jī)森林算法的自然光照條件下綠色蘋果識(shí)別[J]. 廖崴,鄭立華,李民贊,孫紅,楊瑋.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2017(S1)
[6]基于CLAHE和開閉運(yùn)算的綠色蘋果圖像分割[J]. 王帆,呂繼東,申根榮,馬正華.  計(jì)算機(jī)測(cè)量與控制. 2017(02)
[7]基于紋理特征與HSI空間的蘋果識(shí)別與標(biāo)定[J]. 李大華,趙相飛,許亮,于波.  圖學(xué)學(xué)報(bào). 2016(05)
[8]近色背景中樹上綠色蘋果識(shí)別方法[J]. 張春龍,張楫,張俊雄,李偉.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2014(10)
[9]基于圖像處理與支持向量機(jī)的樹上蘋果早期估產(chǎn)研究[J]. 程洪,Lutz Damerow,Michael Blanke,孫宇瑞.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2015(03)
[10]田間環(huán)境下果蔬采摘快速識(shí)別與定位方法研究進(jìn)展[J]. 項(xiàng)榮,應(yīng)義斌,蔣煥煜.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2013(11)



本文編號(hào)：3620778