基于机器视觉的番茄果实图像分割方法研究

《基于机器视觉的番茄果实图像分割方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、2015年3月农机化研究第3期基于机器视觉的番茄果实图像分割方法研究张红旗，刘宇，郝敏(内蒙古农业大学机电工程学院，呼和浩特010018)摘要:为了改善番茄采摘机器视觉系统中番茄果实图像的分割效果，对基于二维直方图的阈值分割方法的理论进行了分析，针对番茄果实图像的特点将阈值点附近的区域信息引入分割算法中，提出了一种改进的基于二维直方图的Otsu阈值分割方法，改善了图像的分割效果。关键词:机器视觉;二维直方图;分割算法;阈值;番茄中图分类号:TP391．41文献标识码:A文章编号:1003－188X(2015)03－0058－04DOI:10.13427/j

2、.cnki.njyi.2015.03.014果蔬群体来讲，选择合适的分割方法是非常困难的，0引言由于缺少通用的理论指导，分割常常需要进行反复试［6－7］随着现代农业的发展，用于果蔬采摘的智能化机验。为此，本文针对番茄果实图像的特点提出了器人已逐步进入到农业生产领域中。机器视觉技术一种改进的二维直方图的Otsu阈值分割方法，来改善是农业机器人的核心技术之一，而图像分割又是机器图像的分割效果。［1］视觉技术的前提和关键。对于番茄采摘机器人来1基于二维直方图的阈值分割算法讲，分割效果的优劣会直接影响机械手的采摘精度。将自然状态下的成熟番茄从复杂环境背景中识别出传

3、统的最大类间方差法(Otsu法)是基于一维直来，并准确地计算其外形尺寸及形心位置，是番茄采方图的，只考虑了像素点本身的灰度值，而没有考虑［2－3］摘机器人进行目标空间准确定位的基础。在自然像素点的空间信息，所以采集图像时混入的噪声会影［8］状态下生长的番茄由于植株叶子状况和成熟度都存响分割效果。基于二维直方图的分割方法是在原在差异，采集到的图像受到拍摄距离、拍摄角度、光照来一维灰度信息的基础上又引入该像素点的邻域平条件、噪声等因素的影响，给番茄图像的分割带来了均灰度信息，利用图像的空间信息来提高Otsu分割算［4］法的抗噪能力［9］。困难。多年以来，在图像

4、处理领域中的图像分割一直受设f(x，y)为一幅大小是M×N图像在(x，y)处到学者们的高度重视，并进行了大量研究，取得了很的灰度值，图像的灰度和像素邻域平均灰度像素都分多成果，并提出了多种不同的分割算法。但是，由于为L级，邻域的平均灰度值g(x，y)表示为［n/2］［n/2］图像的类型不同，它们所具有的图像特征也有很大的g(x，y)=1∑f(x+i，y+j)(1)2∑ni=－［n/2］j=－［n/2］差异，所以到目前为止，研究者们还没有找到一个适其中，n为邻域窗口的尺寸，且0＜x＜M，0＜y合所有的图像类型的通用分割算法，因此图像分割的＜N;符号［］表示对

5、n/2取整;f(x，y)和g(x，y)形新思路和新算法还在不断的涌现。从近年来发表的成一个(i，j)二元组，用数据对［f(x，y)，g(x，y)］来有关图像分割的文献中可以发现，将一些特定理论与表示图像，并以二维矢量(S，T)分割图像，分割为如传统分割方法相结合来改进分割法的研究成为当前［5］图1所示的4个区域。区域A对应于图像的目标，区的发展方向和热点。这些理论包括遗传理论、小波域B对应于图像的背景，区域C和D表示可能的边界变换理论、数学形态学理论、模糊理论、粒子群算法及点和噪声点。神经网络理论等。对于一个在复杂环境背景中的设二维单元(i，j)出现的频数

6、为fij，定义相应的收稿日期:2014－05－22联合概率为基金项目:内蒙古自然科学基金项目(2013MS0815);国家自然科学基fij金项目(11262015)Pij=(2)M×N作者简介:张红旗(1970－)，男，山东昌邑人，副教授，工学博士，(E－mail)zhq71507@163．com。其中，M×N表示图像的总像素点数，且有·58·2015年3月农机化研究第3期L－1L－14)［10］，可见其运算量其计算复杂度大约是O(L∑∑Pij=1(3)i=0j=0相当的大。为此，提出一种改进的二维Otsu算法。图像分为C1和C2两部分，C1代表目标物体，

7、C22改进的基于二维直方图的分割算法代表背景，这两部分具有不同的概率密度函数。当阈值取为(S，T)时，区域A和区域B出现的概率分别为传统的二维Otsu分割算法中没有考虑阈值点附STω0=∑∑Pij=ω0(S，T)(4)近的区域，对于远离对角线的目标和背景出现的概率i=0j=0忽略不计，即假设二维直方图中区域C和D内的联合L－1L－1ω1=∑∑Pij=ω1(S，T)(5)概率近似为零，由图2对像素灰度和像素邻域灰度均i=S+1j=T+1值的三维描述可知，这样的假设是不确切的。如果将区域A和区域B的像素灰度均值矢量分别为ST这些像素点全部忽略，势必会给阈值的选

8、择带来误Tμ0=(μ0i+μ0j)=(∑∑iPij/ω0(S，T)