[发明专利]基于类球形亮度变换的水果表面缺陷检测方法

说明书

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于类球形亮度变换的水果表面缺陷检测方法。

背景技术

根据水果的外部品质进行检测和分级，是水果销售、加工和贮存前的重要环节。通过机器视觉检测技术对水果进行分级不仅能够提高水果质量而且可以有效地减少人工检测的劳动量，提高检测效率。目前，水果大小、颜色和外部缺陷检测中前两个已经获得了很好的解决，但根据外部缺陷进行检测分级仍然是难点。水果是一个类球形的物体，根据朗伯反射定律，水果边缘的光能量主要沿着反射光线的方向传播，当反射光线和相机的夹角较大，反射光线很难进入相机，表现为亮度较低，而缺陷本身在图像中也表现为低亮度，图像处理时边缘正常区域和中部缺陷区域容易混淆而造成误分割。

Leemans等人（2004）采用K均值聚类的方法提取RGB图像中苹果缺陷的特征，然后采用二次判别分析的方法实现缺陷的检测（Leemans V,Destain M F.A real-time grading method of apples based on features extracted from defects[J].Journal of Food Engineering,2004,61:83~89.）。Blasco等人（2007）利用无监督区域增长算法对柑橘类水果表面缺陷进行分割，利用3个CCD相机获得的彩色图像，根据不同区域之间的马氏距离来评价区域之间的相似度从而检测出缺陷（Blasco J,Aleixos N,Molto E.Computer vision detection of peel defects in citrus by means of a region oriented segmentation algorithm[J].Journal ofFood Engineering,2007,81:535~543.）。Xing等人（2005）采用400-1000nm高光谱图像采集系统获得水果的图像，利用主成分分析方法进行降维，根据获得的主成分图像实现缺陷的识别（Xing J,Baerdemaeker J D.Bruise detection on‘Jonagold’apples using hyperspectral imaging[J].Postharvest Biology and Technology,2005,37:152~162.）。Tao等人（1996）提出了自适应球形灰度变换法，该方法补偿了水果表面的曲率变化造成的反射亮度梯度，从而实现缺陷的单阈值分割（TaoY,Wen Z.An adaptive spherical image transform for high-speed fruit defect detection[J].Transactions of the ASAE,1999,42(1):241~246.）。应义斌等人（2004）研究了球体的大小、表面颜色和图像采集位置等因素对球体图像颜色的亮度、色调和饱和度的影响，建立了摄像视区中心的球体图像亮度校正模型，并应用于柑橘图像的亮度校正（付峰，应义斌．球体图像灰度变换模型及其在柑桔图像校正中的应用[J]．农业工程学报，2004，20(4):117~120.）。Gomez-Sanchis等人（2008）针对球形水果表面照度不均的问题，假设水果为朗伯椭圆表面，利用数字高程模型开发了一套自动亮度校正算法（Gomez-Sanchis J,Molto E,Camps-Valls G,et.al.Automatic correction of the effects of the light source on spherical objects.an application to the analysis of hyperspectral images of citrus fruits[J].Journal of Food Engineering,2008,85:191~200.）。Haff等人（2011）针对高光谱图像中弯曲表面造成的亮度不均的问题，采用均匀的Teflon球体作为研究对象，研究了朗伯表面的光反射方式、光源到物体表面的距离和投影到探测器的弧面长度变化对亮度的影响，并提出了补偿算法（HaffR,S aranwong S,Kawano S.Methods for correcting morphological-based deficiencies in hyperspectral images of round objects[J].Journal ofNear Infrared Spectroscopy,2011,19:431~441.）。