[发明专利]基于视觉显著性的水果表面缺陷检测方法

说明书

技术领域

本发明涉及一种利用数字图像处理技术实现水果无损检测方法，具体涉及一种基于视觉显著性的水果表面缺陷检测方法。

背景技术

水果表面缺陷是水果分级标准的主要判别因素，对水果产后加工、商品化生产都至关重要。传统的人工挑拣和孔洞机械筛选分级方法通常占用较多人力，且分级速度缓慢、主观性差异大，同时容易造成机械损伤，现在更多的研究将目光聚焦于利用高精度摄像机获取水果图像，利用机器视觉方法对水果品质进行判别。

根据缺陷中心处灰度值较低的特点，现有一些基于灰度图像的苹果缺陷检测方法，例如利用“洪水法”及其改进算法“蛇形法”对块状缺陷进行识别。球形水果在图像获取过程中往往存在亮斑干扰，一些方法针对这类问题而提出，如球体灰度变换法和照度-反射模型，都是以亮度校正为基础，利用单一阈值对水果表面缺陷进行一次分割为出发点进行操作的，也有利用形态学方法去除水果表面亮斑对缺陷检测干扰的想法。以上方法根据水果表面缺陷的特点，利用纯粹经典图像处理方法进行缺陷分割，相较于直接阈值分割效果有较大的提高，但是在水果表面纹理、色彩等的干扰下，往往效果不佳，并且计算量较大。

显著图是指通过计算各像素的显著度，生成与原始图像大小相等的灰度图像，其中灰度值的高低表示对应位置显著度的大小，某一点的灰度值越高，则其在图像中越显著，相对更能引起观察者的注意。水果表面缺陷相对于水果表面区域有更强的显著性特征，可根据这一特征对缺陷区域进行一次分割，实现水果表面缺陷的检测。利用显著图的优点在于可以排除不同果纹干扰，并对不同大小的缺陷进行准确检测。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供一种基于视觉显著性的水果表面缺陷检测方法，能够准确地进行非接触式缺陷检测。

为了实现上述目的，本发明采用的技术方案是：

一种基于视觉显著性的水果表面缺陷检测方法，包括如下步骤：

首先，通过CCD相机获得被测水果的原始图像；

其次，对图像进行预处理，以消除细小的纹理细节以及噪音和编码失真；

然后，将预处理后的图像进行下采样得到两幅图片，进行上采样得到两幅图片，与原图一共构成五个不同尺度的特征源图像；

继而，计算五个不同尺度下的显著图，并对其进行空间域增强；

最后，将五个尺度下的显著图模型进行融合，并根据融合显著图模型进行水果表面缺陷分割。

所述原始图像为M×N维，M、N均为4的整数倍，一般使用分辨率为320*240的图像。

所述对图像进行预处理是将原始图像进行滤波，具体方法是从原始图像的左上角开始利用滤波窗口进行滑动扫描，判断是否存在噪声点，其判断依据为在窗口区域中，是否存在数值的突变，若存在，则利用模板所覆盖区域中像素值进行加权平均，代替噪声点的值，若不存在，进行中值滤波。

所述滤波窗口尺寸为5×5像素。

所述下采样是对预处理后的图像进行两次2倍下采样，得到两个不同尺度的下采样特征图像，分别为(M/2)×(N/2)维和(M/4)×(N/4)维，具体方法是取模板尺寸为2×2像素，利用模板从预处理后的图像左上角开始进行滑动扫描，取模板覆盖区域像素值的平均值替代模板位置的所有像素块。

所述上采样是对预处理后的图像进行两次2倍上采样，得到两个不同尺度的上采样特征图像，分别为(M×2)×(N×2)维和(M×4)×(N×4)维，具体方法为双线性插值法。

所述显著图的计算方法为：

先提取五个特征源图像的色调分量H并进行滤波处理；

然后对H矩阵进行归一化处理，寻找矩阵中的最大值及若干局部极大值，求取像素平均值，用原有H分量图像像素值减去局部极大值均值，得到图像显著图。

所述空间域增强的方法是通过对显著图进行直方图均衡化，加强图像对比度。

利用公式S(x,y)=I_s1×I_s2×I_s3×I_s4×I_s5对所述对显著图进行融合，使大尺度显著图凸显位置信息，小尺度显著图凸显形状信息，其中I_s1-I_s5分别表示五个图像显著图。

通过融合显著图的显著性，对显著图进行自适应阈值分割，分割出显著区域，进行苹果表面缺陷检测。