[发明专利]一种绿色果实识别方法有效
申请号: | 201610080426.1 | 申请日: | 2016-02-05 |
公开(公告)号: | CN105844213B | 公开(公告)日: | 2017-04-19 |
发明(设计)人: | 王明军 | 申请(专利权)人: | 宁波工程学院 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62 |
代理公司: | 宁波市鄞州盛飞专利代理事务所(普通合伙)33243 | 代理人: | 张向飞 |
地址: | 315016 浙*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 绿色 果实 识别 方法 | ||
1.一种绿色果实识别方法,其特征在于,识别方法具体为:
第一步,采集一帧图像到内存;
第二步,提取彩色图像的R通道图像;
第三步,以特定大小的滤波模块对R通道图像进行中值滤波;
第四步,对中值滤波输出图像进行8级灰度离散化操作,得到8级灰度图;
第五步,对8级灰度图进行多角度灰度阶梯扫描;
第六步,对灰度阶梯扫描结果应用启发式规则进行筛选,以去除各类场景几何产生的伪灰度阶梯;
第七步,融合各类信息,生成候选果实区域;
第八步,基于外观特征对单个候选果实区域内的像素进行分类,并结合团块操作以生成决策结果1;
第九步,统计单个候选果实区域对应的灰度阶梯方向数量以生成决策结果2;
第十步,统计单个候选果实区域对应的灰度阶梯数量以生成决策结果3;
第十一步,针对每个候选果实区域,基于多数投票机制融合上述三个决策结果,对伪果实区域进行筛除;
第七步中所述的生成候选果实区域的步骤如下:
A、将图像中贯穿同一超像素集合的灰度阶梯分到同一个初始簇,共得到K个初始簇(ci,i=1,2...K),每个初始簇ci关联的数据有:灰度阶梯集合及其灰度阶梯个数ni,超像素集合及其平均重心xi;
B、将所有初始簇按照ni由大到小重新排序,依据任意两簇所关联超像素平均重心的相对位置,对同一果实重复检测结果进行合并;
C、计算任意合并更新后的簇所关联的所有超像素的外接矩阵,并将所有超像素按外接矩阵的面积降序排列,得到新的超像素序列sp1new,sp2new,...spMnew;
D、对超像素spjnew中的每个像素赋权重j,即超像素外接矩阵越小,其对应像素在后续候选果实区域拟合过程中的重要性越高;
E、基于罚函数法对果实位置进行圆形近似拟合,根据圆形包含的像素权重之和尽量大以及圆形不应超出实际果实可能占据的范围的原则确定圆形的圆心坐标及圆半径。
2.根据权利要求1所述的绿色果实识别方法,其特征在于:第五步中所述的多角度扫描是指0-180度区间、间隔为15度的扫描角度,而扫描角度定义为扫描方向与X轴的夹角。
3.根据权利要求1所述的绿色果实识别方法,其特征在于:第六步中所述的伪灰度阶梯根据其产生机理分为三类,分别为树枝表面、树叶表面以及场景几何随机产生的伪灰度阶梯。
4.根据权利要求1所述的绿色果实识别方法,其特征在于:第六步中所述的启发式规则为针对不同类型伪灰度阶梯设计的筛选规则,该类规则主要对目标灰度阶梯的跨度、阶宽占比、灰度超像素的形状进行限制,以区分伪灰度阶梯和目标灰度阶梯。
5.根据权利要求1所述的绿色果实识别方法,其特征在于:第八步中所述的分类是指根据外观特征判定每个像素块是否为果实块;所述外观特征包括RGB平均值、R-B平均值、纹理描述符和RGB分量柱状图特征构成的65维特征。
6.根据权利要求1所述的绿色果实识别方法,其特征在于:第八步中所述的团块操作是指根据候选果实区域内互相连通的果实块集合占据整个候选果实区域的面积是否超过设定阈值,判断候选果实区域是否为真实果实区域,若超过设定阈值,初步判定为真实果实区域,若未超出设定阈值,则初步判定为非果实区域。
7.根据权利要求1所述的绿色果实识别方法,其特征在于:第十一步中所述的伪果实区域筛除是从外观特征和团块操作、灰度阶梯方向数量、灰度阶梯数量三方面投票,根据多数投票原则,确定最终的真实果实区域。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于宁波工程学院,未经宁波工程学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201610080426.1/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种单向出口的耐酸泵
- 下一篇:一种按键指令处理方法及终端