[发明专利]一种基于压缩传感的水果缺陷分级方法

摘要

一种基于压缩传感的水果缺陷分级方法，提取被测水果的左右两幅侧视图对应的R分量图像，进行平滑滤波减噪；将左右侧视图从RGB模型空间转换至HIS模型空间，提取其对应的H分量图像，进行平滑滤波减噪；对滤波处理后的R和H分量图像进行滑动扫描实现粗分割；分别对上述处理后的左右侧视图R分量图像和H分量图像进行稀疏分解，确定出重要特征信息和次要信息的分界点，对重要特征信息部分加权值，分别将左右侧视图对应的R分量和H分量的稀疏结果相加，得到新的系数向量；利用信号编码测量矩阵与上述新的系数向量相乘，进行编码测量得到表征水果缺陷的值；通过大量样本训练，观察上述数值的分布规律，得到衡量水果缺陷等级的阈值，输出水果缺陷分级结果。

主权项

一种基于压缩传感的水果缺陷分级方法，其特征在于，包括如下步骤：步骤一，通过CCD相机获得被测水果的主视图和左右两幅侧视图；步骤二，分别提取左右侧视图RGB图像对应的R分量图像，采用彩色图像空间均值滤波器分别对左右侧视图的R分量图像进行平滑滤波，以减小图像的噪声；步骤三，分别将左右侧视图从RGB模型空间转换至HIS模型空间，提取其对应的H分量图像，采用彩色图像空间均值滤波器分别对左右视图的H分量图像进行平滑滤波，以减小图像的噪声；步骤四，对上述滤波处理后的R分量图像取其左上角3*3大小的区域，作为参考模板，利用该参考模板对整幅R分量图像逐个像素点进行滑动扫描，对于灰度值大于模板平均值10以上的区域，认为其可能包含水果区域，保留原灰度值；反之，灰度值小于模板平均值或两者差值不大于10的区域，认为其为背景，将此其区域的灰度值置0，经过此种对水果和背景图像的快速粗分割，减小后续稀疏表示的处理数据量；步骤五，对上述滤波处理后的H分量图像取其左上角3*3大小的区域，作为参考模板，利用该参考模板对整幅H分量图像逐个像素点进行滑动扫描，对于灰度值大于模板平均值20以上的区域，认为其可能包含水果区域，保留原灰度值；反之，灰度值小于模板平均值或两者差值不大于20的区域，认为其为背景，将此其区域的灰度值置0，经过此种对水果和背景图像的快速粗分割，减小后续稀疏表示的处理数据量；步骤六，分别对上述处理后的左右侧视图R分量图像和H分量图像，采用图像正交稀疏分解方法中的基于超完备字典的图像稀疏分解算法对图像进行稀疏分解，其中完备字典是用小波字典构造的，而冗余基的选择采用OMP算法实现，使原始图像得到最佳的稀疏表示，得到各自相应的系数向量，分别生成R分量图像和H分量图像所对应的稀疏分解图，确定出重要特征信息和次要信息 的分界点，分别对R分量图像和H分量图像的系数向量结果中数据值较大的部分即重要特征信息部分加权值，增强其在结果中的比重，便于后续分级；步骤七，分别将左右侧视图对应的R分量和H分量的稀疏结果相加，得到新的系数向量；步骤八，采用满足等距约束性条件的随机高斯测量矩阵作为信号编码测量矩阵，与上述新的系数向量相乘，进行编码测量，对所得测量值的非零系数求其平方和，其结果即为表征水果缺陷的值；步骤九，通过大量样本训练，观察上述数值的分布规律，得到衡量水果缺陷等级的阈值；步骤十，输出水果缺陷分级结果。