[发明专利]一种用于采摘机器人的莲蓬目标图像识别方法

摘要

本发明公开了一种用于采摘机器人的莲蓬目标图像识别方法，采用图像高斯滤波与超绿色指标法相结合的方法，设计超绿色高斯滤波器，去除复杂背景；采用改进的形态学分水岭分割算法对有重叠现象的图像实现重叠部分的分离和分割；改进Hu不变矩算法，计算莲蓬、荷叶、荷花、茎的不变矩an，对所计算的n阶不变矩进行线性组合，得到能够表征莲蓬、荷叶、荷花、茎不同形状特征的不变矩主成分zm；图像目标识别，利用K‑Means聚类算法对莲蓬、荷花、荷叶、茎图像的不变矩主成分zm分类。主成分离莲蓬聚类中心最近的连通分量即为莲蓬。本发明可以有效地区分识别莲蓬、荷叶、荷花、茎，是莲蓬采摘机器人的视觉系统的核心算法技术。

主权项

一种用于采摘机器人的莲蓬目标图像识别方法，其特征在于，包括以下步骤：步骤1，采用图像高斯滤波与超绿色指标法相结合的方法，设计超绿色高斯滤波器，去除复杂背景；超绿色指标法公式如下：二维离散高斯函数为：G(x,y)=Σm=0M-1Σn=0N-1h1(m,n)h2(x-m,y-n)]]>其中x＝0,1,2,...,M‑1；y＝0,1,2,...,N‑1，x，y轴垂直；在与x，y相互正交的z轴上加入一维离散信号，其中x，y，z轴符合右手定则，利用卷积定理，构造超绿色高斯滤波器；步骤2，采用距离变换与空间模式聚类算法相结合的分水岭算法，对有重叠现象的图像实现重叠部分的分离和分割；步骤3，利用改进Hu不变矩算法，计算莲蓬、荷叶、荷花、茎的不变矩an，对所计算的n阶不变矩进行线性组合，得到能够表征莲蓬、荷叶、荷花、茎不同形状特征的不变矩主成分zm，m≤n；步骤4，图像目标识别，利用K‑Means聚类算法对莲蓬、荷花、荷叶、茎图像的不变矩主成分zm分类，主成分离莲蓬聚类中心最近的连通分量即为莲蓬。