[发明专利]一种基于计算机视觉的甘蔗特征提取与识别方法

说明书

技术领域

本发明属于图像处理技术领域，是一种结合甘蔗图像和计算模型的对甘蔗特征进行提取和识别的方法。

背景技术

在甘蔗的生长和后期处理过程中，生长状态和甘蔗蔗芽的切割长期以来都是人工完成的，本方法通过计算机视觉技术的识别和处理，能对甘蔗的图像进行自动的识别，在蔗种处理中需要将整根的甘蔗切断成包含1～3个蔗芽的有效蔗种片段。目前也多是人工完成为主。为提高效率，降低劳动强度和实现甘蔗种植的精细化，需要研制可识别茎节和节间的智能切断装置，而其中最关键的是识别甘蔗茎节。目前国内在此领域的研究还属于空白。相近研究有刘庆庭等利用高速摄像分析刀片切割甘蔗茎秆破坏过程，国外，仅伊朗Moshashai K利用灰度图像阈值分割的方法对甘蔗茎节识别做了初步研究，也还处于初始阶段。本发明采用机器视觉的方法，先经支持向量机SVM(support vectormachine)方法对茎节与节间分类，再对识别出的茎节类进行聚类识别，获得茎节数与茎节位置。

发明内容

一种基于计算机视觉的甘蔗特征提取与识别方法，其特征是包含以下具体步骤：

(1)获取甘蔗原始图像；

(2)将原始图像去噪和从RGB颜色空间转换到HSV颜色空间，并选取模型中的H和S参数作为甘蔗图像的特征；

(3)对甘蔗图像进行特征的提取；

(4)对甘蔗图像特征进行模型计算与匹配；

(5)对完成特征提取的甘蔗图像进行SVM识别。

具体过程的完成是：

1、图像的获取

在试验台上采用CANON S80型数码相机拍摄红色背景的单根甘蔗彩色图像，图像大小为1600*1200像素，JPG格式。处理软件采用VC++6.0和M atlab7.0。拍摄前先将甘蔗叶剥净，相机镜头与工作台垂直，距离工作台30cm。

2、图像基本处理

图像中甘蔗表面颜色从黑到白过渡，占据整个灰度级，采用RGB颜色空间难以分割出理想的甘蔗轮廓，各分量空间的相关性也难以体现出茎节与节间特征差异。在经过大量的试验对比后，发现采用红色背景的HSV空间能有效地将背景与甘蔗区分。

(1)基于HSV的彩色空间

HSV空间比较直观且符合人的视觉特性，H、S、V表示色调、饱和度和亮度。从HSV颜色空间的H分量图可以看到甘蔗与背景区域的灰度在空间上分散，茎节与节间的色调有明显差异，可作为茎节与节间的识别依据；从S分量中可以看到甘蔗轮廓清晰，背景区域灰度均匀，其灰度直方图显现双峰性，有利于甘蔗轮廓提取。

(2)阈值分割

H分量可以体现出甘蔗茎节的细节特征，S分量体现甘蔗的轮廓特征。选择合适的阈值分割可以得到理想的甘蔗轮廓和表征甘蔗茎节与节间差异的二值图；在S、H阈值选择方法上，分别对Otsu与人工选择阈值做了比较试验，发现Otsu自动分割不能有效消除背景噪声，存在大面积的反光现象。而在工作台控制条件下，S分量的直方图波谷出现在0.45～0.55之间，在这之间设置阈值可以得到理想的甘蔗边界轮廓图；在0.4～0.6范围内以0.1间隔区域统计灰度级点数，以0.1范围内最少灰度级点数对应的灰度值作为S分量的分割阈值。研究发现H分量直方图中绝大部分的像素点在灰度级0～0.05和0.95～1之间，在区间0.85～0.15之间设置阈值，可以有效得到茎节特征。

(3)图像合成

经阈值分割得到的S分量二值图像仍有可能存在背景区域的孤立噪声；采用3*3结构模板对S分量二值图像作形态学闭运算以消除噪声；将S分量经噪声消除后得到的二值图像与H分量得到的二值图像分别求反后再作与运算得到合成图。

3、特征提取

由于茎节处的白点数分散相对均匀，茎节区域的白点数密集，直径比较大；将合成图按列划分为64个列块区域，设图像集合为X(i，j)；图像的上边缘为P_t＝(x_t， y_t)，下边缘为P_t＝(x_t，y_t)，第k列块粗度为