[发明专利]一种基于计算机视觉的复杂环境下果蔬识别方法

摘要

本发明公布了一种基于计算机视觉的复杂环境下果蔬识别方法，本发明包括以下步骤：首先，获取待识别果蔬图像；其次，将获取到的果蔬图像进行预处理，预处理后的图像被分割为果蔬区域和背景区域；提取预处理后的果蔬图像特征，其中提取的图像特征为颜色特征和纹理特征；然后，采用自适应加权方法对果蔬特征进行融合；最后，采用最近邻分类算法对果蔬进行识别。本发明相比已有的果蔬识别系统，算法复杂度低，识别率高，具有很强的使用性，可以有效的应用于日常生活中。

主权项

一种基于计算机视觉的复杂环境下果蔬识别方法，其特征在于，包括以下步骤：(1)获取待识别果蔬图像；(2)将获取到的果蔬图像进行预处理，预处理后的图像被分割为果蔬区域和背景区域；预处理的具体步骤为：(a)对图片进行切割处理，切掉外界干扰；(b)改变切割图像的大小，使得图片的处理速度进一步加快；(c)对切割后的图片进行中值滤波；(d)首先将RGB彩色图像转换到Lab彩色空间中，然后采用K‑mean方法对图片进行分割；(e)对分割后的图片进行空洞填充处理；(f)将滤波后的图片与填充空洞图片进行交集运算，得到最终的分割图片；(3)提取预处理后的果蔬图像特征，其中图像特征为颜色特征和纹理特征，颜色特征为HSV颜色特征，纹理特征为LBP纹理特征；(4)采用自适应加权方法对果蔬特征进行融合，特征融合的具体步骤为：(a)分别计算待识别样本的HSV颜色特征和LBP纹理特征与数据库样本对应特征的距离，得到2个距离向量distLBP，distHSV，分别求取2个距离向量中的最小值，分别记为最小值(b)求取2个距离向量最小值的倒数，并将其归一化，得到2个特征融合权值w1，w2，定义为最小距离倒数权重；w1=distminHSVdistminLBP+distminHSV---(1)]]>w2=distminLBPdistminLBP+distminHSV---(2)]]>(c)求取最小距离倒数权重的指数，并将其归一化，得到新的权值，定义为指数最小距离倒数权重向量w1',w2'；w1′=exp(w1)exp(w1)+exp(w2)---(3)]]>w2′=exp(w2)exp(w1)+exp(w2)---(4)]]>(d)求取最小距离倒数权重与指数最小距离倒数权重的均值，并将其归一化，得到新的权值，定义为调和自适应权值向量w1”,w2”；w1′′=w1+w1′w1+w1′+w2+w2′---(5)]]>w2′′=w2+w2′w1+w1′+w2+w2′---(6)]]>(e)采用调和自适应权值向量对特征进行融合；disthsv+lbp＝w1”×distlbp+w2”×disthsv  (7)式中disthsv+lbp表示融合特征距离；(5)采用最近邻分类算法对果蔬进行识别。