基于視覺的樹上綠色柑橘檢測.pdf

1、隨著圖像處理、機器視覺技術的發(fā)展，關于樹上水果的檢測已吸引了眾多在圖像處理和農(nóng)業(yè)工程領域研究者的目光。在水果生產(chǎn)過程中，充分利用信息化、智能化技術對作物生長進行動態(tài)監(jiān)測，對于果園的自動管理（自動施肥、灌溉、噴藥）、提高農(nóng)作物品質、產(chǎn)量估計及自動采摘都有著重要意義。樹上綠色水果的檢測是實現(xiàn)水果生產(chǎn)自動化和智能化的一個關鍵環(huán)節(jié)，對早期果樹估產(chǎn)、優(yōu)化果園管理及實現(xiàn)自動作業(yè)具有重要的價值和應用前景。而已有樹上綠色水果檢測的方法不夠準確魯棒，仍然

2、有許多值得改進的地方。因此，本文以柑橘為例，將檢測過程分為兩個階段:感興趣區(qū)域(Region of Interest，ROI)提取及分層輪廓分析(Hierarchical Contour Analysis，HCA)。其中，感興趣區(qū)域提取這一階段分別采用兩種方法提取彩色圖像中的感興趣區(qū)域，第一種方法提取區(qū)域的局部二值模式(Local Binary Pattems，LBP)作為紋理特征送入分類器分類，第二種方法采用最大穩(wěn)定極值區(qū)域(Maxi

3、mally Stable Extremal Region，MSER)算法對圖像中的ROI進行提取。結合本文首次提出的這種基于水果表面環(huán)形光照分布的HCA算法，先建立分層輪廓圖，然后提取感興趣區(qū)域的分層輪廓線，并利用霍夫變換擬合每一級輪廓線獲得分層圓形目標，最后進行擬合圓嵌套分析得到綠色柑橘水果目標。下面就對本文的主要內容和試驗結論做簡要總結。
　　研究內容:
　　(1)基于紋理特征的感興趣區(qū)域提取。算法首先取綠色分量圖作為灰

4、度圖像進行圖像預處理，然后提取圖像中的局部極大值點作為目標點，在以該點為中心的區(qū)域提取LBP特征，所提取特征組成56維特征向量送入基于決策樹的RUSBoost集成分類器，對分類器進行分類訓練，取最終輸出的表示感興趣區(qū)域的局部極大值點為感興趣點。
　　(2)基于MSER算法的感興趣區(qū)域提取。這種算法在圖像預處理后，采用MSER算法提取感興趣區(qū)域，并對提取到的區(qū)域進行橢圓擬合，得到一系列擬合橢圓目標，取橢圓中心點作為感興趣點，然后根據(jù)

5、橢圓離心率閾值進行初步形狀分析，篩選出符合閾值條件的目標。
　　(3)分層輪廓分析算法。包括朗伯光照模型介紹及環(huán)形光照特征原理推導，根據(jù)HCA算法建立分層輪廓圖，提取每個感興趣區(qū)域的分層輪廓線，并使用霍夫變換對感興趣點附近區(qū)域的各級輪廓線進行圓擬合，同時對各級擬合圓進行嵌套分析合并擬合同一目標的多個擬合圓，最終得到與目標唯一對應的柑橘目標擬合圓。
　　基于LBP特征及HCA算法的方法以45張復雜的柑橘果園場景圖像作為訓練集訓