彩色图像处理方研究及其在现代农业中的应用.pdf

州济人学|冉}学位沦文 摘 要 计算机视觉技术在现代农业中已获得了广泛应用，高效的图像处理算法是计 算机视觉技术能甭获得成功应用的关键，与J：业图像处理相比，农业图像成像条 件比较差，目标及背景均比较复杂，不像工业零件那样具有规律性和可描述性， 传统的基于扶度图像的算法已难以胜仟复杂的农业图像处理的需要，模糊逻辑、 人工神经元网络以及遗传进化计算等智能算法已在计算机视觉领域获得广泛应 用。由于彩色图像可以提供更为丰富的信息，故本文以彩色图像为基础，以智能 理论与技术为手段，探求能够适合农业复杂环境的、能够处理复杂图像的、高效 的彩色图像处理方法。研究的主要内容有， (1)针对彩色图像在采集过程中由于受传感器、光源等因素的影响，一些信 息会变得模糊和对比度差的问题，提出了一种基于模糊最大熵的彩色图像模糊增 强方法，利用遗传算法优化隶属度函数s函数的三个参数，使得图像从属性域转 化到模糊域中，模糊熵最大，即含有图像信息量最大。在HSI彩色空间中，保持 色调不变，分别对亮度、饱和度进行模糊增强，实验证明模糊增强后图像信息丢 失少，对比度得到了明显提高， (2)针对滤波中好的细节点和噪声点难以区分的问题，提出了基于模糊逻辑 的彩色图像滤波方法，对彩色图像的每个分量以同样的方法进行处理。利用像元 属性值(彩色分量值)与其邻域属性值的接近程度作为其属于该邻域的程度，并以 此来判别分别属于噪声点还是细节点的程度，用高斯型函数作为模糊化函数，以 Sugeno模糊模型进行推理，推理后获得的隶属度值进行反变换后可得滤波后的 图像。实验证明这种方法不仅能有效抑制脉冲噪声和高斯噪声，同时能较好地保 持图像的细节信息。 (3)对于图像分割中的分类数确定问题，提出了一种基于主分量变换的彩色 图像分类数确定方法。在彩色图像的主分量变换中，主分量集中了图像的大部分 信息，因此，可以利用一个主分量确定图像的分类数。在主分量的直方图上，一 个分割区域对应一个峰，利用尺度空间滤波器可以方便的确定出峰值点。实验表 明，该方法有效可行，而且利用尺度空问滤波器进行直方图分析时，只需在一个 分量上进行，使得计算更加简单。 色图像分割方法，利用分层减法聚类把图像数据分成一定数量的色彩满足某种相 似性准则的子集，一方面，子集中心可用于初始化聚类中心点，减少聚类性能受 彩色图像处理方法研究及其在现代农业中的应用 中心点随机初始化的影响；另一方面，利用子集中心点集和子集分布密度进行模 糊聚类，可以大幅提高算法的计算速度，进而可以利用聚类有效性分析指标快速 确定聚类数目。通过实验分析表明，在优化聚类性能不变的前提下，可以使模糊 聚类的速度得到明显提高，实现彩色图像的快速分割。 (5)针对FFCM算法对噪声敏感的问题，把一种基于负指数函数的距离引入 计算中心点时每个数据点多了一个权重，当数据点离中心越近，权重越大；反之， 权重越小。实验表明，由于噪声点离中心点通常比较远，采用NDM—FFCM算法可 以有效地抑制噪声，提高了算法的鲁棒性。 (6)利用梯度法进行彩色图像边缘检测具有计算简单、速度快、实时性好等 特点，但缺点是对噪声敏感，检测的边缘较粗，对此利用模糊逻辑和快速最大熵 法对彩色图像边缘检测方法进行研究。在YIⅣ彩色空间中，提出了一种基于模 糊规则的彩色图像边缘检测方法。对输入图像的Y、u、V三个分量，计算各个 点与8邻域的绝对差值，利用预先定义的16条模糊规则进行模糊推理，获得属 于边缘点的隶属度，再将其变换到灰度空间获得边缘强度值：然后利用快速熵算 法确定阈值，进而获得边缘图像。实验证明，与基于梯度的方法相比，这种方法 不但可以获得较好的边缘特性，而且具有较强的抗噪性能。 (7)对于水果的形状分级问题，提出了一种基于傅立叶变换的分级方法。对 目标进行边界跟踪后，获取其半径序列点，利用傅立叶变换可以方便的对其形状 进行描述，由于信息集中在低频分量上，故只需计算少量的傅立叶系数即可，满 足实时性要求。利用傅立叶变换的前K项分量中傅立叶系数最大的L项傅立叶系 数定义了一个形状分类器，以此对水果进行形状分级，方法简单有效。 将研究的算法用于水果形状分级和叶片面积测量，结果表明算法性能良好， 测量精度高，具有实时、无损等特点，显示了计算机视觉技术在现代农业中具有 令人鼓舞的应用前景。 关键词：计算机视觉，彩色图像，模糊增强，模糊滤波，主分量变换，图像 分割，模糊c一均值聚类，