基于超红图像与轮廓曲率的苹果目标识别与定位方法研究.docVIP

基于超红图像与轮廓曲率的苹果目标识别与定位方法研究 　　摘要：为实现苹果目标的识别及其空间定位，提出了一种自然场景下苹果目标的识别与定位方法。该方法首先将RGB颜色空间转换至HIS颜色空间以得到自然场景下苹果图像的色调分量H和饱和度分量S，为了充分利用其色调信息，采用了基于超红图像的苹果目标识别方法并应用基于区域的分割方法实现了目标的有效分割；接着利用轮廓曲率法抽取连续光滑的轮廓曲线并估计该光滑曲线段的圆心及其半径参数，实现果实的定位；最后利用逐行扫描法，结合苹果生理特性，实现了苹果采摘点的有效定位。为了验证算法的有效性，利用50幅富士苹果图像进行了试验。试验结果表明，苹果及其果柄的识别率在80%以上，对于轻度遮挡的苹果目标，基本满足其定位要求。 中国论文网 /8/view-7184418.htm 　　关键词：农业电气化与自动化；苹果图像分割；目标定位；轮廓曲率；HOUGH圆拟合 　　中图分类号：TP391.4 　　文献标识码：A 　　DOI：10.3969/j.issn.1003-6970.2015.08.007 　　0 引言 　　果实目标的准确识别与精确定位是采摘机器人视觉系统必须解决的关键问题。在自然条件下，果实目标的识别易受天气、果实遮挡等诸多因素的影响，识别难度大，准确率不高。运用计算机视觉技术，结合果实目标轮廓特征来实现自然场景下苹果果实目标的准确识别是解决该问题的有效手段，受到了广泛关注。 　　在果蔬采摘机器人机器视觉方面，研究人员开展了大量的研究工作。D’Esnon等采用彩色视觉系统对树上苹果进行检测，通过对彩色图像分割得到二值图像后找到各水果区域的中心。杨国彬等直接使用RGB分量作为贝叶斯分类器的输入进行目标与背景的分类，由于图像的复杂性，其效果并不稳定。赵杰文等研究了基于HIS（Hue，Intensity，Saturation）颜色特征的田间成熟番茄识别技术，实现了成熟番茄目标的准确提取。张铁中等提出了一种基于彩色空间参照表的果实目标提取分割算法，为该类型目标的准确识别提供了新的思路。荀一等针对单果遮挡目标的识别问题，根据其轮廓曲率变化情况，通过提取连续光滑轮廓线段并进行圆拟合的方式，较好地实现了苹果目标的识别。 　　鉴于上述，本研究拟提出一种基于轮廓曲率的树上苹果目标识别与定位方法，首先将采集到的图像在HIS颜色空间下进行预处理操作，并选择基于区域分割的方法，同时结合数学形态学理论进行图像分割，较好地实现目标与背景的分离；然后运用轮廓曲率特征得到光滑轮廓曲线并进行圆心及半径等参数的估计，并通过圆拟合方法得到苹果的准确位置；最终实现苹果采摘点的精确定位。 　　1 基于HIS颜色空间和区域分割的苹果目标分割 　　1.1 RGB颜色空间与HIS颜色空间的转换 　　合适的颜色空间是实现目标分割的基础，常见的RGB颜色空间将颜色看作是三基色的组合，但各分量之间存在很强的相关性，其细节难以进行数字化的调整。HIS颜色模型可以反映人的视觉系统感知彩色的方式，以色调、饱和度和强度3种基本特征量来表示给定颜色。由于人的视觉对亮度的敏感程度远强于对颜色浓淡的敏感程度，为了便于色彩的处理和识别，人的视觉系统经常采用HIS色彩空间，它比RGB色彩空间更符合人的视觉特性。所以本研究选择在HIS颜色空间下进行苹果目标的分割。 　　RGB颜色空间转换到HIS颜色空间的转换公式如式（1）所示，在HIS颜色模型中取色调H作为特征量进行统计分析其中色调H的取值由式（2）所示。经过变换后，即可将相互关联的R、G、B分量转换为相互独立的色调（H）、饱和度（S）和强度（I）3部分。 　　RGB颜色空间与HIS颜色空间转换的结果如图1所示。其中，图1（a）为原始彩色苹果目标图像，可见在自然场景下，受到光照等因素的影响，苹果表面存在了大量的阴影等信息，完整识别目标的难度极大。图1（b）为色调子图像，通过图1（b）可以看出苹果目标区域的色调值依然得到了较好地保留。图1（c）、（d）分别为饱和度子图像及其亮度子图像，可见在饱和度与亮度子图像中，目标与背景间差别较小，难以用于果实目标的分割。因此，本研究提出了一种充分利用果实色调信息进行目标的分割的方法。 　　1.2 基于超红图像的苹果果实识别 　　结合图1（a）和图1（b）可以发现，虽然果实目标整体颜色偏红，但由于阴影等因素的影响易被误分为背景。因此，为了达到红色调信息的有效利用，本研究利用超红图像来进行目标的分割，所用超红图像Ir的公式如式（3）所示。 　　Ir=n*R-G 　　（3） 　　式中，n为超红图像的系数，针对苹果目标的识别，一般有nl，针对本文获取的图像目标，经过大量测试后，本研究选择n=1.3。 　　利用红色调信息增强对图1（a）进行处理的结果如图2所