水果自动识别的BP神经网络方法 人脸识别程序.doc

水果自动识别的BP神经网络方法 陈 源, 张长江 时间:2011年03月03日 来源:微型机与应用2010年第22期 字 体: 大 中 小 关键词:BP神经网络水果识别二值化标签化MATLAB 摘? 要: 针对多种水果混合的图像，对各种水果的提取和识别进行研究。利用Matlab软件进行图像数据获取、对比度增强、去噪、二值化处理；为弥补二值化后图像中出现的断边、孔洞，借助Sobel算子进行边缘提取以接合断边，并基于数学形态学算子填充孔洞。再标签化处理图像并提取水果的颜色、形状、边缘特征，用200幅水果图像提取上述特征构造训练样本和测试样本，然后利用构造的样本对BP神经网络进行训练和测试。实验结果表明,所提出的方法能够获得很高的正确识别率，能够有效地将同一幅图像中的不同水果识别出来。关键词: BP神经网络；水果识别；二值化；标签化；MATLAB ??? 我国一直是水果、蔬菜生产大国，水果分拣基本上仍由人工完成，虽然成本低廉，但劳动力大、生产效率低，产后商品化处理技术和设备落后，用肉眼评判水果的好坏,分级标准不一和分级精度不稳定，导致产品缺乏市场竞争力，出口数量少、价格低[1]。因此找到一种高效的机械分拣方法非常必要，在我国具有十分重要的经济价值和广阔的应用前景。　计算机图像处理及识别是计算机应用技术的一个重要方面，在电子工业、人工智能、工业自动化、生物医疗工程、卫星遥感等众多领域中占有极其重要的地位[2]。近年来，计算机图像处理及识别的研究在我国受到了广泛的重视，取得了卓有成效的进展，逐步迈向实用阶段。?? ?图像识别主要是研究用计算机代替人自动地去处理大量的物理信息，解决人类生理器官所不能识别的问题，或是直接帮助人识别信息从而简化劳动[3]。机械分拣短时、高效的特点符合果蔬产品的时间特性，能及时地分拣出高质量的水果。水果经识别后，可通过机械自动化控制，对水果信息按目的地分类。因此，采用图像识别技术对水果按要求分类，运用自动化机械分拣技术[4]，在实际的生产过程中能减少大量的人力资源，具有短时、高效、方便的特点。　本文针对多种水果混合的图像，利用Matlab软件，对水果的识别进行研究。根据水果与背景灰度值的差别选取阈值,对去噪、增强对比度后的图像进行二值化处理。分割出目标后，由于原始图像中灰度分布不均匀和光照等的影响，可能同一类水果中会出现空洞或个别边缘处出现断裂情况等，因此要对图像进行边缘检测。然后标签化处理图像，区分水果，再提取不同水果的颜色、形状、边界不规则等特征，用多幅图像训练BP神经网络，建立水果特征库，利于快速识别水果，从而实现对水果的正确分拣。1 水果图像的增强和分割　在计算机上，图像由像素逐点描述，每个像素点具有一个明确的位置和色彩数值。用Matlab软件读取图像，以矩阵的形式存放图像数据，其扫描规则是从左向右,从上到下。为处理方便，把原始的彩色图像转换为灰度图像，如图1(a)所示。 　采用中值滤波法对灰度图像进行去噪处理。中值滤波是抑制噪声的非线性处理方法，本文用中值滤波法处理3×3像素的局域图像，把9个灰度值按从小到大的顺序排序后，以第5个(即中央)序号的灰度值作为目标像素的灰度值。中值滤波对于滤除图像中的椒盐噪声非常有效[5]，去噪后的图像如图1(b)所示。　为了得到更清晰的图像,再对图像进行锐化处理,采用反锐化掩模的方法。反锐化掩模法是一种常用的图像锐化方法，其算法表达式为：?? ?式中,f(x,y)为处理前的图像；f′(x,y)为用人为方法将f(x,y)模糊以后得到的图像；g(x,y)为锐化处理后的图像；c(c1)为比例常数，根据具体情况选定。反锐化掩模法有效地提高了高频成分，使模糊呆板的图像变得具有清晰感和生动感[6]，图1(c)是锐化后的结果。??? 经过去噪和对比度增强，就可以对图像目标进行提取分割。图像阈值分割是最常用的图像分割技术，主要利用了图像中背景与对象之间的灰度差异[6]。只要阈值选取合适，将每个像素与之比较，进行二值化处理，就可以很好地将对象从背景中分离出来。取阈值为0.34，图2(a)是二值化后的结果。从图2(a)中可以发现水果中有很多空洞，且水果的边缘处有断裂现象，所以采用边缘提取以弥补断裂的边缘部分，然后基于数学形态学算子对图像进行去除断边、图像填充等必要的后续处理。??? 利用Sobel算子[7]进行边缘检测。Sobel算子是一种简单常用的微分算子，它不仅能检测边缘点，而且能进一步抑制噪声的影响。Sobel算子对数字图像f(x,y)的每个像素考查其相邻点像素灰度的加权差[8]，即??? 利用Sobel算子进行边缘检测的结果如图2(b)所示，水果的边缘清晰地显示出来。再利用OR运算结合模糊分割和边缘信息[9]，去除断边如图2(c)所示；利用数学形态学[10