基于机器视觉图像多目标提取识别.docVIP

基于机器视觉图像多目标提取识别摘要：为了实现农作物图像多目标的准确识别，提出了四连通或八连通的连通域判别法。利用ＭＡＴＬＡＢ的数值计算、图形处理和可视化建模以及动态仿真等功能，对黄瓜植株花朵图像预处理，去除干扰目标，对目标处理结果进行整合，进而得到多目标处理结果。结果表明该方法依据图像信息即可有效地实现多目标的分离和识别。 关键词：机器视觉；多目标；ＭＡＴＬＡＢ仿真；提取识别 中图分类号：ＴＰ３９１．４１ 文献标识码：Ａ 文章编号：0439－８114（２０12）15－3342-03 Ｒｅｃｏｇｎｉｔｉｏｎ ａｎｄ Ｅｘｔｒａｃｔｉｏｎ ｏｆ Ｍｕｌｔｉｐｌｅ Ｔａｒｇｅｔｓ Ｂａｓｅｄ ｏｎ Ｍａｃｈｉｎｅ Ｖｉｓｉｏｎ Ｉｍａｇｅ ＳＨＩ Ｊｕｎ－ｗｅｉ，ＨＵ Ｍｉｎ－ｙｉｎｇ，ＲＥＮ Ｚｈｅｎ－ｈｕｉ （Ｃｏｌｌｅｇｅ ｏｆ Ｍｅｃｈａｎｉｃａｌ ａｎｄ Ｅｌｅｃｔｒｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ， Ａｇｒｉｃｕｌｔｕｒａｌ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｈｅｂｅｉ， Ｂａｏｄｉｎｇ ０７１００１， Ｈｅｂｅｉ， Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ： Ｔｈｅ ｄｉｓｃｒｉｍｉｎａｎｃｅ ｏｆ ４－ｃｏｎｎｅｃｔｅｄ or ８－ｃｏｎｎｅｃｔｅｄ ｄｏｍａｉｎ ｗａｓ ｐｒｅｓｅｎｔｅｄ ｔｏ ｒｅａｌｉｚｅ aｃｃｕｒａｔｅ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｏｆ ｔｈｅ ｔａｒｇｅｔ ｃｒｏｐ ｉｍａｇｅｓ． Ｕｓｉｎｇ ＭＡＴＬＡＢ ｆｕｎｃｔｉｏｎｓ， ｓｕｃｈ ａｓ ｎｕｍｅｒｉｃａｌ ｃｏｍｐｕｔａｔｉｏｎ， ｇｒａｐｈｉｃ ｐｒｏｃｅｓｓｉｎｇ， ｖｉｓｕａｌ ｍｏｄｅｌｉｎｇ ａｎｄ ｄｙｎａｍｉｃ ｓｉｍｕｌａｔｉｏｎ， ｔｈｅ ｉｍａｇｅs ｏｆ ｃｕｃｕｍｂｅｒ ｆｌｏｗｅｒｓ ｗｅｒｅ ｐｒｅｐｒｏｃｅｓｓｅｄ ａｎｄ ｔｈｅ ｊａｍｍｉｎｇ ｉｍａｇｅｓ ｗｅｒｅ ｒｅｍｏｖｅｄ， ａｎｄ ｔｈｅｎ ｓｉｎｇｌｅ ｉｍａｇｅｓ ｗｅｒｅ ｉｎｔｅｇｒａｔｅd ｔｏ ｏｂｔａｉｎ ｔｈｅ ｍｕｌｔｉｐｌｅ ｉｍａｇｅｓ． Ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗed ｔｈａｔ ｔｈｉｓ ａｌｇｏｒｉｔｈｍ ｃｏｕｌｄ ｓｅｐａｒａｔｉｏｎ ａｎｄ ｒｅｃｏｇｎｉｚａｔｉｏｎ ｏｆ ｔｈｅ ｍｕｌｔｉｐｌｅ ｏｂｊｅｃｔｓ ｅｆｆｅｃｔｉｖｅｌｙ ｗｉｔｈ ｍａｃｈｉｎｅ ｖｉｓｉｏｎ． Ｋｅｙ ｗｏｒｄｓ： ｍａｃｈｉｎｅ ｖｉｓｉｏｎ； ｍｕｌｔｉｐｌｅ ｔａｒｇｅｔ； ＭＡＴＬＡＢ ｓｉｍｕｌａｔｉｏｎ； ｅｘｔｒａｃｔｉｏｎ ａｎｄ ｒｅｃｏｇｎｉｔｉｏｎ 长期以来，农作物果实的采摘、部分作物花朵的授粉以及农药喷洒都是通过人工来完成的，但在一些高湿、高温、有毒的环境中，不适于人工的长期作业［１］。因此自动采摘果实与代替人工授粉的智能机械需要非常突出，而这种智能机械必须基于机器视觉，它作为智能化农业机械系统的信息输入端，担负着对信息的采集、处理与输入任务，必须能够通过对采集图像的信息处理，提取出准确目标的图像信息并加以识别，能够分别确定所需目标、噪声目标和假目标，且进一步分析其在整体图像中的位置，最终使机器（计算机）依据这些信息能够准确地实行下一步操作［２，３］。 １ 单目标的提取识别 对单个图像目标的处理，采用了以颜色为优势特征的提取算法。算法针对目标与背景颜色的明显差异，将图像转化为灰度图像，利用从ＲＧＢ到ＨＳＶ的转换公式： Ｈ＝ｃｏｓ－１［■］ （其中R≠B或G≠B） Ｓ＝１－■［min（R，G，B）］ Ｖ＝■ 对调整后的灰度图像分别计算其Ｒ、Ｇ、Ｂ分量值和Ｈ、Ｓ、Ｖ分量值，将目标特征突显化。通过对各分量图像的对比，选取目标突显最为明显的Ｒ、Ｇ和Ｖ分量灰度图像。采用迭代法求出最佳阈值，再利用ＭＡＴＬＡＢ语言求出图像的全局阈值［４］，得到全局阈值分割图像，利用该阈值对各图像分别进行阈值分割，并运用二值形态学方法对图像进行膨胀和腐蚀处理，以完全分离花朵目标。 ２ 多目标的提取识别 ２．１ 多目标的分离 单个目标的提取识别处理过程相对简单，但实际应用中往往存在一幅图像中出现多个目标的情况，因此必须进行多目标的分离，使其能够按照单个目标提取识别方法进行处理，而且要去除噪声目标和小目标（假目标或非需要目标），然后再对单个目标处理结果进行整合，并输出为多个目标的处理结果。 图１为待处理图像，图中有两个目标（框①所示），并有一个假目标（框②所示）和若干噪声目标。 依照单目标的提取识别，首先对原始图像调整灰度值并进行R分量显示,通过迭代法求最佳阈值，即： 第一步，求出图像中的最小和最大灰度值及阈值初值； 第二步，根据阈值Ｔ将图像分割成目