基于大蒜图形识别算法的研究.docVIP

基于大蒜图形识别算法的研究 　　摘要：大蒜种植过程中大蒜的方向显著影响大蒜的品质，目前我国大蒜种植机械化水平较低。随着计算机和人工智能技术的发展，模式识别技术在图像处理中的应用日益广泛。本文偿试采用模式识别的方法实现对大蒜蒜尖的判断。实验结果表明，提出的方法取得了较高的识别率。 　　关键词：模式识别；图像处理；特征提取；链码 　　中图分类号：TP391文献标识码：A文章编号：1009-3044(2008)20-30328-03 　　 　　Research of Garlic Graphics Recognition Algorithm 　　LI Hong,DENG Shi-jian, XU Jing, LI Na 　　(China University of Mining and Technology, Xuzhou 221000, China) 　　Abstract: When planting garlic to put the head upwards can evidently enhances it’s yield and quality,but the planting level is so low now in our country. With the development of computer and artificial intelligence,pattern recognition is widely used in the image processing increasingly. The subject attempt to use pattern recognition way to judge the Garllic head.The test shows that the method achieved a higher recognition rate. 　　Key words: Pattern recognition; image processing; feature extract; Chain code 　　 　　1 引言 　　 　　我国是一个农业大国，大蒜是我国江苏、山东等省农民的主要增收经济作物之一。我国大蒜的出口量都超过了100万吨。出口量占了全球大蒜贸易总量的70%以上。但是，大蒜种植机械化长期以来发展置后，种植机械的研究与开发未得到充分重视，种植大蒜劳动强度大，占用农忙时的大量劳力，且效率较低。近年来我国开始使用了一些小批量生产的大蒜播种机，2005年9月24日，山东引进了韩国大蒜播种机并进行了试种演播，该大蒜机对播种效率的提高有很大的帮助，每天可以替代几十余名农民的劳动量。无论从株行距到播种量，从播种机的播种效率均有一定程度的提高，但播种时蒜瓣是随机落地的。大蒜的播种如能保证每穴单粒，瓣尖向上。可以显著提高大蒜的发芽率，产量和质量。设计一种新型可保证大蒜瓣尖向上的栽植机是一项新的课题。本文主要分析识别瓣尖、瓣根的方法。 　　经过技术分析和调研，大蒜栽植系统中的图像采集采用线阵CCD作为图像传感器。大蒜的图像识别要经过图像二值化处理、边缘检测、特征获取才能进行瓣尖、瓣根的判定。在设计的系统中使用了蒜瓣导向轨，所以本系统中可以认为进行识别的大蒜图像是上下方向的。只要判断当前蒜瓣是尖向上还是根向上，若根向上直接发出换向逻辑，将蒜瓣转向栽植即可。 　　 　　2 图像的边缘检测 　　 　　边缘信息是图像分析和识别的过程中一个十分重要的图像特征信息，图像可以是灰度的，也可以是二值的。如何准确地提取图像中物体边缘一直是这些领域的一个研究热点。边缘检测就是测图像特性发生变化的位置。对于灰度图像来说，边缘是由像素灰度的不连续性所致，常用的边缘检测方法大都基于象素导数的极值或过零点。由于噪声和模糊的存在，检测到的边界可能会变宽或在某些点处发生间断，因此，边界检测包括两个基本内容：首先抽取出反映灰度变化的边缘点，然后剔除某些边界点或填补边界间断点，并将这些边缘连接成完整的线。 　　对二值图像信息而言，图像中所有的像素点的取值非0即1，值为1的点称为前景点或黑点，为0的点称为背景点或白点。对其边缘的检测方法可大大简化，需提取的边缘点即是发生0、1变化的像素点的集合。运用图像的边缘检测和轮廓提取及跟踪,得到大蒜的轮廓图像。 　　 　　3 图像二值化的阈值分割算法 　　 　　使用线阵CCD获取大蒜原始图像后，在大蒜的图像识别中主要关心的是大蒜的轮廓形状特征，识别过程中只需要大蒜的二值图像信息。要获得大蒜的灰度图像的二值化信息，可采取阈值分割算法。阈值分割就是先确定一个处于图像灰度取值范围内的灰度阈值，然后将图像中各个像素的灰度值与这个阈值相比较，