基于分形维数垩白米检测系统.docVIP

基于分形维数垩白米检测系统 　　[摘要] 垩白是衡量稻米品质得重要性状之一，直接影响稻米的外观品质和商品流通。目前，关于稻米垩白参数一般还采取人工目测的检测方法，主观随意性大，不仅缺乏客观性和可重复性，而且操作也耗时费力。近几年，利用计算机视觉来进行稻米垩白参数测量大大提高了参数的准确率，提高了效率。在关于计算机视觉的稻米垩白检测的已有文献表明，垩白参数的计算一般是根据稻米垩白区域的灰度值与籽粒区域存在差异，设定它们的灰度阈值来分离垩白区域，从而可以计算出垩白大小，并判断它是否是垩白米。然而基于垩白大小的检测方法，识别准确率较低。因为它只能得到垩白区域的累积信息，而不能得到分布信息。因此，本文提出一种基于分形维数的垩白米检测方法，把垩白区域在稻米籽粒表面的分布在统计意义上看成一个分形结构，用分形维数大小来描述它的复杂度，结果表明可以提高垩白米检测的准确率。 　　[关键词] 图像处理 稻米垩白 分形维数 　　 　　一、系统背景 　　 　　1.研究背景 　　计算机视觉又称为机器视觉,是指用计算机实现人类的视觉功能,对客观世界的三维场景的感知、识别和理解,研究用计算机模拟生物外显或宏观视觉功能的科学和技术。计算机视觉技术是一个相当新且发展十分迅速的研究领域。近年来,它的研究与应用已扩展到了工业、农业、军事等诸多领域,并取得了一定成果。在稻米生产、加工、储藏和流通等各环节中,需要对稻米的品质进行各项检测,目前相当多的指标仍需人工检测,从而带来了较多的问题。随着计算机视觉技术的发展和在稻米检测中的广泛应用,使得稻米检测变得更加快速、客观和准确。 　　计算机视觉技术除应用稻米的上述品质指标检测外,还可应用于稻米爆腰率的检测,并且广泛应用于配制米配方优化、稻米加工过程自动控制等。尽管各国在此领域已进行了不少研究,但计算机视觉技术在稻米检测中的应用研究尚属起步阶段,仍有许多技术难题还未解决,需进一步深入研究。 　　2.研究目的与意义 　　大米品质检测项目有水分、直链淀粉、垩白(包括垩白度和垩白粒率)等，其中大米垩白检测方法还采用人工目测，不仅缺乏客观性和可重复性，而且操作耗时费力，检测精度低。把机器视觉技术引进大米外观品质参数的检测中是实现大米快速检测的关键，近几年，利用计算机视觉来进行稻米垩白参数测量大大提高了参数的准确率，提高了效率。在关于计算机视觉的稻米垩白检测的已有文献表明，垩白参数的计算一般是根据稻米垩白区域的灰度值与籽粒区域存在差异，设定它们的灰度阈值来分离垩白区域，从而可以计算出垩白大小，并判断它是否是垩白米。然而基于垩白大小的检测方法，识别准确率较低。因为它只能得到垩白区域的累积信息，而不能得到分布信息。 　　3.研究的主要内容 　　利用计算机语言建立稻米垩白检测系统,系统的主要功能和模块包括: 　　(1)图像预处理模块 　　①图像灰度化，得到原始图的灰度图像。 　　②对灰度图像进行阈值分割，将图像分成物体和背景两部分。 　　③对二值图像去噪，消除其中的小斑点。 　　④对识别到的每颗米进行边界跟踪，并将边界点的坐标保存在一个链表中。 　　(2)垩白计算模块： 　　①计算垩白区域的分形维数。 　　②计算垩白区域的大小。 　　4.系统技术 　　VC++代表了基于Windows的C++语言产品，它完美地集成了传统的编程工具，如编译器、编辑器、调试器和原代码剖析器。同时，它也集成了Windows中特殊的工具箱,如MFC(Microsoft Foundation Classes）和Windows资源编辑器(App Studio）。另外还加入了几种新工具，如轮廓应用程序生成器(App Wizard）、C++类管理器（Class Wizard）和类浏览器（Class Browser），以及各种各样为开发Microsoft Windows下的C/C++程序而设计的工具。这些工具给我们的编程带来了极大的方便。MFC类库为我们提供了丰富的类资源，功能非常全，为我们进行图形处理提供了丰富的资源。 　　 　　二、分形理论及其在图象处理中的应用 　　 　　分形理论是当今世界十分风靡和活跃的新理论、新学科。分形的概念是美籍数学家曼德布罗特(B.B.Mandelbort)首先提出的。1967年他在美国权威的《科学》杂志上发表了题为《英国的海岸线有多长》的著名论文。海岸线作为曲线，其特征是极不规则、极不光滑的，呈现及其蜿蜒复杂的变化。我们不能从形状和结构上区分这部分海岸与那部分海岸有什么本质的不同，这种几乎同样程度的不规则性和复杂性，说明海岸线在形貌上是自相似的，也就是局部形态和整体形态的相似。在没有建筑物或其他东西作为参照物时，在空中拍摄的100公里长的海岸线与放大了的10公里长海岸线的两张照片，看上去