溫室生西紅柿自動識別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體地，涉及一種利用圖像處理實現(xiàn)溫室環(huán)境下 生長西紅柿自動識別方法。
【背景技術(shù)】
[0002] 近年來隨著自動化技術(shù)的發(fā)展，農(nóng)業(yè)機器人開始成為農(nóng)業(yè)現(xiàn)代化的重要標志。果 蔬采摘機器人以其技術(shù)的復雜性和綜合性成為了農(nóng)業(yè)機器人研究的熱點，國內(nèi)外研究者在 這個領(lǐng)域開展了一系列研究工作，其中一個難點是自然生長環(huán)境下目標果實的自動識別問 題。
[0003] 果蔬采摘機器人在自然環(huán)境下對目標果實的自動識別其實就是采用機器視覺的 方法，將成熟的果實影像從其它背景圖像中分離出來。在以往的研究中，通常將相機采集到 的彩色圖像通過顏色空間變換，從單一的分量圖像對目標果實進行特征識別。David C. Slaughter等提出了通過利用彩色圖像的色度(chrominance)和亮度（intensity)信息從 自然環(huán)境中分離果實的想法；中國農(nóng)業(yè)大學的張鐵中分別在L*a*b*、HSV和YCbCr等顏色空 間下開展了系列針對西紅柿圖像目標果實提取的研究工作，并取得了較為理想的圖像分割 效果。
[0004] 在本發(fā)明之前，專利號為CN103679144. A，發(fā)明名稱為:一種基于計算機視覺的復 雜環(huán)境下果蔬識別方法，公開了通過采用自適應(yīng)加權(quán)方法對圖像的顏色特征和紋理特征進 行加權(quán)融合，最后采用最近鄰分類算法將果蔬識別出來。但是這些方法的自適應(yīng)性和魯棒 性都不高，而且所采用的紋理特征提取復雜不利于對實時要求高的應(yīng)用場合。

【發(fā)明內(nèi)容】

[0005] 針對現(xiàn)有技術(shù)中的缺陷，本發(fā)明的目的是提供一種溫室生西紅柿自動識別方法。
[0006] 根據(jù)本發(fā)明提供的溫室生西紅柿自動識別方法，包括如下步驟：
[0007] 步驟1:采集溫室中RGB格式的西紅柿彩色圖像；
[0008]步驟2:對RGB格式的西紅柿彩色圖像進行多顏色空間的特征圖像提?。?br>[0009] 步驟3:將步驟2提取的特征圖像分量進行融合，得到融合后的圖像；
[0010] 步驟4:計算分割閾值，根據(jù)所述分割閾值對融合后的圖像進行分割，得到分割后 的圖像；
[0011] 步驟5:對分割后的圖像進行去噪處理，得到識別結(jié)果圖像。
[0012] 優(yōu)選地，所述步驟2包括：
[0013] 步驟2.1:將RGB格式的西紅柿彩色圖像從RGB顏色空間轉(zhuǎn)換為XYZ顏色空間；
[0014] 步驟2.2:將XYZ顏色空間轉(zhuǎn)換為L*a*b*顏色空間；
[0015] 步驟2.3:從L*a*b*顏色空間中提取a*分量特征圖像；
[0016]步驟2.4: RGB格式的西紅柿彩色圖像從RGB顏色空間轉(zhuǎn)換為YIQ顏色空間，轉(zhuǎn)換公 式如下：
[0018] 式中：R表不圖像的紅色分量、G表不圖像的綠色分量、B表不圖像的藍色分量;Y表 示圖像的顏色明視度，I表示從橙色到青色的變化，Q表示從紫色到黃綠色的變化；
[0019]步驟2.5:從ΥΙQ顏色空間中提取I分量特征圖像。
[0020]優(yōu)選地，所述步驟3包括：
[0021]步驟3.1:將a*分量特征圖像和I分量特征圖像進行小波分解，分解級數(shù)為三級，得 到兩個特征圖像的小波系數(shù)，分別記為系數(shù)C1、系數(shù)C2;
[0022] 步驟3.2:確定融合策略，求取小波融合系數(shù)；
[0023] 步驟3.3:按照融合策略進行圖像融合，得到多尺度圖像；
[0024] 步驟3.4:將多尺度圖像進行小波反變換，得到融合后的圖像。
[0025] 優(yōu)選地，所述步驟3.2包括:在小波融合策略中，融合系數(shù)為C，C= (1-d) X Cl+d X C2，其中Cl、C2為a*分量特征圖像和I分量特征圖像三級小波分解所得系數(shù)，d = Xmax-Xmin，d 的取值范圍為[0 1 ]，Xmax和Xmin分別為最大數(shù)據(jù)矩陣Lmax中的最大和最小值;Lmax表示a*分 量圖像和I分量圖像中較大的矩陣。
[0026] 優(yōu)選地，所述步驟4包括：
[0027] 步驟4.1:設(shè)融合后的圖像大小為MXN，T表示圖像上任意像素點（i，j)的灰度值， 計算該圖像中最大和最小的灰度值T max和Tmin，則某一次分割閾值的計算公式如下：
[0028] Tk=(Tmax+Tmin)/2,此時 k為自然數(shù)；
[0029] 式中：Tk表示第k次計算得到的分割閾值，Μ表示融合后圖像的像素矩陣的行數(shù)，N 表示融合后圖像的像素矩陣的列數(shù)；
[0030] 步驟4.2:根據(jù)閾值Tk將融合后的圖像分割成Α、Β兩個區(qū)域，分別求取兩個區(qū)域的 平均灰度值Τα和Τ Β，計算更新的閾值Tk+1，計算公式如下：
[0031] Tk+i = (TA+TB)/2；
[0032] 步驟4.3:判斷Tk+1的值是否等于Tk，若兩個值相等，取Tk+1的值作為門限閾值T m;若 兩個值不相等，則令Tk等于Tk+1的值執(zhí)行步驟4.2;
[0033]步驟4.4:利用Otsu法自動獲取圖像分割閾值Τη;
[0034] 步驟4.5:當Tm 2 Τη時，令圖像分割的閾值Tf = Τη;當Tm<Tn時，則令分割閾值Tf = Tm；
[0035] 步驟4.6:對融合后的圖像進行分割處理，處理方式如公式(2)所示：
[0037]式中：f(i，j)表示第i行第j列的像素值，i表示圖像的第i行，j表示圖像的第j列。 [0038]優(yōu)選地，所述步驟5包括:采用形態(tài)學處理的方法構(gòu)建30X30像素面積的掩膜，通 過將分割后的圖像中聯(lián)通區(qū)域的像素面積與掩膜面積進行比較，若聯(lián)通區(qū)域面積小于等于 掩膜面積則被認為是噪聲，并該聯(lián)通區(qū)域剔除;若聯(lián)通區(qū)域面積大于掩膜面積，則將該聯(lián)通 區(qū)域保留在圖像中。
[0039] 與現(xiàn)有技術(shù)相比，本發(fā)明具有如下的有益效果：
[0040] 1、本發(fā)明提供的溫室生西紅柿自動識別方法可以有效降低光照變化對西紅柿識 別的干擾影響；同時也能夠?qū)崿F(xiàn)對相互粘連的成熟不一的西紅柿進行識別。
[0041] 2、本發(fā)明提供的溫室生西紅柿自動識別方法具有較高的可靠性和自適應(yīng)性，是一 種非常實用并且"廉價"的西紅柿采摘機器人視覺解決方案。
【附圖說明】
[0042]通過閱讀參照以下附圖對非限制性實施例所作的詳細描述，本發(fā)明的其它特征、 目的和優(yōu)點將會變得更明顯：
[0043]圖1為本發(fā)明提供的溫室生西紅柿自動識別方法流程圖；
[0044]圖2為本發(fā)明提供的特征圖像融合流程圖；
[0045] 圖3為本發(fā)明提供的識別方法的效果圖；
[0046] l_a*分量圖像；
[0047] 2-1分量圖像；
[0048] 3-融合圖像；
[0049] 4-分割后圖像；
[0050] 5-西紅柿識別結(jié)果圖像。
【具體實施方式】
[0051]下面結(jié)合具體實施例對本發(fā)明進行詳細說明。以下實施例將有助于本領(lǐng)域的技術(shù) 人員進一步理解本發(fā)明，但不以任何形式限制本發(fā)明。應(yīng)當指出的是，對本領(lǐng)域的普通技術(shù) 人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進。這些都屬于本發(fā)明 的保護范圍。
[0052]根據(jù)本發(fā)明提供的溫室生西紅柿自動識別方法，以西紅柿彩色圖像作為單源圖像 輸入，通過多種顏色空間轉(zhuǎn)換，優(yōu)選了 a*分量圖像和I分量圖像作為待融合的源圖像，研究 多顏色空間特征圖像的融合策略和自適應(yīng)閾值分割算法，實現(xiàn)對目標果實的自動分割方 法。
[0053] L*a*b*顏色空間是由色度和亮度組成的3維空間顏色模型，它適用于一切光源色 或物體色的表示與計算。其中L*分量表示心理明度，a*分量表示圖像中顏色從紅色到綠色 的顏色分布信息，b*分量表示圖像中顏色從黃色到藍色的分布情況。因為a*和b*分量獨立 于亮度，所以光照強度的變化不會改變圖像中a*、b*分量圖像。
[0054] YIQ顏色空間是由RGB顏色空間中R、G、B三種分量經(jīng)過線線性變換得到的，具體轉(zhuǎn) 化公式如下：
[0056] 式中R、G、B--RGB顏色空間中R、G、B分量
[0057] Y、I、Q--YIQ顏色空間中的三個分量，其中Y表示顏色明視度、I代表從橙色到青 色的變化、Q表示從紫色到黃綠色的變化。
[0058] 圖像融合是指將針對同一目標或場景且來源不同的多張圖像經(jīng)過特殊的算法融 合為一幅圖像，以增強其某一特征信息。當前常用的圖像融合的方法主要是基于多尺度圖 像分析的方法，其中小波變換是比較經(jīng)典的圖像融合方法。本發(fā)明即采用小波變換的融合 方法，將所提取的a*分量圖像和I分量圖像進行像素級融合，使得目標果實特征信息得到增 強。
[0059] 由于待融合的源圖像是由同一張彩色圖像經(jīng)過顏色空間轉(zhuǎn)換而來，所以相較多源 傳感圖像的融合，可以省略圖像配準的步驟。在小波變換融合圖像過程中，融合的策略為加 權(quán)平均的方式，加權(quán)系數(shù)則采用最大值選取的方法來決定。
[0060] 如圖1所示，包括以下步驟：
[0061 ] 步