[12] 基于模式识别的大蒜瓣尖识别研究.pdf

《[12] 基于模式识别的大蒜瓣尖识别研究.pdf》由会员分享，可在线阅读，更多相关《[12] 基于模式识别的大蒜瓣尖识别研究.pdf（5页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、2 0 1 0 年5 月农机化研究第5 期基于模式识别的大蒜瓣尖识别研究潘雷，邓世建，刘荣华(中国矿业大学信息与电气工程学院，江苏徐州2 2 1 0 0 8)摘要：针对现有大蒜播种机采用纯机械方式无法解决大蒜直立播种的问题，提出了用模式识别技术解决的方法。首先对图像进行二值化、边缘跟踪，然后根据大蒜的形态特征，提出以曲率为特征量，根据S U S A N 角点检测算法的原理识别出瓣尖的位置。试验结果表明：此算法完全可以检测出瓣尖的位置，为解决大蒜直立播种问题奠定了基础。关键词：模式识别；S U S A N 算法；大蒜中图分类号：T P 3 9 1 4 1文献标识码：A文章编号：1 0 0 3 1

2、 8 8 X(2 0 1 0)0 5-0 0 5 1 0 40 引言1图像获取与分析系统大蒜是一种极具食用和药用价值的农作物，具有促进消化、健胃整肠、强化抗菌、消肿止痛和改善身体的机能HJ，其营养、医疗和保健功能已得到国内外消费者的广泛认可。我国是大蒜的最大生产国，栽种面积和产量逐年上升；但是由于大蒜的形状不规则且要求直立种植，导致长期以来只能依靠人工进行栽种。人工插蒜的方式是一瓣一瓣地把蒜种插播到土壤中且瓣尖朝上，这种方式劳动强度大，占用劳力多，且效率低，严重影响到大蒜产业的持续发展。为了解决大蒜播种的技术难题，国内已有研究院所进行大蒜播种机械的研究。例如，中国农业机械化科学研究院及有关单位

3、联合研制开发的2 Z D S 一5 型自走式大蒜栽植机。另外，通过检索相关专利发现，国内已有1 2 项大蒜播种机的专利。在对现有大蒜播种机的性能进行分析后发现，现有的大蒜播种机均为纯机械结构，虽然能够实现大蒜的单粒精密自动播种，但是由于大蒜形状的特殊性和不规则性，这些机械装置都不能很好地解决大蒜直立种植问题，不能完全满足大蒜种植的要求。本文针对现有大蒜播种机无法解决大蒜直立种植的问题，提出用模式识别技术识别出大蒜瓣尖的位置。因为只有准确地识别出大蒜瓣尖在入土前的位置，机械装置才能以此为依据调整大蒜人土的姿势，从而解决大蒜播种机不能解决直立种植的问题。收稿日期：2 0 0 9 0 7 2 6作者

4、简介：潘雷(1 9 8 4 一)，男，河南信阳人，硕士研究生。(E m a i l)p a n l e i 4 3 2 1 6 3 c o r n。通讯作者：邓世建(1 9 6 4 一)，男，江苏徐州人，副教授，硕士生导师。5 1 获取大蒜图像是识别出大蒜瓣尖的基础，图像采用C C D(c h a r g ec o u p l e dd e v i c e)彩色数码相机获取。为了模拟实际工程中用面C C D 器件获得图像的真实环境，制作一个底板为1 5 c m 1 5 c m 正方形、底板上有固定摄像机支架的实验平台。拍摄过程中，使用手动调节、延迟拍摄模式，以得到稳定的拍摄环境。照相机在6 4

5、 0 4 8 0 的分辨率下摄取图像，每个像素点为0 0 7 8 m m 0 8 3 3 m m 矩形区域，面积为0 0 0 65 m m 2。图像处理和分析在台式计算机上完成(C P U1 6 G)。操作系统为W i n d o w sX P，工程计算软件M A T L A B6 5的图像处理工具箱作为图像处理和分析主要平台。2 图像预处理2 1 二值图像的平滑在实际的图像采集过程中，传感器不可避免的会遇到各种意想不到的干扰，这些干扰必然会对采集的大蒜图像与实际的图像造成一定的误差。为了得到准确的图像，必须消除这些干扰。噪音的灰度与其周围的灰度值有急剧的灰度差，也正是这些急剧的灰度差才造成观

6、察障碍。一般把利用这种噪音的性质消除图像中噪音的方法称为图像平滑(i m a g es m o o t h i n g)或简称平滑。目标图像的边缘部分也具有急剧的灰度差，所以如何把边缘部分与噪音部分区分开且只消除噪音，是图像平滑的技巧所在，本文采用中值滤波法滤除干扰。中值滤波的原理是把序列中一点的值，用该点邻域中各点值的中值来替代。对序列而言中值的定义是这样的：若X 1 石：石。为一组序列，把其按大小排列万方数据2 0 1 0 年5 月农机化研究第5 期为戈。并涩z d 戈i。，该序列的中值Y 为，=瞄托，嚣中值滤波法在图像平滑中的具体应用过程：采用含有一定数目像素的滑动窗口，用窗口中各点灰度

7、值的中值来代替指定点的灰度值。对于奇数个元素，中值是指按大小排序后中间的数值；对于偶数个元素，中值是指排序后中间两个元素灰度值的平均值。中值的计算在于对滑动窗口内像素的排序操作。要进行排序，就必须对序列中的数据像素做比较和交换，数据元素之间的比较次数是影响排序速度的一个重要因素。若窗口内像素为m 个，则每个窗口排序需要做m(m 一2)2 次像素的比较操作。此外，滤波算法使窗口每移动1 次，就要进行1 次排序，这种做法实际上包含了大量重复比较的过程，当窗口较大时计算量很大且费时。因此，本文采用3 3 的窗口对窗口进行平滑。为了模拟受到干扰的图像，在原图像中加入噪音密度为0 0 1 的椒盐噪声污染

8、，如图1 所示。运用中值滤波算法对图1 滤波后的图像如图2 所示。幽l 舢八 执后的人蒜剖像I 玺l2 滤波后的例像F i g 1G a r l i ci m a g eo fb ea d d e dF i g 2F i l t e r e dg a r l i ci m a g ei n t e r f e r e n c e2 2 二值化数码相机拍摄的图像为彩色图像，为了进一步提高图像处理速度和效率需将其转换成二值图像。首先将彩色图像转换成灰度图像，然后用阈值化处理，即选择一个阈值r，将图像转换为二值图像。图像的二值化处理的变换函数表达式，即，、r 0g=(，J)JI l八i，j、)T以i

9、)T为了最大限度地分离背景、突出点阵，采用直方图求阈值。在直方图中，图像中的目标和背景分别形成两个波峰。此时，用其双峰之间的低谷处灰度值作为阈值r 可对图像进行二值化处理。二值图像如图3所示。5 2 图3 大蒜二值图像F i g 3B i n a r yi m a g eo fg a r l i c2 3 边界跟踪在模式识别领域，图像的形状特性是特征提取的重要指标，而物体的边界包含了形状特征的大部分信息，因此通过对大蒜图像边界的跟踪可以为确定大蒜瓣尖的位置做准备。传统的边界跟踪法一般有“虫随”法、光栅扫描法、丁算法等。但是这些方法需要考虑的候选点较多，运算量较大，而且可能因碰到一些特殊位置的点

10、能出现反复跟踪这个点使程序陷入死循环的情况。文献 2 成功设计一种二值图像边界跟踪算法，其算法步骤如下：1)确定起始点。根据光栅扫描，发现第一个像素值为l 的点为起始点，存储其坐标值并记为P 0。2)从尸0 点的0 邻域点开始，逆时针方向研究其8 邻域点值，找到第一个象素值为1 的点，存储其坐标值并记为尸1，称P 0 为P 1 的第一目标邻域点。3)以后每步都从刚找到点的第一目标邻域点的下一邻域点开始搜索，寻找下一目标邻域点。4)循环步骤3)，直到P n 的第一目标邻域点为P 0 且P 凡+1 的第一目标邻域点为尸1 时，跟踪结束。本文采用文献 2 的边界跟踪算法获得的边界图像如图4 所示。图

11、4 大蒜边界图像F i g 4G a r l i cb o r d e ri m a g e万方数据2 0 1 0 年5 月农机化研究第5 期3 大蒜瓣尖特征值得提取3 1 瓣尖特征参数正确选择大蒜瓣尖特征参数是识别瓣尖的关键。参数选择时应考虑所选参数值的大小不会随标本摆放的位置以及所取图像大小变化而变化。通过观察发现，每一瓣大蒜都不完全一样，但是每一瓣大蒜的形状都有一定的相似性，即大蒜的头部和瓣尖是整个大蒜弯曲较大的部分，其中瓣尖是最尖的地方。通常用曲率来描述物体的弯曲程度，因此曲率可以作为瓣尖的特征参数。如果在已取得的大蒜边界图像中找到曲率最大的点，那么瓣尖的位置就得到了。3 2 瓣尖的识

12、别方法由于图像是由一个一个点组成，图像上由一系列点组成的曲线实际上是离散曲线。但是由于受曲线离散化中噪声的影响，离散曲率估计则成为曲线分析中一个难点。考虑到本文实际情况，并不需要求出边界上每一点的实际曲率，而是要找到这些点中曲率最大的点，因此完全可以找一个容易求得的量来代替相应的曲率。S U S A N 角点检测算法的思想是设计一近似圆形的模板，将圆形模板在图像上移动，模板内部每个图像像素点的灰度值都与模板中心像素的灰度值进行比较，假如模板内某点像素的灰度与模板中心像素灰度的差值小于某个阈值，则可认为该点与核具有相同的灰度，因而满足该条件形成的区域称做核值相似区(U S A N)33。当圆形模

13、板完全处在图像或背景中时，U S A N 区域面积最大(如图5 中的A 和B)；当模板移向图像边缘时，U S A N 区域逐渐变小(如图5 中C)；当模板中心处于边缘时，U S A N 区域很小(如图5 中的D)；当模板中心处于角点时，U S A N 区域最小(如图5 中的E)。从图5 中可以看出，在边缘处像素的U S A N 值都小于或等于其最大值的5 0，因此计算图像中每一个像素的U S A N 值，通过设定一个U S A N 阈值，查找小于阈值的像素点，即可确定为角点，这就是S U S A N 角点检测算法思想一，。由S U S A N 角点检测算法原理可以发现：在角点处U S A N

14、值相对较小，角点处越尖：即曲率越大，U S A N值越小。因此可以设计一圆形模板，边界的像素点作为模板的圆心，让模板在大蒜边界上运动一周，由于图像已经二值化，因此U S A N 值为模板与图像相交点的个数。由以上分析可知，曲率越大的像素点处，所对应的U S A N 值越小。大蒜瓣尖是整个大蒜图像中5 3 曲率最大处，只要找到边界像素点U S A N 值中最小值所对应的像素点，就找到瓣尖的位置。图5S U S A N 角点检测原理F i g 5S U S A NC O l T l e l d e t e c t i o np r i n c i p l e4 实验结果与分析为验证瓣尖识别算法的正

15、确与否，选择3 幅大蒜图像，一幅是比较规则的大蒜图像如图6 所示。一幅是不规则的大蒜图像，如图7 所示。构造一个半径为4 1 个像素的圆形模板，3 幅大蒜图像的瓣尖识别结果如图8 和图9 所示。在图8 和图9 中，X Y 平面中的曲线是大蒜图像的边界，z 轴方向的曲线是由大蒜边界中的每一个像素点的U S A N 值组成。由图8 和图9 可以看出，每幅图中U S A N 最小值均在瓣尖位置。由此可以得出结论，通过确定边界像素中最小U S A N 值所对应的点的位置就是瓣尖的位置的算法是正确的。图6 规则大蒜图像图图7 规则大蒜瓣尖识别结果F i g 6O r d i n a r yg a r l

16、 i ci m a g eF i g 7R a x 铆t i o nr e s u l t sd 岫乎I 恤8 0 06 0 04 0 0吣2 0 0O图8 不规则大蒜图像F i g 8N oo r d i n a r yg a r l i ci m a g e万方数据2 0 l O 年5 月农机化研究第5 期图9 不规则大蒜瓣尖识别结果F i g 9R e c o g n i t i o nr e s u l t s 0 fN Oo r d i n a r y 鲫-l i c为了进一步验证算法的正确性，随机选择1 0 0 粒大蒜，识别结果如表l 所示。表1 大蒜瓣尖总体尖识别结果T a b

17、1T h ea l lr e c o g n i t i o nr e s u l t so fr o o t so fg a r l i c5结论1)本文采用模式识别技术，根据大蒜的形状特征，选用曲率作为模式特征量，试验结果表明，把模式识别技术运用到瓣尖识别和选用曲率作为模式特征量是完全可行的。2)把S U S A N 角点检测算法运用到瓣尖识别中，能识别出瓣尖的位置，但当蒜皮有和瓣尖类似的尖锐突起时，该算法就不能准确识别瓣尖的位置。3)在实际应用中如果设计出合适的机械装置和大蒜瓣尖识别装置，机械装置可以根据识别装置的识别结果使瓣尖入土前朝上。参考文献：1 许磊大蒜的营养价值与食疗保健 J

18、上海蔬菜，2 0 0 5(5)：9 4-9 5【2 崔凤魁，张丰收，白露，等二值图像目标邻域点法边界跟踪算法 J 洛阳工学院学报，2 0 0 l，2 2(1)：2 8 3 1 3 马桂珍，房宗良，姚宗中S U S A N 边缘检测算法性能分析与比较 J 现代电子技术，2 0 0 7(8)：1 8 9 1 9 1 4 S m i t hS M，B r a d yJ M S U S A Nan e w a p p r o a c ht ol o wl e v e li m a g ep r o c e s s i n g J I n t e r n a t i o n a lJ o u r n a

19、 lo fC o m p u t e rV i-s i o n，1 9 9 7，2 3(1)：4 5 7 8 5 刘卫国，陈昭平，张颖M A T L A B 程序设计与应用 M 北京：高等教育出版社，2 0 0 3 R e s e a r c ho nt h eI d e n t i f i c a t i o no ft h eR o o t so fG a r l i cB a s eo nP a t t e r nR e c o g n i t i o nP a nL e i，D e n gS h i j i a n，L i uR o n g h u a(C o l l e g eo f

20、I n f o r m a t i o na n dE l e c t r i c a lE n g i n e e r i n g，C h i n aU n i v e r s i t yo fM i n i n ga n dT e c h n o l o g y，X u z h o u2 210 0 8，C h i n a)A b s t r a c t：T oo v e r c o m et h ep r o b l e mt h a tg a r l i cp l a n t e rc a n tv e r t i c a lp l a n t i n g，an e wm e t h

21、o dt h a tu s i n gp a t t e r nr e c o g n i t i o nt e c h n o l o g yi sp r o p o s e d F i r s to fa l l，b i n a r yi m a g e，e d g et r a c k i n ga n dt h e nc u r v a t u r eb er e g a r e da sc h a r a c t e rf o rt h er e a s o no fm o r p h o l o g i c a lc h a r a c t e r i s t i c so fg

22、a r l i c，u s i n gt h ep r i n c i p l eo fS U S A Nc o m e rd e t e c t i o na l g o r i t h mt oi d e n t i f yt h el o c a t i o no ft h er o o t so fg a r l i c E x p e r i m e n t a lr e s u l t ss h o wt h a tt h i sa l g o r i t h mc a nd e t e c tt h el o c a t i o no ft h er o o t so fg a

23、r l i ca n dl a yt h ef o u n d a t i o nf o rs o v l i n gt h ep r o b l e mo fg a r l i cp l a n t e rc a nn o tv e r t i c a lp l a n t i n g K e yw o r d s：p a t t e r nr e c o g n i t i o n；S U S A Na l g o r i t h m；g a r l i c万方数据基于模式识别的大蒜瓣尖识别研究基于模式识别的大蒜瓣尖识别研究作者：潘雷，邓世建，刘荣华作者单位：中国矿业大学,信息与电气工程学

24、院,江苏,徐州,221008刊名：农机化研究英文刊名：JOURNAL OF AGRICULTURAL MECHANIZATION RESEARCH年，卷(期)：2010,32(5)参考文献(5条)参考文献(5条)1.刘卫国;陈昭平;张颖 MATLAB程序设计与应用 20032.Smith SM;Brady JM SUSAN a new approach to low level image processing外文期刊 1997(01)3.马桂珍;房宗良;姚宗中 SUSAN边缘检测算法性能分析与比较期刊论文-现代电子技术 2007(08)4.崔凤魁;张丰收;白露 二值图像目标邻域点法边界跟踪算

25、法期刊论文-洛阳工学院学报 2001(01)5.许磊 大蒜的营养价值与食疗保健期刊论文-上海蔬菜 2005(05)本文读者也读过(10条)本文读者也读过(10条)1.海力力.沙比提.刘占京 2DBQ-2型便携式人工大蒜播种器期刊论文-新疆农机化2004(1)2.钱大鹏.刘旭 便携式大蒜播种器研制成功期刊论文-农机科技推广2008(7)3.李红.邓世建.王文捷 大蒜自动播种系统的设计分析期刊论文-福建电脑2007(5)4.高迟.薛少平.李绅淑.阎勤劳.Gao Chi.Xue Saoping.Li Shenshu.Yan Qinlao 大蒜鳞芽方向识别的实验研究期刊论文-农机化研究2010,32(

26、10)5.荐世春.刘云东 大蒜播种机蒜瓣自动定向控制装置的试验研究期刊论文-农业装备与车辆工程2009(10)6.杨清明.李娟玲.何瑞银.YANG Qing-ming.LI Juan-ling.HE Rui-yin 基于图像处理的大蒜蒜瓣朝向识别期刊论文-浙江农业学报2010,22(1)7.周良墉 2ZDS-5型自走式大蒜栽植机期刊论文-农家顾问2004(9)8.翟力欣.何瑞银.於海明 我国大蒜机械化播种的现状及前景分析期刊论文-陕西农业科学2007(2)9.周良墉 2ZDS-5型自走式大蒜栽植机期刊论文-南方农机2004(3)10.2ZDS-5型自走式大蒜栽植机/4DS-75A型大蒜收获机期刊论文-新疆农机化2003(3)本文链接：http:/