学位论文 > 优秀研究生学位论文题录展示

基于计算机视觉的柑橘品质分级技术研究

作　者: 钱春花
导　师: 龚声蓉
学　校: 苏州大学
专　业: 软件工程
关键词: 柑橘分级傅里叶描述子 BP神经网络 Gabor小波 SVM
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 59次
引　用: 0次
阅　读: 论文下载

内容摘要

柑橘等水果的品质分级是其采摘后到上市销售前的一个重要环节。我国的水果分级大多采用人工方式,不能保证柑橘的分级处理的效果。因此,研究应用计算机视觉技术实现对柑橘进行品质的自动检测和分级具有重要意义。本文以苏州东山柑橘为研究对象,在对柑橘图像预处理的基础上,重点研究了应用计算机视觉技术实现柑橘品质分级的技术流程和具体实现方法,包括柑橘对象和特征值提取方法、分级算法等。本文的主要研究成果体现在:(1)针对柑橘图像的特点,在分析边缘检测的几种微分算子的基础上,设计了基于Canny算子的柑橘图像分割方法。在此基础上,结合人的视觉特点,设计了基于HIS模型的颜色特征描述方法以及基于傅立叶描述子的柑橘形状特征描述方法。实验表明,采用Canny算子具有信噪比大、检测精度高和计算量小等优点;HIS模型更符合人眼视觉,基于傅立叶描述子的柑橘形状特征值便于形状的分类识别。(2)针对分析传统BP神经网络算法迭代次数多,计算复杂等问题,设计了优化的BP神经网络算法参数,将颜色和形状特征值作为输入,将柑橘分为优等、一等、二等及等外四个等级。实验结果表明分级正确率达到95%。(3)设计了一种基于Gabor小波纹理特征提取和PCA融合的SVM 柑橘分级方法。该方法首先用Gabor小波变换生成基函数,并提取出方向和尺度因子对纹理特征进行描述;然后采用PCA方法对特征降维,形成优化的纹理特征值;在此基础上,通过SVM算法对柑橘进行了分类。实验证明:将空域下基于BP神经网络算法的柑橘颜色、形状特征分级结果与小波域下基于SVM算法的柑橘纹理特征分级结果综合进行简单权值分级,分级正确率更高,达到97.5%。

全文目录

中文摘要  4-5
Abstract  5-10
第一章绪论  10-15
  1.1 论文选题背景、意义  10-11
  1.2 基于计算机视觉的国内外水果分级研究现状  11-13
  1.3 研究内容  13-14
  1.4 论文结构  14-15
第二章系统整体框架及图像预处理  15-24
  2.1 引言  15
  2.2 柑橘分级系统整体框架  15-16
  2.3 标定  16-18
  2.4 柑橘图像预处理  18-23
    2.4.1 预处理流程  18-19
    2.4.2 基于同态滤波的柑橘图像增强  19-22
    2.4.3 基于中值滤波的柑橘图像去噪  22-23
  2.5 小结  23-24
第三章柑橘外观特征提取与描述  24-42
  3.1 引言  24
  3.2 柑橘质量分级标准体系  24-25
  3.3 柑橘对象提取  25-31
    3.3.1 图像对象提取方法概述  25-26
    3.3.2 几种边缘检测的方法比较分析  26-28
    3.3.3 基于Canny 算子的橘子轮廓提取  28-31
  3.4 柑橘表面颜色特征提取与描述  31-37
    3.4.1 柑橘颜色模型确定  31-33
    3.4.2 柑橘图像颜色特征描述  33-37
  3.5 柑橘形状特征提取与描述  37-40
    3.5.1 柑橘形状模型确定  37
    3.5.2 柑橘大小特征的提取  37-39
    3.5.3 基于傅立叶描述子的柑橘形状特征提取  39-40
  3.6 小结  40-42
第四章基于BP 神经网络的空域柑橘分级处理  42-57
  4.1 引言  42
  4.2 BP 神经网络原理  42-46
    4.2.1 BP 网络的网络结构  42-44
    4.2.2 BP 神经网络的学习过程  44
    4.2.3 基于BP 神经网络的柑橘分级流程  44-46
  4.3 柑橘分级中的BP 神经网络参数选择  46-48
    4.3.1 现有BP 神经网络算法分析  46-47
    4.3.2 参数选择  47-48
  4.4 用于柑橘颜色分级的BP 神经网络设计  48-49
  4.5 用于柑橘大小形状分级的BP 神经网络设计  49
  4.6 实验结果与分析  49-56
    4.6.1 颜色分级  49-52
    4.6.2 形状分级  52-56
  4.7 小结  56-57
第五章基于SVM 的变换域柑橘分级处理  57-71
  5.1 引言  57
  5.2 纹理特征提取方法分析  57-58
  5.3 基于Gabor 小波变换的柑橘纹理特征提取  58-62
    5.3.1 傅立叶变换  58-59
    5.3.2 二维Gabor 小波描述  59-61
    5.3.3 柑橘纹理特征提取  61-62
  5.4 基于PCA 的柑橘纹理特征降维  62-64
    5.4.1 PCA 概述  62-63
    5.4.2 基于PCA 对柑橘纹理特征优选  63-64
  5.5 基于SVM 的柑橘品质分级  64-68
    5.5.1 支持向量机SVM 概述  64-66
    5.5.2 基于SVM 对柑橘品质进行识别分类  66-67
    5.5.3 基于LIBSVM 的实验结果分析  67-68
  5.6 基于空域与小波域的柑橘品质综合分级  68-69
  5.7 小结  69-71
第六章总结与展望  71-73
  6.1 论文工作总结  71-72
  6.2 进一步研究工作的展望  72-73
参考文献  73-77
攻读学位期间出版或公开发表的论著、论文  77-78
致谢  78-79

基于计算机视觉的柑橘品质分级技术研究

内容摘要

全文目录

相似论文