基于計算機視覺的果蔬自動分類技術(shù)中的特征分析的研究.pdf

1、我國作為果蔬生產(chǎn)大國，果蔬超市化銷售已經(jīng)成為主要形式。但是在售賣過程中，果蔬分類也即價格依舊主要靠人工記憶或者查詢，消耗了大量人力、物力、財力等資源。為了解決存在的問題，本文提出了基于計算機視覺的果蔬自動分類技術(shù)特征分析，深入研究了果蔬分類系統(tǒng)，分析了果蔬分類的國內(nèi)外發(fā)展現(xiàn)狀和技術(shù)難題，提出了針對單體以及多體果蔬分類的系統(tǒng)以及算法框架，并且深入研究了果蔬預(yù)處理算法、Gabor特征提取速度改進以及降維處理與改進、多特征優(yōu)化以及調(diào)和自適應(yīng)融

2、合。最后在ARM上實現(xiàn)了多體果蔬分類算法，并進行了算法的改進。
　　本論文主要的工作和成果如下:
　　(1)建立果蔬圖像數(shù)據(jù)庫。為了使庫中圖像不斷接近實際情況，拍攝果蔬圖像時將現(xiàn)實生活中的幾乎所有情況都考慮到了。
　　(2)研究了果蔬圖像預(yù)處理方法。針對單體和多體情況分別對預(yù)處理方法進行了改進，包括去噪處理、分割處理、填充處理、歸一化處理的研究與改進，建立最終的果蔬圖像庫，為特征提取做準備。
　　(3)深入研究了

3、單體果蔬圖像的特征提取方法與提取速度的改進和降維處理與改進，并對分類器進行了研究。本文從統(tǒng)計化整體特征進行考慮，提出了一種基于Gabor能量均值與方差特征的果蔬圖像自動分類技術(shù)。該算法首先對果蔬圖像進行預(yù)處理，得到32×32的歸一化果蔬圖像，然后采用5尺度8方向的Gabor小波提取Gabor特征，計算Gabor特征的能量均值方差，最后采用SVM分類算法對果蔬進行分類。
　　(4)深入研究了多體果蔬圖像的特征提取方法。從提取多特征以

4、及特征融合角度進行考慮，并改進了距離函數(shù)。本論文提出一種基于GCH_ HSV、LBP和BIC特征的多特征提取以及調(diào)和自適應(yīng)特征融合算法，從顏色、紋理和形狀三個方面的特征來進行特征提取，驗證了算法的正確性和可用性。
　　(5)將提出的多體果蔬圖像分類算法在開發(fā)板上實現(xiàn)，并進行了算法的改進。通過代碼移植，交叉編譯實現(xiàn)到硬件的實用實驗。研究了系統(tǒng)硬件和軟件平臺的搭建，編寫了相關(guān)程序，對其進行調(diào)試和仿真，較好的實現(xiàn)了多體果蔬圖像分類算法。