中北大学2014届本科毕业论文
摘要
图像识别技术是人类视觉认知的延伸，是人工智能的一个重要领域，随着计算机技术和人工智能技术的发展，图像识别技术越来越成为人工智能的基础技术。蔬菜图像的识别是当今各农产品市场急需采用的一项人工智能技术。如何有效的对蔬菜图像进行处理，并提取其特征是蔬菜图像识别技术的核心问题。本文以蔬菜图像的分割为主线，利用3种方法对分割后的蔬菜图像进行特征提取，并验证其有效性。
首先，蔬菜图像的分割的目的是将蔬菜图像的背景进行去除，仅保留蔬菜图像的前景部分。为此，需要将蔬菜图像的前景部分与背景部分进行区别。实验表明，利用K均值聚类算法辅以形态学操作能有效地对蔬菜图像进行分割。
对分割后的蔬菜图像进行特征提取，分别提取颜色一致性矢量（CCVs）、和差直方图矢量（SDH）及边界/内部像素分类（BIC）特征矢量作为图像的特征。利用提取出的特征矢量，对同种类的蔬菜图像和不同种类的蔬菜图像进行比较，以验证矢量的有效性。实验证明相似图像之间的矢量距离值较小，相似度较大，因此提取出的特征矢量能做为图像的特征。
关键词：图像分割，图像特征提取，K均值聚类，颜色一致性矢量（CCVs），和差直方图（SDH），边界/内部像素分类（BIC）
中北大学2014届本科毕业论文
Abstract
Image recognition technology is an extension of the human visual cognition and an important field of artificial intelligence.With the development of computer technology and artificial intelligence technology, image recognition technology has become the basis of artificial intelligence technology.Vegetable image identification as an artificial intelligence technology is an urgent need of today's various markets for agricultural products.How to effectively dealing with the vegetable image processing, and extracting its characteristics is the core issue of vegetable image recognition technology. Vegetable image segmentation is the main line of this paper and we use three methods for feature extraction, and verify its effectiveness.
First of all, the purpose of image segmentation is image background removal, retaining only prospects of the picture.To do this, we need to distinguish the foreground part and background part of the image.Experimental results show that using K-Means clustering algorithm with morphological operation can effectively segment vegetable image.
For the image of vegetables after segmentation ,we need to extract their features.In this paper ,we extract color consistency vector (CCVs), difference histogram vector (SDH) and boundary/internal pixels classification feature vectors (BIC) as characteristics of the image. In order to verify the validity of the vector,using the feature vectors to compare different images,both of the same kind of vegetables images and different kinds of vegetables images. Experiments prove that the smaller values of the vector distance between similar images, the bigger similarity is, so the extracted feature vector can as a characteristic of the image.
Key words:image segmentation, image feature extraction, K-Means clustering, color consistency vector (CCVs), difference histogram vector (SDH), boundary/internal pixels classification feature vectors (BIC)
中北大学2014届本科毕业论文
目录
1 绪论 .................................................................. 1 1.1 课题研究的目的与意义 ............................................ - 1 - 1.2 蔬菜识别的发展概况 .............................................. - 1 - 1.3 机器视觉及模式识别 .............................................. - 1 - 1.3.1 机器视觉 ...................................................... - 1 - 1.3.2 模式识别 ...................................................... - 2 - 1.4 论文的主要工作 .................................................. - 3 - 1.5 论文的内容安排 .................................................. - 3 - 2 蔬菜图像预处理 ........................................................ 5 2.1 图片数据 ........................................................ - 5 - 2.2 蔬菜图像的简单预处理 ............................................ - 6 - 2.2.1 图像的灰度化 .................................................. - 6 - 2.2.2 图像的二值化 .................................................. - 6 - 2.3 蔬菜图像的分割 .................................................. - 7 - 2.3.1 具有封闭外层轮廓的蔬菜图像的背景去除算法 ...................... - 7 - 2.3.2 K-Means聚类算法 ............................................... - 8 - 2.3.3 含阴影图像的分割算法 ......................................... - 11 - 2.4 实验结果与分析 ................................................. - 13 - 2.5 本章小结 ....................................................... - 15 - 3 蔬菜图像的特征提取 ................................................... 18 3.1 颜色特征提取 ................................................... - 17 - 3.1.1 颜色一致性特征矢量CCVs ....................................... - 17 - 3.2 纹理特征提取 ................................................... - 22 - 3.2.1 和差直方图特征矢量SDH ........................................ - 23 - 3.3 形状特征提取 ................................................... - 25 - 3.3.1 边界/内部像素分类特征矢量BIC ................................. - 26 - 3.4 实验结果与分析 ................................................. - 28 - 3.5 本章小结 ....................................................... - 29 -
中北大学2014届本科毕业论文
4 全文总结与展望 ................................................... - 30 - 4.1 全文总结 ....................................................... - 30 - 4.2 展望 ........................................................... - 30 - 参考文献 ............................................................ - 33 - 致谢 ................................................................ - 32 -
中北大学2014届本科毕业论文
1 绪论
1.1 课题研究的目的与意义
智能识别蔬菜是当今各农产品市场及超市急需采用的一项技术。由于，蔬菜的采购批发是一项繁重的工作，对于批发商来说，在采购蔬菜时，往往在蔬菜的量上和种类上会达到一定要求。传统的采购方式不但费时，而且会受到人为的因素影响导致相似种类蔬菜的误判。智能化蔬菜识别技术不但有利于蔬菜的规模化采购，而且能精确地将蔬菜进行分类。因此研究一个智能化的蔬菜识别系统，必然可以改善人们的生活质量。蔬菜图像的预处理及特征提取方法研究正是蔬菜识别系统开发过程中两个核心的问题，对于有效的蔬菜识别系统至关重要。 1.2 蔬菜识别的发展概况
目前，国内外在图像识别领域已经开展了很多研究工作。传统的模式识别方法考虑到图像的颜色、纹理、形状等特征(Stehling et al., 2002; Unser, 1986; Pass et al.,1997)，Heidemann (2004)在此基础上又提出了一种利用直方图、颜色及形状特征来自动进行图像分类的无监督训练方法。
关于农产品分类问题，Veggievision(Bolle et al., 1996) 首次提出超市农产品识别系统，该系统是利用图像的颜色、纹理及维度特征。由于，该系统研制时间较早，并未利用现今图像领域发展的优势，存在很多不足之处。事实上，农产品的分类问题可以看作是目标识别问题的一个特例。目前，Agarwal et al. (2004)和Jurie and Triggs (2005)提出了利用目标图像中的特殊区域来识别的物体的方法。这种方法称作特征包，效果理想。 1.3 机器视觉及模式识别
视觉是人类最高的感知器官，人类感知外界信息，80%以上是通过视觉得到的，而图像实际上是对这种感知能力的一种认为的增强方式，也就是说人通过图像对客观物体建立明确意义的描述。随着数字图像处理技术的成熟，图像作为人类感知外部世界更丰富而直接的载体，正成为越来越重要的研究对象。人们利用计算机等设备模拟人的视觉来采集图像并进行数字信号转换也通过计算机实现对图像的传输、处理与理解等视觉信息处理的全过程形成了一门新学科机器视觉。同时机器视觉处理的原始信息又多为图像，因此该领域又和数字图像处理和模式识别有十分密切的关系。 1.3.1 机器视觉
机器视觉，是指由人类设计并在计算机环境下实现的模拟或在现与人类视觉有关的某些智能行为的技术。如对印刷与手写文字识别，图像模式识别和物体三维表面的形状
- 1 -