基于图像处理的水果识别.doc

基于图像处理的水果识别.doc

《基于图像处理的水果识别.doc》由会员分享，可在线阅读，更多相关《基于图像处理的水果识别.doc（37页珍藏版）》请在冰豆网上搜索。

数理与信息工程学院电子信息工程专业——基于图像特征和神经网络的水果自动识别

浙江师范大学本科毕业设计（论文）正文

学院

数理与信息工程学院

专业

电子信息工程

姓名

贾晓瑞

学号

03610104

指导

教师

张长江

职称

副教授

合作

导师

职称

中文题目

基于图像特征和神经网络的水果自动识别

外文题目

AutomaticRecognitionforFruitbasedonImageFeaturesandNeuralnetworks

摘要

本文基于Matlab识别一幅数字水果图像中的香蕉、苹果和桔子。

整个识别过程涉及图像数据获取、对比度增强、去噪、二值化、标签化、特征参数计算、水果识别、神经网络、BP算法等过程。

为了弥补由于原始图像中灰度分布不均匀和光照等因素的影响而造成的二值化后图像出现的断边和同一类水果中出现的孔洞，借助于Sobel算子进行边缘提取以接合断边，基于数学形态学算子填充二值化图像中出现的孔洞。

关键词

图像识别；二值化；标签化；特征参数；Matlab；神经网络；BP算法

导

师

点

评

浙江师范大学本科毕业设计（论文）

正文目录

摘要……………………………………………………………………………………3

英文摘要………………………………………………………………………………3

引言……………………………………………………………………………………3

1．识别系统的方案设计与析…………………………………………………………5

1．1总体设计路……………………………………………………………………5

1．2编程语言择……………………………………………………………………6

2．提取特征数………………………………………………………………………8

2．1图象预理……………………………………………………………………8

2．1．1图像数据获取…………………………………………………………8

2．1．2图像增强处理…………………………………………………………8

2．1．3图像噪声消除处理…………………………………………………10

2．1．4图像二值化处理……………………………………………………11

2．1．5图像边缘检测处理…………………………………………………12

2．1．6图像标签化处理……………………………………………………14

2．2图像特征参数计算…………………………………………………………15

3．基于BP神经网络的水果识别…………………………………………………23

3．1神经网络………………………………………………………………23

3．2BP神经网络的实现……………………………………………………24

3．3弹性BP算法……………………………………………………………25

3．4程序测试与结果分析…………………………………………………29

4．总结和展望……………………………………………………………………31

4．1总结……………………………………………………………………31

4．2展望……………………………………………………………………31

结束语……………………………………………………………………………32

参考文献………………………………………………………………………………33

基于图像特征和神经网络的水果自动识别

姓名：

贾晓瑞

指导教师：

张长江

摘要：

本文基于Matlab识别一幅数字水果图像中的香蕉、苹果和桔子。

整个识别过程涉及图像数据获取、对比度增强、去噪、二值化、标签化、特征参数计算、水果识别、神经网络、BP算法等过程。

为了弥补由于原始图像中灰度分布不均匀和光照等因素的影响而造成的二值化后图像出现的断边和同一类水果中出现的孔洞，借助于Sobel算子进行边缘提取以接合断边，基于数学形态学算子填充二值化图像中出现的孔洞。

关键词：

图像识别；二值化；标签化；特征参数；Matlab；神经网络；BP算法

AutomaticRecognitionforFruitbasedonImageFeaturesandNeuralnetworks

Name:

XiaoruiJia

Director:

ChangjiangZhang

Abstract：

Thebanana,appleandorange,whichareinadigitalimage,aredistinguishedfromeachotherbasedonMatLab.Thewholerecognitionprocessreferstoimagedataacquisition,contrastenhancement,de-noising,binary,label,computationforfeatureparameters,fruitrecognition，neuralnetworksandresilientbank-PROPagation（RPROP）.Inordertomakeupfortheholesbecauseofunevenilluminationandunevengrayleveldistributionintheoriginalimage,Sobeloperatorisemployedtodetecttheedgesoastomergethediscontinuitiesofbinaryimage.Mathematicmorphologicoperatorisemployedtofilltheholesinthebinaryimage.

KeyWords：

imagerecognition;binaryimage;label;featureparameters;Matlab;neuralnetworks;RPROP

引言

随着计算机的普遍使用，人类已经进入了一个高速发展的信息化时代，图像处理技术也愈来愈成为科学技术领域中必不可少的手段。

计算机图像处理及识别是计算机应用技术的一个重要方面，在电子工业、人工智能、工业自动化、生物医疗工程、卫星遥感等众多领域中占有极其重要的地位。

近年来，计算机图像处理及识别的研究在我国受到了广泛的重视，取得了卓有成效的进展，逐步迈向实用阶段。

我国是农业大国，因此，要特别重视农业的科技发展。

图像识别所提出的问题，是研究用计算机代替人们自动地去处理大量的物理信息，解决人类生理器官所不能识别的问题，从而部分地替代人的脑力劳动。

它属于模式识别（PatternRecognition）的范畴，也可以把模式识别狭义地理解为图像识别。

图像识别与图像处理的关系非常密切，互相交错，很难把它们截然分开。

为了进行图像识别，首先要进行图像处理，而有时候处理和识别是同时进行的。

一般来说，图像处理包括图像编码、图像增强、图像压缩、图像复原、图像分割等内容。

对图像处理环节来说，输入是图像，输出也是图像；而图像识别以研究图像的分类与描述为主要内容，找出图像各个部分的形状和纹理特征，亦即特征提取（FeatureExtraction），以便对图像进行分类，并对整个图像作结构上的分析。

因此对图像识别环节来说，输入是图像（通常是处理过的图像），输出是类别和图像的结构分析。

在图像识别的特征提取过程中，常常也包括对图像的分割（ImageSegmentation）。

我国是世界蔬菜、水果的生产大国，总产量均居世界第一位。

但由于品种结构不合理，产后商品化处理技术和设备落后，导致产品缺乏市场竞争力，出口数量少、价格低。

在我国，水果分级基本上仍由人工完成。

我国拥有世界最大的劳动力市场，人工拣选、分级果蔬产品是现在农副产品分类加工的主要方式。

这种方式虽然成本低廉，但却违背了解放生产力的根本目标，同时也带来了诸多无法克服的缺点:

劳动量大，生产率底，分级标准难以实现以及分级精度不稳定。

由于在水果分级标准中，对于着色面积和缺陷面积的度量，仅凭人的视觉是难以精确区分的。

况且人若长时间用眼，会造成身心的疲劳及情绪的不稳定，从而导致分级误差的波动。

此外，水果的内部品质也缺乏相应的检测手段，使水果的内外品质都无法得到有效的保证。

机械分拣具有短时、高效、符合果蔬产品的时间特性等特点。

因此，研究和开发水果自动实时分级系统，选出高质量的水果，为国家创取外汇，在我国具有十分重要的经济价值和广阔的应用前景。

通过研究这个课题不但可以加深对图像处理基本思想的理解和对其方法的掌握，还熟悉了图像处理中的精髓内容——目标分类识别。

本课题的研究具有非常重要的经济和实用价值，应用前景十分广阔。

因此，很有必要对本课题进行深入细致的研究。

1识别系统的方案设计与分析

1．1总体设计思路

本课题的任务是基于苹果、桔子和香蕉三种水果的不同图像特征，把需要的水果从中识别（提取）出来。

其总体框架如图1-1所示：

计算机读取图像

图像标签化

图像去噪，增强对比度

图像二值化

图像特征提取，特征参数计算

图1-1总体框架图

（1）计算机读取图像

为了在计算机上进行图像处理，必须把作为处理对象的模拟图像转换成数字图像。

图像信息的获取一般包括图像的摄取、转换和数字化等几个步骤。

（2）图像去噪和对比度增强

图像有噪声和对比度较差的时候，这些会给最终的识别分类带来困难。

所以必须先对所给图像进行去噪和增强对比度的预处理。

（3）图像的二值化

所谓图像的二值化，就是使图像上所有点的灰度值只有两种可能，不为"0"就为"255"，也就是使整个图像呈现出明显的黑白效果。

（4）图像的标签化

为了能够把每个物体都相互区分开，就要检查有关像素是连接着的还是分离着的，这种处理称为标签化。

所谓图像的标签化，是指对图像中互相连通的所有像素赋予同样的标号，而对于不同的连接成分则给予不同的标号的处理过程。

经过标签化处理就能把各个连接成分进行分离，从而可以研究它们各自的特征。

（5）图像特征提取、特征参数计算

本课题中需要提取的图像特征有：

面积、周长、弧度、颜色。

利用这些参数就能将水果相互区分开来。

（6）水果识别

建立水果特征库，用采集到的特征数据对BP网络进行训练，达到能够区分任意一幅图片中香蕉、苹果和桔子的目的，使识别系统具有良好的通用性。

识别过程分成三个步骤：

目标的数据获取、特征提取和分类判决。

相应模型如图1-2所示：

训练数据获取

特征提取

特征空间压缩与变换

分类器设计

测试数据获取

特征提取

特征空间压缩与变换

目标分类

识别结果

图1-2目标识别模型

1．2编程语言选择

对于编程语言的选择，我们希望用一种能够对课题所有命令和对象进行灵活、方便地控制和使用的编程语言。

这里选用MATLAB语言进行编程。

MATLAB语言是当今国际上科学界最具影响力、最具活力的软件。

它起源于矩阵运算，并已发展成一种高度集成的计算机语言。

MATLAB语言具有很多优点，它提供了强大的科学运算、灵活的程序设计流程、高质量的图形可视化与界面设计，并采用了全新数据类型和面向对象编程技术及新控制流和函数结构，推出了全新的符号计算工具包，增添了世界顶级水平的微分方程数值解求解软件组，为方便编程、调试、程序优化、图形对象最佳可视、“用户应用界面”制作等提供了各种“友善”的交互式操作工具，并为加快程序运行速度和产生独立应用程序提供了