專利名稱：一種基于壓縮傳感的水果大小分級方法
技術領域：
本發明涉及一種利用數字圖像處理技術實現農產品品質的自動無損檢測的方法，具體涉及一種基于壓縮傳感的水果大小 分級方法。
背景技術：
中國是一個水果生產大國，快速、準確地實現水果的檢測與分級處理，是提高水果經濟效益、增強產業國際競爭力的一項重要措施。傳統的人工分級方式依靠熟練工人的經驗和目測來判斷水果的品質，難以保證結果的準確性及有效性，不能滿足市場的要求。現有的基于計算機視覺的水果分級方法，采用常規的數字圖像處理算法，通過對采集到的水果圖像進行預處理、水果區域分割、特征檢測等處理，計算出果徑等得到水果大小的特征參數，經過系統標定確定水果的實際測量值，最終通過上述測量值實現水果的分級。方法處理過程復雜，信息量大，執行時間較長，一定程度上限制了其在農業生產領域的實際推廣和應用。壓縮傳感理論認為信號可以以低于奈奎斯特采樣頻率的頻率進行采樣，同時只提取少量的能表征原始信號重要信息的測量值，即可根據這些測量值的分布規律完成特征提取，一次性地對水果圖像的多個特征進行檢測，直接利用測量值即可實現對水果的分級。利用壓縮傳感理論能夠降低傳統圖像處理算法的復雜度，減小信息量，提高水果分級效率。
發明內容
為了克服上述現有技術的缺點，本發明的目的在于提供一種基于壓縮傳感的水果大小分級方法，用于降低圖像處理復雜度，減小信息量，提高分級的效率。為了解決上述技術問題，本發明采用的技術方案是一種基于壓縮傳感的水果大小分級方法，包括如下步驟步驟一，通過(XD相機獲得被測水果的原始圖像；步驟二，對原始圖像進行濾波處理，采用3*3模板中值濾波，實現圖像去噪，以減小原始圖像的噪聲；步驟三，對濾波后的圖像進行灰度化處理，將三維RGB彩色圖像轉換成一維灰度圖像；步驟四，取上述灰度化后圖像的左上角3*3大小的區域，作為參考模板，利用該參考模板對整幅圖像逐個像素點進行滑動掃描，對于灰度值大于模板平均值20以上的區域，認為其可能包含水果區域，保留原灰度值；反之，灰度值小于模板平均值或兩者差值不大于20的區域，認為其為背景，將此其區域的灰度值置0，經過此種對水果和背景圖像的快速粗分割，減小后續稀疏表示的處理數據量；步驟五，采用圖像正交稀疏分解方法中的基于超完備字典的圖像稀疏分解算法對圖像進行稀疏分解，其中完備字典是用小波字典構造的，而冗余基的選擇用OMP算法實現，使原始圖像得到最佳的稀疏表示，得到相應的系數向量，生成對應稀疏分解圖，由于稀疏結果以指數級形式遞減，且下降速度很快，可以很容易地確定出重要特征信息和次要信息的分界點，對系數向量結果中數據值較大的部分即重要特征信息部分加權值，增強其在結果中的比重，便于后續分級；步驟六，采用滿足等距約束性條件的隨機高斯測量矩陣作為信號編碼測量矩陣，與上述系數向量相乘，進行編碼測量，對所得測量值的非零系數求和，其結果即為表征水果大小的值；步驟七，通過大量樣本訓練，觀察上述數值的分布規律，得到衡量水果大小等級的閾值；步驟八,輸出水果大小分級結果。與現有技術相比，本發明可以實現對水果大小的分級，具有自動、無損、數據量小、分級速度快，準確度高的特點。若將本發明應用于農業生產領域，能夠較好地解決水果產后精確、高速、便捷地分級處理問題，從而提高水果的商品化處理能力，增加果農收入，促進經濟發展，具有很大的市場潛力。
附圖為本發明的蘋果大小分級方法處理流程圖。
具體實施例方式下面結合附圖和實施例詳細說明本發明的實施方式。實施例一本發明為一種基于壓縮傳感的蘋果大小分級方法，以一等果(果徑值大于80mm的蘋果)作為被測對象，包括如下步驟步驟一，通過CXD相機獲得被測蘋果的原始圖像；步驟二，對原始圖像進行濾波處理，采用3*3模板中值濾波，實現圖像去噪，以減小原始圖像的噪聲；步驟三，對濾波后的圖像進行灰度化處理，將三維RGB彩色圖像轉換成一維灰度圖像，灰度值范圍0 255 ；步驟四，取上述灰度化后圖像的左上角3*3大小的區域，作為參考模板，利用該參考模板對整幅圖像逐個像素點進行滑動掃描，對于灰度值大于模板平均值20以上的區域，認為其可能包含蘋果區域，保留原灰度值；反之，灰度值小于模板平均值或兩者差值不大于20的區域，認為其為背景，將此其區域的灰度值置O。經過此種對蘋果和背景圖像的快速粗分割，可以將大部分背景區域的灰度值置0，減小了后續稀疏表示的處理數據量；步驟五，采用圖像正交稀疏分解方法中的基于超完備字典的圖像稀疏分解算法對上述圖像進行稀疏分解，其中完備字典是用小波字典構造的，而冗余基的選擇是采用OMP算法實現，使原始圖像得到最佳的稀疏表示，得到相應的系數向量。生成對應稀疏分解圖，由于稀疏結果以指數級形式遞減，且下降速度很快，可以很容易地確定出重要特征信息和次要信息的分界點，對系數向量結果中數據值較大的部分即重要特征信息部分加權值，增強其在結果中的比重，便于后續分級；步驟六，采用滿足等距約束性條件的隨機高斯測量矩陣作為信號編碼測量矩陣，與上述系數向量相乘，進行編碼測量，對所得測量值的非零系數求和，其結果即為表征蘋果大小的值；步驟七，通過大量樣本訓練，觀察上述數值的分布規律，得到衡量蘋果大小等級的閾值若對非零系數求和的值大于80，則該蘋果為一等果；步驟八，輸出平果的大小分級結果。實施例二以二等果(果徑值介于70mm到80m m之間的蘋果)作為被測對象,包括如下步驟步驟一，通過CXD相機獲得被測蘋果的原始圖像；步驟二，對原始圖像進行濾波處理，采用3*3模板中值濾波，實現圖像去噪，以減小原始圖像的噪聲；步驟三，對濾波后的圖像進行灰度化處理，將三維RGB彩色圖像轉換成一維灰度圖像，灰度值范圍0 255 ；步驟四，取上述灰度化后圖像的左上角3*3大小的區域，作為參考模板，利用該參考模板對整幅圖像逐個像素點進行滑動掃描，對于灰度值大于模板平均值20以上的區域，認為其可能包含蘋果區域，保留原灰度值；反之，灰度值小于模板平均值或兩者差值不大于20的區域，認為其為背景，將此其區域的灰度值置O。經過此種對蘋果和背景圖像的快速粗分割，可以將大部分背景區域的灰度值置0，減小了后續稀疏表示的處理數據量；步驟五，采用圖像正交稀疏分解方法中的基于超完備字典的圖像稀疏分解算法對上述圖像進行稀疏分解，其中完備字典是用小波字典構造的，而冗余基的選擇是采用OMP算法實現，使原始圖像得到最佳的稀疏表示，得到相應的系數向量。生成對應稀疏分解圖，由于稀疏結果以指數級形式遞減，且下降速度很快，可以很容易地確定出重要特征信息和次要信息的分界點，對系數向量結果中數據值較大的部分即重要特征信息部分加權值，增強其在結果中的比重，便于后續分級；步驟六，采用滿足等距約束性條件的隨機高斯測量矩陣作為信號編碼測量矩陣，與上述系數向量相乘，進行編碼測量，對所得測量值的非零系數求和，其結果即為表征蘋果大小的值；步驟七，通過大量樣本訓練，觀察上述數值的分布規律，得到衡量蘋果大小等級的閾值若對非零系數求和的值介于35到80之間，則該蘋果為二等果；步驟八，輸出平果的大小分級結果。實施例三以三等果(果徑值小于70mm的蘋果)作為被測對象，包括如下步驟步驟一，通過CXD相機獲得被測蘋果的原始圖像；步驟二，對原始圖像進行濾波處理，采用3*3模板中值濾波，實現圖像去噪，以減小原始圖像的噪聲；步驟三，對濾波后的圖像進行灰度化處理，將三維RGB彩色圖像轉換成一維灰度圖像，灰度值范圍0 255 ；步驟四，取上述灰度化后圖像的左上角3*3大小的區域，作為參考模板，利用該參考模板對整幅圖像逐個像素點進行滑動掃描，對于灰度值大于模板平均值20以上的區域，認為其可能包含蘋果區域，保留原灰度值；反之，灰度值小于模板平均值或兩者差值不大于20的區域，認為其為背景，將此其區域的灰度值置O。經過此種對蘋果和背景圖像的快速粗分割，可以將大部分背景區域的灰度值置0，減小了后續稀疏表示的處理數據量；步驟五，采用圖像正交稀疏分解方法中的基于超完備字典的圖像稀疏分解算法對上述圖像進行稀疏分解，其中完備字典是用小波字典構造的，而冗余基的選擇是采用OMP算法實現，使原始圖像得到最佳的稀疏表示，得到相應的系數向量。生成對應稀疏分解圖，由于稀疏結果以指數級形式遞減，且下降速度很快，可以很容易地確定出重要特征信息和次要信息的分界點，對系數向量結果中數據值較大的部分即重要特征信息部分加權值，增強其在結果中的比重，便于后續分級；步驟六，采用滿足等距約束性條件的隨機高斯測量矩陣作為信號編碼測量矩陣， 與上述系數向量相乘，進行編碼測量，對所得測量值的非零系數求和，其結果即為表征蘋果大小的值；步驟七，通過大量樣本訓練，觀察上述數值的分布規律，得到衡量蘋果大小等級的閾值若對非零系數求和的值小于35，則該蘋果為三等果；步驟八，輸出平果的大小分級結果。本發明同時適用于其它類型的水果如柑橘、蜜桃等，其原理與方法類同，不再一一舉例說明。
權利要求
1.一種基于壓縮傳感的水果大小分級方法，其特征在于，包括如下步驟 步驟一，通過CXD相機獲得被測水果的原始圖像； 步驟二，對原始圖像進行濾波處理，采用3*3模板中值濾波，實現圖像去噪，以減小原始圖像的噪聲； 步驟三，對濾波后的圖像進行灰度化處理，將三維RGB彩色圖像轉換成一維灰度圖像；步驟四，取上述灰度化后圖像的左上角3*3大小的區域，作為參考模板，利用該參考模板對整幅圖像逐個像素點進行滑動掃描，對于灰度值大于模板平均值20以上的區域，認為其可能包含水果區域，保留原灰度值；反之，灰度值小于模板平均值或兩者差值不大于20的區域，認為其為背景，將此其區域的灰度值置0，經過此種對水果和背景圖像的快速粗分害I]，減小后續稀疏表示的處理數據量； 步驟五，采用圖像正交稀疏分解方法中的基于超完備字典的圖像稀疏分解算法對圖像進行稀疏分解，其中完備字典是用小波字典構造的，而冗余基的選擇用OMP算法實現，使原 始圖像得到最佳的稀疏表示，得到相應的系數向量，生成對應稀疏分解圖，確定出重要特征信息和次要信息的分界點，對重要特征信息部分加權值，增強其在結果中的比重，便于后續分級； 步驟六，采用滿足等距約束性條件的隨機高斯測量矩陣作為信號編碼測量矩陣，與上述系數向量相乘，進行編碼測量，對所得測量值的非零系數求和，其結果即為表征水果大小的值； 步驟七，通過大量樣本訓練，觀察上述數值的分布規律，得到衡量水果大小等級的閾值； 步驟八，輸出水果大小分級結果。
全文摘要
一種基于壓縮傳感的水果大小分級方法，對被測水果的原始圖像進行濾波減噪，再進行灰度化處理，之后進行滑動掃描實現粗分割，再采用圖像正交稀疏分解方法中的基于超完備字典的圖像稀疏分解算法對圖像進行稀疏分解，確定出重要特征信息和次要信息的分界點，對重要特征信息部分加權值，采用滿足等距約束性條件的隨機高斯測量矩陣作為信號編碼測量矩陣，與上述系數向量相乘，進行編碼測量，對所得測量值的非零系數求和，其結果即為表征水果大小的值；通過大量樣本訓練，觀察上述數值的分布規律，得到衡量水果大小等級的閾值并出水果大小分級結果，本發明可以實現對水果大小的分級，具有自動、無損、數據量小、分級速度快，準確度高的特點。
文檔編號G06K9/62GK102750547SQ20121019069
公開日2012年10月24日 申請日期2012年6月11日 優先權日2012年6月11日
發明者黨宏社, 姚勇, 張新院, 張芳, 楊小青, 田麗娜, 郭楚佳 申請人:陜西科技大學