CN102750547A - 一种基于压缩传感的水果大小分级方法 - Google Patents
一种基于压缩传感的水果大小分级方法 Download PDFInfo
- Publication number
- CN102750547A CN102750547A CN2012101906917A CN201210190691A CN102750547A CN 102750547 A CN102750547 A CN 102750547A CN 2012101906917 A CN2012101906917 A CN 2012101906917A CN 201210190691 A CN201210190691 A CN 201210190691A CN 102750547 A CN102750547 A CN 102750547A
- Authority
- CN
- China
- Prior art keywords
- image
- fruit
- value
- gray
- fruit size
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
一种基于压缩传感的水果大小分级方法,对被测水果的原始图像进行滤波减噪,再进行灰度化处理,之后进行滑动扫描实现粗分割,再采用图像正交稀疏分解方法中的基于超完备字典的图像稀疏分解算法对图像进行稀疏分解,确定出重要特征信息和次要信息的分界点,对重要特征信息部分加权值,采用满足等距约束性条件的随机高斯测量矩阵作为信号编码测量矩阵,与上述系数向量相乘,进行编码测量,对所得测量值的非零系数求和,其结果即为表征水果大小的值;通过大量样本训练,观察上述数值的分布规律,得到衡量水果大小等级的阈值并出水果大小分级结果,本发明可以实现对水果大小的分级,具有自动、无损、数据量小、分级速度快,准确度高的特点。
Description
技术领域
本发明涉及一种利用数字图像处理技术实现农产品品质的自动无损检测的方法,具体涉及一种基于压缩传感的水果大小分级方法。
背景技术
中国是一个水果生产大国,快速、准确地实现水果的检测与分级处理,是提高水果经济效益、增强产业国际竞争力的一项重要措施。
传统的人工分级方式依靠熟练工人的经验和目测来判断水果的品质,难以保证结果的准确性及有效性,不能满足市场的要求。现有的基于计算机视觉的水果分级方法,采用常规的数字图像处理算法,通过对采集到的水果图像进行预处理、水果区域分割、特征检测等处理,计算出果径等得到水果大小的特征参数,经过系统标定确定水果的实际测量值,最终通过上述测量值实现水果的分级。方法处理过程复杂,信息量大,执行时间较长,一定程度上限制了其在农业生产领域的实际推广和应用。
压缩传感理论认为信号可以以低于奈奎斯特采样频率的频率进行采样,同时只提取少量的能表征原始信号重要信息的测量值,即可根据这些测量值的分布规律完成特征提取,一次性地对水果图像的多个特征进行检测,直接利用测量值即可实现对水果的分级。利用压缩传感理论能够降低传统图像处理算法的复杂度,减小信息量,提高水果分级效率。
发明内容
为了克服上述现有技术的缺点,本发明的目的在于提供一种基于压缩传感的水果大小分级方法,用于降低图像处理复杂度,减小信息量,提高分级的效率。
为了解决上述技术问题,本发明采用的技术方案是:
一种基于压缩传感的水果大小分级方法,包括如下步骤:
步骤一,通过CCD相机获得被测水果的原始图像;
步骤二,对原始图像进行滤波处理,采用3*3模板中值滤波,实现图像去噪,以减小原始图像的噪声;
步骤三,对滤波后的图像进行灰度化处理,将三维RGB彩色图像转换成一维灰度图像;
步骤四,取上述灰度化后图像的左上角3*3大小的区域,作为参考模板,利用该参考模板对整幅图像逐个像素点进行滑动扫描,对于灰度值大于模板平均值20以上的区域,认为其可能包含水果区域,保留原灰度值;反之,灰度值小于模板平均值或两者差值不大于20的区域,认为其为背景,将此其区域的灰度值置0,经过此种对水果和背景图像的快速粗分割,减小后续稀疏表示的处理数据量;
步骤五,采用图像正交稀疏分解方法中的基于超完备字典的图像稀疏分解算法对图像进行稀疏分解,其中完备字典是用小波字典构造的,而冗余基的选择用OMP算法实现,使原始图像得到最佳的稀疏表示,得到相应的系数向量,生成对应稀疏分解图,由于稀疏结果以指数级形式递减,且下降速度很快,可以很容易地确定出重要特征信息和次要信息的分界点,对系数向量结果中数据值较大的部分即重要特征信息部分加权值,增强其在结果中的比重,便于后续分级;
步骤六,采用满足等距约束性条件的随机高斯测量矩阵作为信号编码测量矩阵,与上述系数向量相乘,进行编码测量,对所得测量值的非零系数求和,其结果即为表征水果大小的值;
步骤七,通过大量样本训练,观察上述数值的分布规律,得到衡量水果大小等级的阈值;
步骤八,输出水果大小分级结果。
与现有技术相比,本发明可以实现对水果大小的分级,具有自动、无损、数据量小、分级速度快,准确度高的特点。若将本发明应用于农业生产领域,能够较好地解决水果产后精确、高速、便捷地分级处理问题,从而提高水果的商品化处理能力,增加果农收入,促进经济发展,具有很大的市场潜力。
附图说明
附图为本发明的苹果大小分级方法处理流程图。
具体实施方式
下面结合附图和实施例详细说明本发明的实施方式。
实施例一
本发明为一种基于压缩传感的苹果大小分级方法,以一等果(果径值大于80mm的苹果)作为被测对象,包括如下步骤:
步骤一,通过CCD相机获得被测苹果的原始图像;
步骤二,对原始图像进行滤波处理,采用3*3模板中值滤波,实现图像去噪,以减小原始图像的噪声;
步骤三,对滤波后的图像进行灰度化处理,将三维RGB彩色图像转换成一维灰度图像,灰度值范围0~255;
步骤四,取上述灰度化后图像的左上角3*3大小的区域,作为参考模板,利用该参考模板对整幅图像逐个像素点进行滑动扫描,对于灰度值大于模板平均值20以上的区域,认为其可能包含苹果区域,保留原灰度值;反之,灰度值小于模板平均值或两者差值不大于20的区域,认为其为背景,将此其区域的灰度值置0。经过此种对苹果和背景图像的快速粗分割,可以将大部分背景区域的灰度值置0,减小了后续稀疏表示的处理数据量;
步骤五,采用图像正交稀疏分解方法中的基于超完备字典的图像稀疏分解算法对上述图像进行稀疏分解,其中完备字典是用小波字典构造的,而冗余基的选择是采用OMP算法实现,使原始图像得到最佳的稀疏表示,得到相应的系数向量。生成对应稀疏分解图,由于稀疏结果以指数级形式递减,且下降速度很快,可以很容易地确定出重要特征信息和次要信息的分界点,对系数向量结果中数据值较大的部分即重要特征信息部分加权值,增强其在结果中的比重,便于后续分级;
步骤六,采用满足等距约束性条件的随机高斯测量矩阵作为信号编码测量矩阵,与上述系数向量相乘,进行编码测量,对所得测量值的非零系数求和,其结果即为表征苹果大小的值;
步骤七,通过大量样本训练,观察上述数值的分布规律,得到衡量苹果大小等级的阈值:若对非零系数求和的值大于80,则该苹果为一等果;
步骤八,输出苹果的大小分级结果。
实施例二
以二等果(果径值介于70mm到80mm之间的苹果)作为被测对象,包括如下步骤:
步骤一,通过CCD相机获得被测苹果的原始图像;
步骤二,对原始图像进行滤波处理,采用3*3模板中值滤波,实现图像去噪,以减小原始图像的噪声;
步骤三,对滤波后的图像进行灰度化处理,将三维RGB彩色图像转换成一维灰度图像,灰度值范围0~255;
步骤四,取上述灰度化后图像的左上角3*3大小的区域,作为参考模板,利用该参考模板对整幅图像逐个像素点进行滑动扫描,对于灰度值大于模板平均值20以上的区域,认为其可能包含苹果区域,保留原灰度值;反之,灰度值小于模板平均值或两者差值不大于20的区域,认为其为背景,将此其区域的灰度值置0。经过此种对苹果和背景图像的快速粗分割,可以将大部分背景区域的灰度值置0,减小了后续稀疏表示的处理数据量;
步骤五,采用图像正交稀疏分解方法中的基于超完备字典的图像稀疏分解算法对上述图像进行稀疏分解,其中完备字典是用小波字典构造的,而冗余基的选择是采用OMP算法实现,使原始图像得到最佳的稀疏表示,得到相应的系数向量。生成对应稀疏分解图,由于稀疏结果以指数级形式递减,且下降速度很快,可以很容易地确定出重要特征信息和次要信息的分界点,对系数向量结果中数据值较大的部分即重要特征信息部分加权值,增强其在结果中的比重,便于后续分级;
步骤六,采用满足等距约束性条件的随机高斯测量矩阵作为信号编码测量矩阵,与上述系数向量相乘,进行编码测量,对所得测量值的非零系数求和,其结果即为表征苹果大小的值;
步骤七,通过大量样本训练,观察上述数值的分布规律,得到衡量苹果大小等级的阈值:若对非零系数求和的值介于35到80之间,则该苹果为二等果;
步骤八,输出苹果的大小分级结果。
实施例三:
以三等果(果径值小于70mm的苹果)作为被测对象,包括如下步骤:
步骤一,通过CCD相机获得被测苹果的原始图像;
步骤二,对原始图像进行滤波处理,采用3*3模板中值滤波,实现图像去噪,以减小原始图像的噪声;
步骤三,对滤波后的图像进行灰度化处理,将三维RGB彩色图像转换成一维灰度图像,灰度值范围0~255;
步骤四,取上述灰度化后图像的左上角3*3大小的区域,作为参考模板,利用该参考模板对整幅图像逐个像素点进行滑动扫描,对于灰度值大于模板平均值20以上的区域,认为其可能包含苹果区域,保留原灰度值;反之,灰度值小于模板平均值或两者差值不大于20的区域,认为其为背景,将此其区域的灰度值置0。经过此种对苹果和背景图像的快速粗分割,可以将大部分背景区域的灰度值置0,减小了后续稀疏表示的处理数据量;
步骤五,采用图像正交稀疏分解方法中的基于超完备字典的图像稀疏分解算法对上述图像进行稀疏分解,其中完备字典是用小波字典构造的,而冗余基的选择是采用OMP算法实现,使原始图像得到最佳的稀疏表示,得到相应的系数向量。生成对应稀疏分解图,由于稀疏结果以指数级形式递减,且下降速度很快,可以很容易地确定出重要特征信息和次要信息的分界点,对系数向量结果中数据值较大的部分即重要特征信息部分加权值,增强其在结果中的比重,便于后续分级;
步骤六,采用满足等距约束性条件的随机高斯测量矩阵作为信号编码测量矩阵,与上述系数向量相乘,进行编码测量,对所得测量值的非零系数求和,其结果即为表征苹果大小的值;
步骤七,通过大量样本训练,观察上述数值的分布规律,得到衡量苹果大小等级的阈值:若对非零系数求和的值小于35,则该苹果为三等果;
步骤八,输出苹果的大小分级结果。
本发明同时适用于其它类型的水果如柑橘、蜜桃等,其原理与方法类同,不再一一举例说明。
Claims (1)
1.一种基于压缩传感的水果大小分级方法,其特征在于,包括如下步骤:
步骤一,通过CCD相机获得被测水果的原始图像;
步骤二,对原始图像进行滤波处理,采用3*3模板中值滤波,实现图像去噪,以减小原始图像的噪声;
步骤三,对滤波后的图像进行灰度化处理,将三维RGB彩色图像转换成一维灰度图像;
步骤四,取上述灰度化后图像的左上角3*3大小的区域,作为参考模板,利用该参考模板对整幅图像逐个像素点进行滑动扫描,对于灰度值大于模板平均值20以上的区域,认为其可能包含水果区域,保留原灰度值;反之,灰度值小于模板平均值或两者差值不大于20的区域,认为其为背景,将此其区域的灰度值置0,经过此种对水果和背景图像的快速粗分割,减小后续稀疏表示的处理数据量;
步骤五,采用图像正交稀疏分解方法中的基于超完备字典的图像稀疏分解算法对图像进行稀疏分解,其中完备字典是用小波字典构造的,而冗余基的选择用OMP算法实现,使原始图像得到最佳的稀疏表示,得到相应的系数向量,生成对应稀疏分解图,确定出重要特征信息和次要信息的分界点,对重要特征信息部分加权值,增强其在结果中的比重,便于后续分级;
步骤六,采用满足等距约束性条件的随机高斯测量矩阵作为信号编码测量矩阵,与上述系数向量相乘,进行编码测量,对所得测量值的非零系数求和,其结果即为表征水果大小的值;
步骤七,通过大量样本训练,观察上述数值的分布规律,得到衡量水果大小等级的阈值;
步骤八,输出水果大小分级结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210190691.7A CN102750547B (zh) | 2012-06-11 | 2012-06-11 | 一种基于压缩传感的水果大小分级方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210190691.7A CN102750547B (zh) | 2012-06-11 | 2012-06-11 | 一种基于压缩传感的水果大小分级方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102750547A true CN102750547A (zh) | 2012-10-24 |
CN102750547B CN102750547B (zh) | 2014-07-23 |
Family
ID=47030712
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210190691.7A Expired - Fee Related CN102750547B (zh) | 2012-06-11 | 2012-06-11 | 一种基于压缩传感的水果大小分级方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102750547B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103824224A (zh) * | 2014-02-26 | 2014-05-28 | 陕西科技大学 | 一种基于明暗恢复形状的水果大小分级方法 |
CN106485250A (zh) * | 2016-09-09 | 2017-03-08 | 华东理工大学 | 一种纸芯片灰度值识别方法及其应用 |
CN113362468A (zh) * | 2021-07-05 | 2021-09-07 | 上海大学 | 一种火车轮毂的尺寸测量方法 |
CN115375784A (zh) * | 2022-09-15 | 2022-11-22 | 北京城建设计发展集团股份有限公司 | 一种基于加权小波变换提升图像压缩效率的方法及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1429668A (zh) * | 2002-12-27 | 2003-07-16 | 浙江大学 | 采用移位寄存器控制的机器视觉水果分级系统 |
CN1664499A (zh) * | 2005-03-28 | 2005-09-07 | 浙江大学 | 水果尺寸检测的方法及装置 |
CN1663697A (zh) * | 2005-03-23 | 2005-09-07 | 江苏大学 | 一种水果外观质量在线检测技术的视觉数据处理系统 |
JP2006055846A (ja) * | 2004-08-17 | 2006-03-02 | Materiel Pour L'arboriculture Fruitiere | 両側面に撮影装置を備えた果物などの製品の光学分析装置 |
-
2012
- 2012-06-11 CN CN201210190691.7A patent/CN102750547B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1429668A (zh) * | 2002-12-27 | 2003-07-16 | 浙江大学 | 采用移位寄存器控制的机器视觉水果分级系统 |
JP2006055846A (ja) * | 2004-08-17 | 2006-03-02 | Materiel Pour L'arboriculture Fruitiere | 両側面に撮影装置を備えた果物などの製品の光学分析装置 |
CN1663697A (zh) * | 2005-03-23 | 2005-09-07 | 江苏大学 | 一种水果外观质量在线检测技术的视觉数据处理系统 |
CN1664499A (zh) * | 2005-03-28 | 2005-09-07 | 浙江大学 | 水果尺寸检测的方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103824224A (zh) * | 2014-02-26 | 2014-05-28 | 陕西科技大学 | 一种基于明暗恢复形状的水果大小分级方法 |
CN106485250A (zh) * | 2016-09-09 | 2017-03-08 | 华东理工大学 | 一种纸芯片灰度值识别方法及其应用 |
CN113362468A (zh) * | 2021-07-05 | 2021-09-07 | 上海大学 | 一种火车轮毂的尺寸测量方法 |
CN115375784A (zh) * | 2022-09-15 | 2022-11-22 | 北京城建设计发展集团股份有限公司 | 一种基于加权小波变换提升图像压缩效率的方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN102750547B (zh) | 2014-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108052980B (zh) | 基于图像的空气质量等级检测方法 | |
CN103065149B (zh) | 网纹甜瓜果实表型提取与量化方法 | |
Gorsky et al. | Digital zooplankton image analysis using the ZooScan integrated system | |
CN102928435A (zh) | 基于图像和超声信息融合的飞机蒙皮损伤识别方法及装置 | |
CN104599280B (zh) | 一种道路裂缝交叉点提取方法及系统 | |
CN109766909B (zh) | 基于谱图融合的海岸环境微塑料老化行为解析方法 | |
CN104181170B (zh) | 基于光谱图像分析的水果外表检测方法 | |
CN107169469B (zh) | 一种基于机器学习的mimo雷达的材料识别方法 | |
CN102750547B (zh) | 一种基于压缩传感的水果大小分级方法 | |
CN104408705A (zh) | 一种高光谱图像的异常检测方法 | |
CN102735340B (zh) | 一种基于压缩传感的水果颜色分级方法 | |
CN106951863B (zh) | 一种基于随机森林的变电站设备红外图像变化检测方法 | |
CN108171119B (zh) | 基于残差网络的sar图像变化检测方法 | |
CN104914105A (zh) | 一种基于图像识别技术的茶叶等级鉴定方法 | |
CN105004722A (zh) | 一种烟叶成熟度快速检测方法 | |
Devi et al. | Machine vision based quality analysis of rice grains | |
CN105606610A (zh) | 一种基于生物散斑技术无损检测苹果内部品质的方法 | |
Kumar et al. | Comparative analysis for edge detection techniques | |
CN107300562A (zh) | 一种测量继电器成品触点间距的x射线无损检测方法 | |
CN102768212B (zh) | 一种基于压缩传感的水果缺陷分级方法 | |
CN112184627A (zh) | 基于图像处理与神经网络的柑橘保鲜品质检测方法及应用 | |
CN103745476A (zh) | 基于线扫描局部峰值分析的手机隔板砂粒检测方法 | |
CN104764402A (zh) | 柑橘体积的视觉检测方法 | |
CN111079848B (zh) | 一种基于图像的空气质量等级评估方法 | |
Avhad et al. | ARM based fruit grading and management system using image processing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140723 Termination date: 20210611 |
|
CF01 | Termination of patent right due to non-payment of annual fee |