基于顏色信息的藍莓熟果的估計

李志鵬 郭艷玲 楊鳳英

摘要 主要是利用圖像技術(shù)，根據(jù)成熟藍莓顏色與背景顏色的明顯差別評估當(dāng)前藍莓植株的熟果量，估計單株成熟藍莓的多寡，能夠為藍莓采摘機采摘參數(shù)的調(diào)整和確定自動采摘策略提供基礎(chǔ)。

關(guān)鍵詞 藍莓熟果；圖像分割；圖像提取

中圖分類號 S126 文獻標(biāo)識碼

A 文章編號 0517-6611（2014）26-09218-04

Estimation for Ripe Blueberry Fruit Based on Color Information

LI Zhi-peng et al （Northeast Forestry University， Harbin， Heilongjiang 150040）

Abstract By using image technology， according to the significant differences of ripe blueberry color and background color， the amount of ripe fruit was evaluated， which will lay a foundation for adjusting picking parameters and determining automatic picking strategy.

Key words Blueberries ripe fruit； Image segmentation； Image extraction

圖像識別系統(tǒng)要根據(jù)獲得的原始圖像建立目標(biāo)的參數(shù)模型，即選取目標(biāo)的特征，然后依據(jù)參數(shù)模型對待識別圖像進行分析和判斷，從而解譯出圖像中所包含的目標(biāo)信息。首先通過圖像采集設(shè)備得到藍莓樹冠的原始圖像，再對原始圖像進行預(yù)處理，對原始圖像進行噪聲過濾、圖像變換、圖像增強和圖像恢復(fù)，最終得到單株藍莓輪廓及成熟果實所占的大致比例。

1 成熟藍莓圖形提取步驟

復(fù)雜背景圖像中圖形的提取一般由特征提取、特征分類、特征聚集、候選文本區(qū)域提取和文本區(qū)域驗證等5個步驟組成，成熟藍莓圖形提取步驟如圖1所示。

2 藍莓果實圖像特征

2.1 成熟藍莓的特征

2.1.1 顏色特征。

顏色特征對圖像本身的尺寸、方向和視角的依賴性較小，具有較高的魯棒性。藍莓果實的顏色與背景的顏色共同組成一個復(fù)雜顏色的圖像，形成了圖像的不同特征，包括輻射特征、幾何特征和噪聲特征。只有了解和掌握這些特征，才能進行有針對性的圖像處理，從而對圖像信息作出正確的分析和判斷。

2.1.2 形狀特征。

形狀特征只能用于某些特殊應(yīng)用，通常來說，形狀特征有兩種表示方法，一種是輪廓特征的，一種是區(qū)域特征的。單個藍莓近圓形，一般4～5個藍莓果實形成1串。多個藍莓在一起的時候，就會造成圖形的重疊，因此依靠顏色分割后的圖形是不規(guī)則的。而檢測的目標(biāo)只是成熟藍莓，非成熟藍莓即使形狀與成熟藍莓相似，也是需要被忽略和剔除的，因此形狀特征不能單獨被使用。

2.2 色彩模式 色彩模式是數(shù)字世界中表示顏色的一種算法。常用的色彩模式有以下幾種。

2.2.1 RGB色彩模式。3種基本色即紅（Red）、綠（Green）、藍（Blue）3原色，RGB是3原色的簡稱。因為3種顏色都各有256個亮度級，所以3種色彩疊加后就形成1 670萬種顏色，這就是真彩色。其缺點是將RGB模式用于打印一幅真彩色的圖像時會引起失真。原因是在打印時，系統(tǒng)自動將RGB模式轉(zhuǎn)換為CMYK模式。

2.2.2 CMYK色彩模式。

與RGB模式的根本不同，CMYK色彩模式是一種減色色彩模式。當(dāng)陽光照射到一個物體上時，這個物體將吸收一部分光線，并將剩下的光線進行反射，反射的光線就是人們看見的物體顏色。在紙上印刷時應(yīng)用的就是這種減色模式。

CMYK模式是最佳的打印模式，用戶可以先用RGB模式進行編輯工作，再用CMYK模式進行打印工作，但這并不是避免圖像損失的最佳途徑，最佳方法是將Lab模式和CMYK模式結(jié)合使用，這樣可最大程度地減少圖像失真。

2.2.3 Lab色彩模式。Lab模式既不依賴光線，也不依賴于顏料，它是一個理論上包括了人眼可以看見的所有色彩的色彩模式，彌補了RGB和CMYK兩種色彩模式的不足。

Lab模式由3個通道組成，一個通道是亮度，即L，另外兩個是色彩通道，用A和B來表示。Lab模式所定義的色彩最多，且與光線及設(shè)備無關(guān)，處理速度比CMYK模式快很多，與RGB模式同樣快。在表達色彩范圍上， Lab模式處于第1位， RGB模式第2位， CMYK模式第3位。

2.3 藍莓顏色分布 根據(jù)藍莓果實不同成熟度，考慮青果和成熟果在RGB、Lab顏色空間中的分布情況，如圖2所示。

3 藍莓圖像識別與分割模型

3.1 圖像的干擾

由于圖像識別具有復(fù)雜多變性，對藍莓果樹圖像的濾波是必不可少的步驟。為提高系統(tǒng)的處理精度，首先要排除噪聲的干擾，因此需要對其進行去噪處理。圖像噪聲的表現(xiàn)形式一般是脈沖噪聲和高斯白噪聲的混合噪聲，表現(xiàn)為各種亮點和暗點，圖像的像素也受到不同程度的干擾。

3.2 噪聲抑制方法 目前，圖像濾波算法非常多，例如郭睿等提出的“散射特性的極化SAR圖像濾波方法^[1]”，滿玉春等提出的“移相數(shù)字莫爾條紋圖像濾波方法”^[2]，姚芮芮等提出的 “自適應(yīng)條紋圖像濾波方法”^[3]，高磊等提出的“一種基于Wiener濾波的數(shù)字X線圖像濾波方法”^[4]，樊秋月等提出的“基于雙正交小波域的SAR圖像濾波方法”^[5]等。

非線性濾波技術(shù)一般利用原始信號與噪聲信號特有的統(tǒng)計特性進行除噪，它必須用統(tǒng)計方法來研究，用離散數(shù)學(xué)方法來表示。非線性濾波方法有以

中值濾波方法和自適應(yīng)濾波方法

為代表的新型濾波方法，其中，中值濾波方法又包含加權(quán)中值濾波、中心加權(quán)中值濾波、方向中值濾波和開關(guān)中值濾波，這幾年自適應(yīng)濾波方法也被廣泛的應(yīng)用。

這幾年隨著數(shù)學(xué)和其他科學(xué)的研究和應(yīng)用的不斷深入，又出現(xiàn)了很多新的濾波方法，如基于數(shù)學(xué)形態(tài)學(xué)的方法^[6-8]、基于小波變換的濾波器^[9-13]、基于神經(jīng)網(wǎng)絡(luò)的濾波器^[14-16]、層疊濾波器^[17-18]、基于遺傳算法的濾波方法^[19-20]和其他濾波形式。

4 藍莓圖像分割試驗

4.1 不同顏色空間的分割試驗

利用神經(jīng)網(wǎng)絡(luò)模型分別在不同顏色空間下進行分割試驗，分別在RGB顏色空間、HSI顏色空間以及Lab顏色空間進行。通過測試結(jié)果比較，該研究中顏色空間都選擇Lab顏色空間，圖3所示為針對同一圖像進行分割的效果比較。

5 結(jié)論

該研究首先確定了先識別藍莓植株、再定位熟果的識別策略；然后研究了藍莓圖像分割去噪、濾波、二值化等具體方法；最后利用顏色信息和邊緣信息識別、分割藍莓植株和藍莓熟果，得到藍莓植株相對尺寸和熟果的相對面積，并建立藍莓采摘中心的算法模型，可為選擇采摘機采摘參數(shù)提供依據(jù)。

參考文獻

[1]徐國保，尹怡欣，謝仕義.基于改進偽中值濾波器的道路圖像濾波算法[J].計算機應(yīng)用研究，2011，28（6）：2395-2397.

[2] 滿玉春，張忠玉，李銳鋼，等.移相數(shù)字莫爾條紋圖像濾波方法的研究[J].激光與光電子學(xué)進展，2011（5）：69-73.

[3] 姚芮芮，郭紅衛(wèi).自適應(yīng)條紋圖像濾波方法[J].上海大學(xué)學(xué)報：自然科學(xué)版， 2010（2）：120-124.

[4] 高磊，張劍.一種基于Wiener濾波的數(shù)字X線圖像濾波方法研究[J].醫(yī)療衛(wèi)生裝備，2010（4）：142-143.

[5] 張安發(fā).基于雙正交小波域的SAR圖像濾波方法[J].通信技術(shù)，2010，43（8）：192-194.

[6] SINHA D.Dougherty morphology [J].Computer Visual Communication and Image Processing，1986，35（1）：623-632.

[7] KOSKINEN L，ASTOLA J，NEUVO Y.Soft morphological filters[J].Proc SPIE Int Socity of Optical Engineering，1991，1568：262-270.

[8] 劉志敏，楊杰.基于數(shù)學(xué)形態(tài)學(xué)的圖像形態(tài)濾波[J].電子科技大學(xué)學(xué)報，2004，33（4）：391-394.

[9] 蔡漢添.小波變換域中圖像噪聲平滑技術(shù)[J].光學(xué)技術(shù)，1998（6）：6-9.

[10] 韓非. 藍莓采摘機器人視覺識別與標(biāo)定技術(shù)研究[D].哈爾濱：東北林業(yè)大學(xué)，2011.

[11] 張海一，白晶.基于圖像處理的小波濾波方法研究[J].科技信息，2009（7）：453-454.

[12] FAN G L，XIA X G.Improved hidden Markov modelsin the wavelet domain[J] .IEEE Trans on Signal processing， 2001， 49（1）：115-120.

[13] 梁亦強，李正明，孫俊. 一種新小波圖像降噪方法在農(nóng)業(yè)采摘中的應(yīng)用[J]. 安徽農(nóng)業(yè)科學(xué)， 2010（4）：2063-2065.

[14] 余農(nóng)，李吉成.圖像濾波的形態(tài)學(xué)開閉型神經(jīng)網(wǎng)絡(luò)算法[J].電子信息學(xué)報，2005，41（2）：1220-1224.

[15] 宋寅卯，李曉娟，劉磊. 基于神經(jīng)網(wǎng)絡(luò)噪聲檢測的自適應(yīng)中值濾波器[J].電視技術(shù)，2011（5）：39-41.

[16]

GARNETT R，HUGGERICH T，CHUI C，et al. A universal noise removal algorithm with an impulse detector[J].IEEE Transactions on Image Processing， 2005，14（11）：1747-1754 .

[17] 趙春暉.層疊濾波器的研究進展與分析[J].電子測量與儀器學(xué)報，2009（5）：1-10.

[18] 馬義德，張在峰，張祥光.基于全方位結(jié)構(gòu)元層疊濾波的混合濾波器[J].甘肅科學(xué)學(xué)報， 2002，14（2）：56-60.

[19] 史明霞，陶林波，沈建京.自適應(yīng)遺傳算法的改進與應(yīng)用[J].微計算機應(yīng)用，2006（4）：405-408.

[20] 金煒東，張葛祥，趙舵. Satisfactory optimization design of IIR digital filters[J]. Journal of Southwest Jiaotong University， 2005（1）：23-27.