劉 坤，費樹岷，汪木蘭

（1.東南大學(xué) 自動控制學(xué)院，南京 210013；2.南京工程學(xué)院 自動化學(xué)院，南京 211112）

0 引言

我國作為世界主要產(chǎn)棉大國之一，而棉花的收獲幾乎完全依靠人工。自1996年起，我國已進入國家級棉花采摘收獲機的研究，并將大型自走式采棉機的研制列入國家科技部重點科技攻關(guān)項目。但直到目前為止，其產(chǎn)業(yè)化效果并不理想。在保持現(xiàn)有棉花基本品種和種植體系的情況下，跳出傳統(tǒng)的收獲工藝、擺脫化學(xué)干擾素對棉花自然生長的影響，開展基于機器視覺的智能化采棉關(guān)鍵技術(shù)的研究便成為解決這一問題的方案之一。在棉花采摘機器人視覺系統(tǒng)中，棉桃的準確分割是其中的關(guān)鍵環(huán)節(jié)，能否快速準確地分割出棉桃，直接影響機器人對棉花識別的準確性。王勇等基于RGB空間下的色差信息模型實現(xiàn)了成熟棉桃的分割、識別，其識別效率均在85%左右，而對棉桃遮擋及重疊等問題均為涉及[1～3]。

要解決棉花成熟度和其空間位置的識別問題必須對棉花圖像進行分割。而在此之前必須先確定作為后續(xù)研究用的顏色模型空間，即采用何種模型空間的問題。隨后要確定所采集圖像的分割方式或方法。顏色是光譜中可視頻段進入視覺系統(tǒng)的感知結(jié)果。要對顏色進行規(guī)范化描述和度量，就必須建立一個表示三維屬性及各參量之間關(guān)系的色彩系統(tǒng)，即顏色空間。采用基于彩色圖像分割方法識別工作目標時，首先需要定義目標的顏色，這就涉及到如何選擇合適的顏色空間問題。目前常用的顏色空間有RGB、YUV、HSV和CMY等。選擇不同的顏色空間將會直接影響到今后的圖像分割和目標識別的效果、精度以及運算量。

1 顏色空間選擇

研究選用了HSV空間進行分析。這個模型的建立基于兩個重要的事實：第一，V分量與圖像的彩色信息無關(guān)；第二，H和S分量與人感受顏色的方式是緊密相連的。應(yīng)用HSV模型建立的對應(yīng)于圓柱坐標系的一個圓錐形子集中圓錐的頂面對應(yīng)于V=1，代表的顏色較亮；色調(diào)H由繞V軸的旋轉(zhuǎn)角給定，紅色對應(yīng)于角度0°，綠色對應(yīng)于角度120°，每一種顏色和它的補色相差180°；圓錐頂面中心處S=0、V=1、H無定義，代表白色，頂面中心到原點代表亮度漸暗的白色，即不同灰度的白色。

2 圖像采集及預(yù)處理

采用從江蘇省農(nóng)科院棉花試驗場實地拍攝的棉花圖像棉花為魯棉15號，利用數(shù)碼相機在自然條件下采集。用PC機對圖像進行處理，計算機配置奔騰4 CPU2.8GHz、512MB內(nèi)存、Windows XP操作系統(tǒng)。每幅圖像為24位真色彩，其每一個像素的顏色值以R（紅）、G（綠）、B（藍）格式存儲。

研究針對100幅棉花圖像進行了統(tǒng)計處理，并在每幅圖像中分別對棉花花絮、棉莢、棉葉和枝干各處隨機選取了20個像素點，分別統(tǒng)計它們的H、S和V值，結(jié)果發(fā)現(xiàn)棉花的S值均遠遠小于枝葉、棉莢和背景土壤的S值，此時運用閾值分割法是可行的。

通過對原始圖像進行中值濾波，去除圖像采集時可能帶入的隨機噪聲，保護圖像的邊緣，并將去噪后的圖像進行色彩空間變換，提取圖像S通道，再進一步做灰度拉伸，以對圖像的邊緣、輪廓和對比度等進行強調(diào)，以便于后續(xù)處理。S通道棉花圖像預(yù)處理過程如圖1所示。

本項目研究采用了一種自適應(yīng)的閾值選取方法，其算法如下：

1) 選取初始閾值T作為圖像強度的均值；

2) 利用該閾值將圖像分成兩組，R1和R2；

3) 分別計算它們的均值t1和t2；

4) 選取新的閾值T=(t1+t2)/2。

棉花圖像分割過程如圖2所示。

圖1 S通道棉花圖像預(yù)處理過程

圖2 棉花圖像的分割過程

3 棉花圖像的快速多尺度邊緣檢測

通過檢測二維小波變換的模極大點可以確定棉花圖像的邊緣點。由于小波變換在各尺度上都提供了圖像的邊緣信息，所以稱為多尺度邊緣。小波變換能夠把圖像分解成多種尺度成分，并對大小不同的尺度成分采用相應(yīng)的時域和空域取樣步長，從而能夠不斷地聚焦到對象的任意微小細節(jié)。通常，沿邊緣走向的幅度變化平緩，垂直于邊緣走向的幅度變化劇烈。邊緣點的Lipschitz正則性取決于尺度細化過程中模極大的衰減速度。針對采棉機器人的實時性要求，為了加快邊緣提取速度，本文提出一種快速多尺度邊緣檢測算法來提取棉桃邊緣。

3.1 快速多尺度邊緣檢測算法

在二維情況下，邊緣檢測算法通過計算圖像信號f(x,y)的梯度矢量

的模的局部極大值來尋找圖像邊緣的空間位置。梯度矢量的方向指出了圖像灰度值變換最快的方向。

為了計算圖像信號的兩個偏導(dǎo)數(shù)，需要兩個有方向性的二維小波，傳統(tǒng)的圖像多尺度邊緣檢測中二維小波函數(shù)分別是二維平滑函數(shù)θ(x,y)的偏導(dǎo)數(shù)

θ(x,y)在x-y平面的積分為1，且很快地收斂到0。

本文將邊緣檢測的二維二進小波設(shè)計為一維二進小波的可分積。它們的傅里葉變換為

式中Φ (ω)是一個低通濾波器，而

是一個高通數(shù)字濾波器。

為了能用濾波器快速實現(xiàn)二維離散二進小波變換，假定尺度函數(shù)滿足如下二尺度方程

選擇尺度函數(shù)為m次樣條，即

對二進小波變換在所有尺度時都均勻采樣，假定采樣間隔等于1，則離散小波系數(shù)為

定義原始圖像信號為

j＞=0時的平滑圖像信號為

那么二維離散二進小波變換的算法表示為如下離散卷積形式

也就是說aj+1是aj沿橫向和縱向低通濾波的結(jié)果，而是aj沿橫向高通濾波的結(jié)果，是aj沿著縱向高通濾波的結(jié)果。

3.2 邊緣檢測結(jié)果

圖3 棉花多尺度邊緣檢測

依據(jù)上述算法，仿真程序運行結(jié)果如圖3所示。圖中依次給出了第1級、第2級和第3級小波變換的模，由仿真圖像可以看出第1級小波變換模顯示出圖像的邊緣和紋理，第2，3級小波變換則主要顯示出圖像的邊緣，平滑掉了圖像細致的紋理結(jié)構(gòu)。

4 結(jié)論

本文基于了HSV彩色模型，棉桃、棉枝及棉葉的H、S、V顏色分量均值，提出一種基于S分量的棉花分割方法。并對分割后的圖像采用數(shù)學(xué)形態(tài)學(xué)方法進行去躁，然后結(jié)合了基本灰度圖像和邊緣圖像的二進小波檢測方法的優(yōu)點，提出了一種基于小波變換的快速檢測算法，它既克服了直接從灰度圖像中提取所帶來的算法復(fù)雜、耗時長的缺點，又克服了一般的邊緣算法所帶來的噪聲敏感問題，從而使誤判率降低。提高了采棉機器人的識別精度和速度。

[1] Kenneth R Castleman digital image processing [M],Beijing, Prentice Hall, 2000.

[2] M ilan Sonka, V aclav H lavac, Roger Boyle.艾海舟, 武勃,等, 譯.圖像處理、分析與機器視覺[M].第2版.北京:人民郵電出版社, 2003.

[3] Rafael C Gonzalez, R ichard EWoods.阮秋琦, 阮宇智, 等,譯.數(shù)字圖像處理[M]. 北京: 電子工業(yè)出版社, 2004.

[4] 王勇, 沈明霞, 姬長英.采棉期成熟棉花不同部位顏色識別分析[J].農(nóng)業(yè)工程學(xué)報, 2007, 23(4): 183-185.

[5] Jiqiang Song, Michael R.Lyu, A Hough transform based line recognition method utilizing both parameter space and image space[J].Patten Recognition, 2005 (38): 539-552.

[6] M.Rizon, H Yazid, P Saad, A comparison of circular object detection using Hough transform and chord intersection[J].Geometric Modeling and imaging[2007.GMAI’ 07.4-6,115-120.

[7] Pui Kin Ser, Wan Chi Siu, A new generalized Hough transform for the detection of irregular objects[J].Journal of Visual Communication and Image Representation,1995(6): 256-264.

[8] E Kavallieratou, N Fakotakis, G Kokkinakis, Skew angle estimation for printed and handwritten documents using the Wigner-ville distribution[J].Image Vision Comput,2002(20): 813-824.

[9] U.Pal, B.B.Chaudhuri, An improved document skew angle estimation technique[J].Pattern Recognition Lett,1996(17): 899–904.