陳雪鑫 卜慶凱

摘要： 為提高水果種類識(shí)別的準(zhǔn)確性，本文提出一種基于多顏色特征和紋理特征的水果識(shí)別算法。該研究選擇不同種類的水果圖像作為實(shí)驗(yàn)測(cè)試樣本，使用最大類間方差法Otsu分割圖像，得到水果圖像的目標(biāo)區(qū)域，分別對(duì)目標(biāo)區(qū)域進(jìn)行紅、綠、藍(lán)（RGB）顏色模型和色調(diào)、飽和度、明度（HSV）顏色模型的直方圖分析，采用顏色矩算法和非均勻量化算法對(duì)RGB模型和HSV模型提取特征，利用局部二值模式（local binary patterns，LBP）對(duì)目標(biāo)區(qū)域提取局部紋理特征，對(duì)顏色和紋理特征向量進(jìn)行優(yōu)化組合，結(jié)合基于梯度下降算法的BP神經(jīng)網(wǎng)絡(luò)對(duì)測(cè)試樣本進(jìn)行訓(xùn)練分類。針對(duì)輸入層輸入不同特征分別進(jìn)行實(shí)驗(yàn)并比較，得到基于不同特征的水果識(shí)別率。研究結(jié)果表明，本算法分類識(shí)別率可達(dá)90%以上，高于單一特征算法識(shí)別率。該研究具有一定的實(shí)際應(yīng)用價(jià)值。

關(guān)鍵詞： 圖像處理; 局部二進(jìn)制模式; 顏色空間; 神經(jīng)網(wǎng)絡(luò)

中圖分類號(hào)： TP391.4; TP183? 文獻(xiàn)標(biāo)識(shí)碼： A

我國(guó)水果種類繁多，生產(chǎn)總量占世界總產(chǎn)量的18%左右，如此高的產(chǎn)量對(duì)水果分類帶來(lái)較大壓力。使用傳統(tǒng)人工方式進(jìn)行檢測(cè)和分類，存在效率低、周期長(zhǎng)、識(shí)別率不準(zhǔn)確、消耗大量勞動(dòng)力等問(wèn)題。近年來(lái)，許多學(xué)者利用數(shù)字圖像識(shí)別方法，對(duì)水果分類問(wèn)題進(jìn)行研究。數(shù)字圖像識(shí)別技術(shù)一般是檢測(cè)提取圖像各部位的固有屬性，包括顏色、形狀及紋理特征等[1]，然后利用分類器訓(xùn)練，進(jìn)行識(shí)別分類。呂秋霞等人[23]利用神經(jīng)網(wǎng)絡(luò)結(jié)合多特征的提取，實(shí)現(xiàn)了水果的良好分類;趙玲等人[4]利用HIS顏色模型識(shí)別草莓成熟度，實(shí)驗(yàn)正確率達(dá)90%，但是單一的特征不足以充分顯示完整信息，會(huì)造成一定誤差;王履程等人[5]提取枸杞色澤、大小及形狀等參數(shù)，使用最小距離分類器對(duì)枸杞進(jìn)行分類，特征參數(shù)詳盡，但耗時(shí)較長(zhǎng)。而利用灰度共生矩陣和小波描述子分析方法[6]對(duì)圖像提取紋理特征，易造成圖像顏色信息的丟失，導(dǎo)致識(shí)別不準(zhǔn)確?；诖?，本文提出一種基于多顏色和局部紋理特征的水果分類識(shí)別算法。分析并提取RGB空間下各顏色分量的特征信息，對(duì)HSV顏色空間模型各通道分量進(jìn)行非均勻量化，提取特征信息，極大程度保留圖像的顏色信息，使特征冗余降低。同時(shí)使用LBP算子，提取目標(biāo)體的局部紋理特征信息，在BP神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上，對(duì)提取的顏色特征和紋理特征進(jìn)行訓(xùn)練識(shí)別。該研究對(duì)水果種類的檢測(cè)和分類具有重要意義。