10.3969/j.issn.1001-3695.2017.08.070
基于显著性轮廓的苹果目标识别方法
正确地将苹果从图像中识别出来是苹果采摘机器人实现自动采摘的前提,在对该问题研究的基础上,提出一种基于显著性轮廓的苹果目标识别方法.利用K-means无监督聚类算法将图像分割为背景和目标区域;由于光照等因素,目标区域内部存在大面积空洞,引入ASIFT特征,将完整的目标与存在空洞的目标进行特征匹配记录与空洞相对应的特征,由这些特征恢复成像素填补空洞;在基于区域的基础上,采用gPb轮廓检测器进行轮廓检测,生成较长、较明显的灰度轮廓图像;通过动态阈值Otsu法对灰度轮廓图像进行自动阈值处理,去除目标周围大量的边缘噪声,确定连续的显著性轮廓,完整地提取目标轮廓.实验结果表明,该方法具有更好的准确性与鲁棒性,对苹果目标的正确识别率在98%以上.
图像分割、苹果、轮廓检测、动态阈值、识别
34
TP391.7(计算技术、计算机技术)
国家自然科学基金资助项目51307010;江苏省自然科学青年基金资助项目BK20140265,BK20140266;常州市科技计划资助项目CJ20160010
2017-08-16(万方平台首次上网日期,不代表论文的发表时间)
共6页
2551-2556