（农产品加工及贮藏工程专业论文）基于计算机视觉的稻谷品种识别及图像数据库检索.pdf

扛苏大学硕士毕业论文 摘要 稻谷是我国的一种主要粮食。其品种繁多，若都以实物形式保存，品质必然 会随时间发生变化，其作为标准的意义和可信程度都会下降。本文以稻谷种子为 研究对象，基于计算机视觉技术，研究了稻谷的品种识别技术以及稻种图像数据 库的检索技术，初步建立了稻谷品种图像数据库系统。 本研究的内容主要分三大部分：稻谷的外观特征提取、稻谷的品种识别和稻 谷的图像检索。在稻谷的外观特征提取时，采用了基于饱和度的最大方差自动取 阈法对图像进行分割，此方法不仅将图像中稻谷提取出来，而且能去除背景中的 阴影；运用数学形态学对二值图像进行噪声去除，并且平滑了图像中稻谷的边缘， 为稻谷的形状特征提取提供了方便；利用f r e e m a n 链码技术跟踪图像中稻谷的边 缘并对多个稻谷进行标记，一次性提取多粒稻谷形状特征，提高了稻谷形状特征 的提取速度。在提取稻谷颜色特征时，采用了r g b 、h i s 和o h t a 多个颜色系统， 提取了稻谷的色调、饱和度、亮度、1 2 和1 3 等颜色特征值。在稻谷品种的识别中， 分别采用了贝叶斯判别法和b p 人工神经网络方法，取得了较理想的效果。在图 像数据库检索中，针对稻谷本身的特征，提出了将颜色特征和形状特征结合起来 进行基于内容的稻谷品种图像数据库检索。在检索中，提出将模式识别技术和相 似度检索技术结合进行检索的新方法，既模拟了人工视觉检索过程，又大大提高 了效率，具有较高的检出率。 本研究自行开发了套应用软件，可以用于稻谷图像特征提取和品种识别， 并且建立了稻谷品种图像数据库系统，用于稻谷品种查询，功能齐全，界面友好。 关键词：稻谷，计算机视觉，b p 人工神经网络，贝叶斯判别，图像检索 江苏大学硕士毕业论文 a b s t r a e t r i c ei so n eo f t h em a i nf o o dp r o d u c t si no l l rc o u n t r y i tp l a y s8 - qi m p o r t a n tr o l ei n o u rn a t i o n a le c o n o m y t h ev a r i e t i e so f t h er i c ea r et o om a n yt ob ek e p ta l li ne n t i t y i n t h i sd i s s e r t a t i o n ，i d e n t i f i c a t i o no fr i c ev a r i e t i e sa n dc o n t e n t - b a s e di m a g er e t r i e v a lo f d e ev a r i e t i e sh a v e b e e ns t u d i e du s i n gc o m p u t e rv i s i o n t e c h n o l o g y , t a k i n gr i c e v a r i e t i e sa ss t u d yo b j e c t a n dt h ei m a g ed a t a b a s eo fr i c ev a r i e t i e sh a v eb e e n e s t a b l i s h e dp r i m a r y t h er e s e a r c hi sc o m p o s e do ft h r e ep a r t s ：t h ee x t r a c t i o no f a p p e a r a n c ef e a t u r e so f r i c ek e r n e l ，t h ei d e n t i f i c a t i o no fr i c ev a r i e t i e sa n di m a g er e t r i e v a lo fr i c ev a r i e t i e s a n a u t o m a t e dm o s t - v a r i a n c em e t h o db a s e do ns a t u r a t i o nw a s p r e s e n t e dt oe x t r a c t i o no f a p p e a r a n c ef e a t u r e so fr i c ek e r n e l t h i sm e t h o dc a nw i p eo f ft h eb a c k g r o u n da n d s h a d o we f f e c t i v e l y w i t ht h ek n o w l e d g eo fm a t hm o r p h o l o g y , t h en o i s eo fb i n a r y i m a g eh a sb e e nr e d u c e da n de d g eo ft h er i c ek e r n e lh a sb e e ns m o o t h e d u s i n g f r e e m a nc h a i nm e t h o d ，t h ei n f o r m a t i o no ft h er i c ee d g ea n dt h en u m b e ro fr i c ei n i m a g eh a sb e e no b t a i n e d t h er g bc o l o rs y s t e m ，h i sc o l o rs y s t e ma n do h mc o l o r s y s t e mh a v eb e e nu s e da n dt h er e l e v a n tc o l o rf e a t u r e sh a v eb e e no b t a i n e d i nt h e i d e n t i f i c a t i o no f t h er i c ev a r i e t i e s ，b a y e sd i s c r i m i n a t i o na n db pn e u r a ln e t w o r kh a v eb e e n s t u d i e da n di d e n t i f i c a t i o nr e s u l ti sg o o d t h i sp a p e rp r e s e n t san e wa l g o r i t h mo f c o n t e n t - b a s e di m a g er e t r i e v a lc o m b i n i n gc o l o rf e a t u r e sa n ds h a p ef e a t u r e so fr i c e i m a g e s p a t t e r nr e c o g n i t i o nt e c h n i q u ea n dt h es i m i l a r i t yr e t r i e v a lt e c h n i q u ew e r e c o m b i n e di ni m a g er e t r i e v a l t h ee x p e r i m e n tr e s u rs h o w e dt h a tt h em e t h o dc o u l d g r e a t l yi m p r o v er e t r i e v a le f f i c i e n c y , t h er e s e a r c hh a s d e v e l o p e d as o f t w a r e s y s t e m ，i n c l u d i n gr i c e v a r i e t i e s r e c o g n i t i o na n dr i c ev a r i e t i e si m a g ed a t a b a s e i t si n t e r f a c ei sf r i e n d l ya n df u n c t i o n s f i r ep o w e r f u l k e y w o r d s ：r i c e ，c o m p u t ev i s i o n ，b pn e u r a ln e t w o r k ，b a y e sd i s c r i m i n a t i o n 。 i m a g er e t r i e v a l i l 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并 向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授 权江苏大学可以将本学位论文的全部内容或中英文摘要编入有关数据库进行检索，可 以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 本学位论文属于 保密囱，在生年解密后适用本授权书。 不保密口。 学位论文作者签名 乃纠 2 0 0 4 年占月曙日 器铆签名么镬劣象 2 0 0 4 年c f 月秽罔 3 r l l 0 1 6 0 8 9 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行 研究工作所取得的成果。除文中已注明引用的内容以外，本论文不包含 任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出 重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到 本声明的法律结果由本人承担。 学位论文作者签名；名纠 日期：2 0 0 4 年f 月r 3 日 扛苏大学硕士毕业论文 1 1 研究的目的和意义 第一章绪论 稻谷，俗名“稻子”，属禾本谷物类籽粒粮食，是世界上最重要的粮食作物之 r 一。稻谷早期在非洲和亚洲种植，现在在各大洲都有种植。亚洲是世界上重要的 稻米高产区。其中，中国和印度是世界上的稻谷生产大国。中国的稻谷产量占全 球的百分之三十多，为世界之冠。根据联合国粮农组织发布的统计数据资料1 3 3 】显 示，在2 0 0 0 年和2 0 0 1 年，世界稻谷播种面积分别为1 5 3 4 5 8 千公顷和1 5 2 0 4 2 千公顷，产量分别为3 8 6 3 公斤公顷和3 8 5 2 公斤公顷，总产量分别为5 9 2 8 7 3 千吨和5 8 5 5 9 3 千吨；我国的稻谷播种面积分别为2 9 8 5 7 千公顷和2 8 5 8 7 千公顷， 产量分别为6 2 4 1 公斤公顷和6 3 5 0 公斤公顷，总产量分别为1 9 0 3 8 9 千吨和 1 8 1 5 1 5 千吨，分别占世界总产量的3 2 1 和3 1 0 。从以上资料可以看出我国的 稻谷在世界上占着重要的地位。 稻谷主要是加工成大米给人食用。2 0 世纪9 0 年代，随着世界人口的增加和 世界经济的发展，全世界对稻米消费的大幅度增长使得世界稻米贸易迅速扩大。 中国已经加入了世界贸易组织，这给中国稻米产业发展带来了机遇，但也迎来了 严峻的挑战。要抓住机遇，使中国稻米在国际贸易中的地位得到巩固和发展，无 论从观念上还是措施上都需要进行创新。引入科技成分来保证稻谷质量水平是其 竞争的关键。因此，提高稻谷品种的质量管理水平和改善质量控制手段是一项重 要的工作。 随着稻谷品种的不断改进和市场经济的发展，为了保证稻谷品种的质量，经 国家标准局批准，国家粮食储备局和中华人民共和国农业部于1 9 9 9 年提出了国 标g b l 3 5 0 - 1 9 9 9 ，代替了g b l 3 5 0 - 1 9 8 6 。标准规定了稻谷的有关定义、分类、质 量要求和检验方法等，具体情况请参见附录a 。 现在我国判别稻谷品种的方法是根据稻谷品种样本的外观特征，依靠人工感 官判断。其中有些指标还是定性的描述，因此判断尺度就更加难以把握。同时在 人工主观判断时，外界条件和个人的经验等因素对稻谷品种的判断都会产生极大 的影响。根据中国水稻研究所的资料显示，中国水稻品种繁多，已逾五万多份。 江苏大学硕士毕业论文 若长期以实物形式保存，品质必然会逐步发生变化，其作为标准的意义和可信程 度都会下降。而且我国地域辽阔，品种分布广泛，保管这些大量的实样要占据大 量的空间和耗费很多劳动力。若仅依靠人工来完成这项工作，不仅工作量巨大、 耗时长久，而且由于光照条件、颜色辨别力、视力和疲劳程度的影响，很难保证 入库数据的客观性和相对一致性。基于以上原因，建立一个稻谷品种识别和图像 数据库系统是十分必要和迫切的。 建立稻谷品种识别和图像数据库系统将有助于实现稻谷品种识别的定量标准 化和一致性，可以节约大量的人力和物力，方便鉴定人员的培训工作，可以给稻 谷品种质量的控制和改良提供科学的依据。同时在提高我国农产品质量检测水 平，增强农产品国际竞争能力，缩小与发达国家在这方面的差距，促进我国农业 科技进步中起到积极作用。并且稻谷品种图像数据库的研究还为农业工程中的其 它农产品建立图像数据库打下基础、提供便利。 1 2 国内外现状 计算机视觉又称机器视觉，是用计算机实现人的视觉功能，对客观世界的三 维场景的感知、识别和理解。它是多学科的交叉和结合，涉及到数学、光学、计 算机和信号处理等诸多学科。计算机视觉技术目前广泛应用于生物医学、遥感航 天、工业和军事公安等各个领域并取得了重大的成果。 随着计算机视觉技术的深入发展，其在农业自动化应用的研究也相继发展起 来。涉及领域包括作物种子资源检测、农产品自动化收获和农产品品质鉴定等方 面。在国外，日本、美国等发达国家从2 0 世纪7 0 年代开始在农业计算机视觉方 面进行了初步探索，到现在已经进入深入研究阶段。其中，s a r k a r n 和r r w o l t t s l 利用数字图像分析和模式识别技术研究了一种用于新鲜市售西红柿的定向和根 据尺寸、形状、颜色和表面缺陷分类的特殊算法，提出了利用计算西红柿的8 邻域链码边界的曲率来描述西红柿的形状；z h a n g s h u h a i ，t a k a h a s h i - t 等【l 利用 一种算法对苹果树的原始图像进行滤波和边界提取，通过计算来确定与图形形状 相关的苹果轮廓线来实现对苹果的识别，并通过模式识别来实现对苹果的检测、 定位，进而可以自动采摘苹果；y c h t i o u i ，s p a n i g r a h i ，l e b a c k e r 等【1 1 通过计算机 视觉技术从蚕豆彩色图像中提取的3 5 个特征参数进行分类，提出用两种不同的 2 扛苏大学硕士毕业论文 离散方法来区分合格、破损、过小，异类蚕豆，进而来评价蚕豆品质，模拟实验 的分类结果与判别分析统计分类结果相比有较好的一致度。在国内，农业计算机 视觉的应用起步比较晚，江苏大学的方如明教授在1 9 9 0 年开始了利用计算机视 觉技术进行农产品品质检测的研究 1 8 1 。目前有江苏大学、中国农业大学、浙江 大学和西北农林科技大学等单位进行了研究。其中，龙满生、何东健等1 3 0 利用 计算机视觉技术和人工神经网络技术，建立了以果实形状、颜色和缺陷为判别依 据的苹果外观品质综合分级系统；张书慧、陈晓光等1 4 8 l 用计算机视觉技术设计 了苹果、桃等品质检测与分级图像处理系统，实现对农副产品品质( 表面颜色、形 状、缺陷) 的准确分级。使用该系统，对1 0 0 个富士苹果进行质量分级检测，优等果 准确率达到9 6 ：王红永和曹其新等【3 7 1 基于计算机图像处理技术和神经网络理 论开发了一种适用于长型瓜果的判别系统，该系统通过对各对象标准样本的学习 即可实现对学习过的长型瓜果的等级判别，试验结果表明，开发的系统对黄瓜等级 判别的准确率在9 6 以上，而且操作方便。 关于计算机视觉技术在农作物种子领域的应用的研究相对比较少。在国外， z a y a s 等1 9 j 使用计算机视觉系统从小麦图片中提取长度、宽度、周长等形状特征 参数，并应用这些特征区分小麦与非小麦成分；k l i a o 等1 5 l 从玉米的二值化图像 中简化出一维数字信号来描述玉米外形，并建立人工神经网络分类器来区分破损 玉米和完整玉米。在国内，江苏大学的黄星奕、吴守一等瞄i 通过对胚芽米的颜 色特性和彩色图像分析，利用饱和度实现了大米留胚率的计算机视觉自动检测； 安徽农业大学的张弓等l m j 利用灰度共生矩阵和分形模型提取纹理特征对小麦、 大麦和燕麦3 种谷物进行识别。 虽然国内外已经开始用计算机视觉技术对农作物种子进行研究，但大部分是 只是停留在识别与检测阶段，没有系统地建立图像数据库对农作物种子进行管 理。图像数据库是数据库技术和图像处理技术相结合的产物，是多媒体数据库的 一种，它存储的是与图像有关联的数据集合( 包括图像的特征，图像内某一对象 的意义，图像之间的逻辑关系等) ，并对它们进行有效的管理，以保证数据的一 致性、完整性，从而支持诸如检索等各种具体应用。近年来，随着图像获取手段 和处理方法的发展，图像数据库广泛应用于多媒体图书馆、卫星遥感图像、罪犯 识别系统、商标版权的管理和医用图像档案等各个领域。在图像数据库研究方向， 扛苏大学硕士毕业论文 索引方面是重要的一项。除了传统的基于关键词和描述性文字的检索以外，当今 居于主流的基于内容的图像检索由于还有许多技术闯题要解决，仍然是研究的热 点。基于内容的图像检索【2 j 技术依靠计算机自动提取图像特征和编制特征索引， 检索是依据用户输入的图像某一特征( 例如绘制的草图、轮廓图或调用的相似图 像) 自动比较特征索引库中的对应特征信息，将最佳匹配结果和相关信息输出。 国外近年来对基于内容的图像检索研究比较多，迄今已有许多图像检索系统 面世。第一个商品化的基于内容的图像检索系统是i b m 的q b i c ( q u e r yb yi m a g e c o n t e n t ) 1 6 1 ，它支持基于例子图像、用户构造的略图。选择的颜色、纹理等的 查询。美国i l l i n o i s 大学u r b a n a c h a m p a i g n 分校开发的m a r s 系统，涉及到了 计算机视觉、数据库管理系统和信息检索多个领域。哥伦比亚大学开发的 v i s u a l s e e k l 3 j 系统，主要研究图像区域的空间关系查询和从压缩域中提取视觉特 性。国内的研究比较晚，应用方面比较少，但是发展迅速。目前有清华大学研制 的i n t e r n e t 上静态图像的基于内容检索的图像系统伫3 l ，研究目标是在i n t e r n e t 环境下，通过友好的人机界面( 以j a v a 语言实现人机交互) ，以颜色、纹理等图 像特征或样本图像进行基于内容的图像检索。还有浙江大学的基于图像颜色的检 索系统p h o t on a v i g a t o r 以及基于图像形状的检索系统p h o t o e n g i n e 【5 ”，前者采 用颜色聚类算法，提取了一种有效的支持颜色近视匹配的方法，后者提出了基于 内角的表征方法和狭长度计算，以及一种快速有效的匹配算法。 目前国内外还没有发现利用计算机视觉技术对稻谷品种进行识别，关于建立 稻谷品种图像数据库的报道更是没有见到。 1 3 研究的主要内容及任务 1 3 1 研究的主要内容 本课题以稻谷种子为研究对象，改变国内外现行的人工感官评定粮食作物种 子的方法，用计算机视觉代替人眼对稻种的多项重要外观特征进行定量分析，建 立外观特征和品种的相关关系，为农作物种子品种的定量识别打下基础。本研究 初步建立稻谷品种图像数据库检索系统，探索高效率的基于内容的图像检索技 术。研究内容涉及到计算机图像处理技术、模式识别技术和数据库技术三个知识 江苏大学硕士毕业论文 领域。研究流程如图1 1 所示。 图1 1基于计算机视觉的稻谷品种识别及图像数据库检索流程 1 3 2 研究的主要任务 本研究要完成的任务主要有以下几点： 1 利用计算机数字图像处理技术，寻找并提取稻谷图像的有效特征。 2 利用模式识别技术，研究区别稻谷品种的识别方法。 3 综合图像数据库和基于内容的检索技术，初步建立稻谷的品种图像数据 库，探索稻谷品种检索的高效检索技术。 1 4 本章小结 1 介绍了研究的目的和意义 2 分析了国内外现状 3 明确了研究的主要内容及任务 江苏大学硕士毕业论文 第二章稻谷品种识别及图像数据库系统的组成 2 1 研究对象 本课题以稻谷种子为研究对象，其样本来自江西、浙江和江苏三个省份，有 籼米和粳米两类。由于稻谷品种繁多，收集稻种工作比较困难，而且全国稻种管 理分散，所以能得到标准的完整的稻种就更加困难了。这里选取了一些具有代表 性的稻种来研究，总共有1 9 个品种，具体情况如表2 1 所示。 表2 1 稻谷品种样本 ：用于稻谷品种识别和建立稻谷品种图像数据库 b ：用于作为未知名品种检验稻谷品种图像数据库的检索性能 2 2 硬件系统 本研究建立的稻谷品种识别和图像数据库系统由硬件系统和软件系统两大 6 江苏大学硕士毕业论文 部分组成。硬件系统完成的主要功能是对稻种样本图像的采集、保存、处理及输 出。其主要组成如图2 1 所示。 图2 1 稻谷品种识别及图像数据库硬件系统 硬件组成如下： 1 扫描仪：扫描仪是由光机构、控制电路，感测器传动机构以及软件技术组合 而成的产品。扫描图像过程就是扫描源通过扫描材料，在经一组镜面 反射到电荷耦合器件( c h a r g ec o u p l e dd e v i c e ，c c d ) ，由c c d 转换产 生图像数据，然后传输给计算机主机。本研究用的扫描仪是a c e r 公司的产品，型号为s 2 w3 3 0 0 u ，扫描精度为3 0 0 d p i 。 2 微型计算机：赛扬1 7 g 、1 2 8 m 内存、6 4 m 显存的显卡。计算机接收扫描仪 得到的数据并进行处理操作，提供人机交互操作环境。 3 打印机：作为终端输出设备，可以输出数据、图像及其分析文件。 2 3 软件系统 2 3 1 软件系统的组成 该软件系统按模块功能由三部分组成：稻谷图像处理系统、稻谷品种识别系 统和稻谷图像数据库检索系统，为了实现一致性和实用性，本研究将三个系统组 合成一个软件系统。该软件系统采用面向对象的方法开发，在m i c r o s o f t 公司的 s l l a lc + + 6 0 编译器下编译通过。系统运行环境为中文w i n d o w s 9 8 或 w i n d o w s 2 0 0 0 ，要求用p c 5 8 6 以上的兼容计算机。其部分界面图2 2 和图2 3 所示。 7 扛苏大学硕士毕业论文 图2 2 计算机稻谷图像处理模块界面 图2 3 稻谷品种图像数据库模块界面 b 江苏大学硕士毕业论文 2 3 2 软件系统的模块功能 该软件系统主要由三大模块组成：稻谷图像处理模块、稻谷品种识别模块、 稻谷图像数据库模块。各模块及其实现功能介绍如下： 1 稻谷图像处理模块：此模块主要完成对稻谷种子进行图像读取、图像 分析、图像处理，并得到和保存稻种特征值数据 的功能。 2 稻谷品种识别模块：此模块主要完成对稻谷进行品种识别的功能。在 本研究中共用了两种识别方法对稻谷品种进行 识别：( 1 ) b p 神经网络( 2 ) 贝叶斯判别。 3 稻谷图像数据库模块：此模块主要完成稻种图像数据库的建立和对稻 种进行基于内容的图像检索的功能。 2 4 本章小结 1 介绍了本研究的具体对象、样本来源。 2 介绍了本研究的硬件系统。 3 介绍了本研究的软件系统组成及功能。 9 江苏大学硕士毕业论文 第三章稻谷特征值提取 用建立的硬件系统对稻谷样本进行了图像采集后，为了进行稻谷品种识别， 必须先利用计算机图像处理技术提取图像中稻谷的特征值。 3 1 稻谷形状特征值的提取 基于内容的图像检索的本质是通过比较对象物的特征进行检索，因此特征 值的提取是必不可少的。本课题所要提取的稻谷特征主要为形状特征和颜色特 征。由于采集所得到的图像本身包含了大量的信息，因此要利用计算机图像处理 技术经过一系列的图像处理操作将图像中无用的信息去除j 而得到稻谷的特征。 本课题的图像处理主要包括图像分割、图像平滑和轮廓跟踪等操作。 3 1 1 图像分割 图像分割9 1 是计算机领域中极为重要的内容之一，是实现自动图像分析首先 需要完成的操作。一幅图像中属于同一区域的像素应该具有相同或相似的属性， 不同区域的像素属性不同。因此图像分割是根据图像的某些特征集合的相似性准 则，对图像像素进行分组聚类，把图像平面划分为一系列“有意义”的区域，使 图像分析、识别等高级处理阶段所要处理的数据量大大减少，同时又保留有关图 像结构特征的信息。 为有效地分割各种各样的图像，人们已经提出了很多分割方法。其中按分割 途径可分为以下几种： 1 基于边缘提取的分割法：先提取区域边界，再确定边界限定的区域。 2 区域分割：从图像出发，按“有意义”的属性一致的原则，确定每个像素 的归属区域，形成一个区域图。 3 区域生长：从像素出发，按“有意义”的属性一致的原则，将属性接近的 连通像素聚集成区域。 4 分割合并法：综合利用区域分割和区域生长两种方法，既存在图像的划分， 又有像素的合并。 在苏大学顽士毕业论文 本研究采用的是区域生长法，即从像素的角度寻找属性接近的区域来提取稻 谷颗粒。 3 1 1 1 原始图像分析 本课题是用扫描仪作为图像采集装置，用标准白板作为背景，得到的图像如 图3 1 所示。 从图中可以看到，由于采集环境及操作等 因素的影响，背景并不是纯白，而且稻谷下面 还有阴影存在，这些对稻谷的分割产生一定的 影响。特别是阴影的存在，使得稻谷不能完全 分割出来。这里通过分析颜色直方图提出了 基于饱和度直方图分割，寻找出了最佳的分割 方法。 稻谷图像是2 4 位真彩色图像，图3 2 包括 图3 1 稻谷原始图像 了一幅稻谷图像的蓝体、红体、绿体和灰度的直方图。从图中可以看出，每幅直 方图都有个大的峰值，表示着背景的灰度分布。然而灰度、红体和绿体的直方图 ( a ) 蓝体直方图 ( c ) 红体直方图 圈3 2 稻谷图像颜色直方图 1 1 ( b ) 灰度直方图 ( d ) 绿体直方图 江苏大学硕士毕业论文 呈现的是单峰图，没有看到有明显的峰谷，所以不好进行分割。从蓝体直方图可 以看到除了表示背景灰度的大波峰外，还有一个小的波峰，表示稻谷的灰度因 此可以进行分割。但是如果以蓝体分割，最后是将背景去除，但是没有将阴影和 稻谷分开，说明这个小的波峰表示着稻谷和阴影的灰度分布，分割结果如下图 3 3 所示。 图3 3 基于蓝体的阈值分割后的图像 因此用传统的r g b 颜色直方图进行图像分割并不能达到很好的效果，本研 究通过分析其它颜色系统，找到h i s 颜色系统中的饱和度作为分割参数，提出 采用基于饱和度直方图的彩色分割。饱和度颜色直方图如图3 4 所示。 图3 4 饱和度直方图 从图3 4 中可以看到，直方图呈双峰。右边的表示稻谷表面的饱和度频数， 左边的表示阴影和背景的饱和度的频数。由于饱和度的计算结果是肚1 的小数， 因此本研究将饱和度进行了量化统计。 扛苏大学硕士毕业论文 3 112 基于饱和度直方图的分割 1 饱和度的量化 s ( s a t u r a t i o n ) 指的是h i s 系统里的饱和度，它和r 、g 、b 的转化关系如下： s = i - 3 m 再i n ( 瓦r , g f , b ) ( 3 1 ) r + g + 曰 、 7 从式( 3 1 ) 可以看出，饱和度s 的取值为o 1 ，所以为了进行频数统计，得 到直方图，必须先进行饱和度量化。这里所采取的量化不是在0 l 之间进行区 间划分，通过分析整幅图像的饱和度分布，决定先将饱和度计算值放大1 0 0 倍， 再进行取整运算，然后进行频数统计。这样做的优点是频数统计方便，不需要人 为地设定多个阈值进行频数统计，而且颜色信息的损失量也相对比较少。 2 最大方差自动取阈法【伸i 从图像中分割出有意义区域的最基本的方法是设置阈值的分割方法。由于图 像中区域的范围常常是模糊的，因此如何选取阈值便是区域分割的关键问题。常 采用的阈值分割方法有双峰法，p 参数法、最大方差自动取阈法和最小误差等分 割方法。双峰法比较简单，当图像有明显的峰和谷的时候，一般采用此方法确定 一个固定的阈值。但是当图像的直方图的形状随着对象、图像输入系统，输入环 境等因素的不同而千差万变时，就要寻求其他方法，自动选择适宜阈值。 通过研究分析，本课题采用最大方差自动取阈法。此方法对有双峰但无明显 低谷或者是双峰或低谷都不明显的直方图图像分割效果比较好，而且会自动寻找 最佳阂值分割点。其具体思想如下： 一幅图像的灰度级数为g ( 0 ，1 g - j ) ，设t 为分离两区域的阂值。 由直方图经统计可以得到被t 分离后的区域l ，区域2 占整幅图像的面积比以及 整幅图像、区域i 、区域2 的平均灰度。 区域l 的面积比岛和区域2 的面积比岛如下： 只。丢詈 ( 3 2 ) 岛5 萎。鲁小b ( 3 - 3 ) 式中，疗代表图像的大小，盯，代表灰度值为_ ，的频数。 缸苏大学硕士毕业论文 整幅图像的平均灰度一如下： = 萎( 乃争 ( 3 4 ) 式中，厂代表灰度级数。 区域1 的平均灰度“和区域2 的平均灰度2 如下： “= 百1 萎s ( 乃鲁) ( 3 5 ) 舻虿1 击g - i 。( 乃鲁) ( 3 6 ) 整幅图像平均灰度与区域1 、区域2 平均灰度值之间的关系为： = l 岛+ a 2 岛 ( 3 7 ) 两区域的方差表达式为 口；( ，) = 只( ，) ( 。( r ) 一) 2 + 岛( f ) ( ：( ，) 一) 2 ( 3 8 ) 当被分割的方差表达式达到最大时，被认为是两区域的最佳分离状态，由此 确定阂值丁 t - - - - m a x p ；( f ) 】 ( 3 9 ) 分割的结果如图3 5 所示。从图中可以看到，基于饱和度的分割效果比基于 蓝体的分割效果要好的多，它不仅把背景完全去除，而且将稻谷的阴影都去除完 全。 图3 5 基于饱和度的展大方差自动取阈法分割的稻谷图像 1 4 江苏大学硕士毕业论文 3 1 2 二值图像的平滑 对于一些复杂景物图像的识别和理解，图像中丰富的灰度信息将成为主要的 依据，但是对于图像中对象物的形状特征提取来说，常常可以在二值图像中得到。 二值图像与彩色图像相比，信息量大大减少，处理速度快，在形状特征处理中占 重要的地位。二值图像是只用两个灰度值表示的图像，如灰度值0 和灰度值2 5 5 。 由于在图像分割时已经将稻谷和背景完全分开，因此将图像二值化时只要将稻谷 象素的灰度值变成黑色即可，白色的背景保留不变。然而在图像采集和图像二值 化过程中，难免会产生噪声。这些噪声有实验操作时带来的，如小杂质，也有图 像处理时新增加的。稻谷的二值图像如图3 6 所示。从图中可以看到，图中还零 散的存在一些小杂质，稻谷的边界还存在一些凹凸变形，他们对形状特征的提取 极为有害，因此必须对二值图像进行平滑处理。 夕、 图3 6 稻谷的二值图像 3 1 2 1 数学形态学闭 数学形态学是分析集合形状和结构的数学方法，是建立在集合代数的基础 上，用集合论方法定量描述集合结构的科学。1 9 8 5 年后，它逐渐成为分析图像 几何的工具。其基本思想是使用具有一定形态的结构元素来度量和提取图像中的 对应形状，从而达到对图像进行分析和识别的目的。数学形态学可以用来简化图 像数据，保持图像的基本形状特性，同时去掉图像中与研究目的无关的部分。使 用形态学操作可以增强对比度、消除噪音、细化、骨骼化、填充和分割等。数学 ， 江苏大学硕士毕业论文 形态学是由一组形态学的代数运算子组成的。最基本的形态运算子有：腐蚀、膨 胀、开启和闭合。通过这些运算子的组合来进行图像形状的处理，本课题就是利 用开启和闭合运算来去除散点。并且改变边界上的凹凸变形，对二值图像进行平 滑这对以后的形状特征提取提供了方便，如图3 7 演示。 困咽 图3 7 平滑处理过程的演示图 3 1 2 2 二值形态学基本运算川 二值形态学的基本运算包括腐蚀、膨胀、开运算和闭运算。设z 为目标图 像，s 为结构元素。腐蚀运算为0 ，膨胀运算符为o ，开启运算为o ，闭合运算 为 腐蚀定义： x 。s = ( x i s x 】s x )( 3 1 0 ) 腐蚀在数学形态学中的作用是消除物体边界点，即使物体沿边界逐步缩小 而且腐蚀还可以把小于结构元素的物体去除。 膨胀定义： z o s = 缸i s x c 、x ( 3 1 1 ) 膨胀在数学形态学中的作用是把图像周围的背景点合并到物体中，对图像分 割后物体中的空洞很有用。 开启定义； x * s = ( x e s ) s( 3 1 2 ) 闭合定义； x s = ( x 9 s ) 0 s( 3 1 3 ) 腐蚀和膨胀都是对图像信息有损的操作。腐蚀是将物体沿边界向内缩小一 1 6 江苏大学硕士毕业论文 州，h 。；o ) 4 ， 采用的运算是“( 栅。) 0 是) 0 是) 嘎，1 代表白色，0 代表黑色。整个处理 ( a ) 处理前二值图像 ( b ) 处理后二值图像 图3 8 稻谷二值图像平滑前后对比图 3 1 3 图像的轮廓跟踪 在许多情况下，图像用线图形来表示可以具有存储量小，便于识别等优点。 不同形状的对象物可以有其适宜的线图形表示方法。在块状图像分析中，边缘的 一，一 ， y 一。 r 扛苏大学硕士毕业论文 应用是最为广泛和基本的。因此本课题对稻谷的二值图像进行边缘跟踪，提取稻 谷的线图形边缘跟踪又叫轮廓跟踪，其目的是获得图像的外部轮廓特征，并应 用一定的表达式表达轮廓的特征，为图像的形状特征提取做准备。 3 1 3 i f r e e m a n 链码法1 4 0 l f r e e m a n 链码法是由弗里曼提出的用于描述曲线的方向链码法，该方法采用 曲线起始点的坐标和线的方向来表示曲线。对于图像某像素的8 邻域，该像素和 其8 邻域的各像素连线的方向编码可以用0 ，l ，2 ，3 ，4 ，5 ，6 ，7 表示8 个方 向，如图3 9 和图3 1 0 所示。 图3 9 链码方向图图3 1 0 链码表示曲线 设图像的坐标系如图3 i l ( a ) 所示，为了方便地给出跟踪的下一个边缘点的 坐标，如图3 1 1 ( b ) 所示将邻域各像素编号，并如图3 1 1 ( c ) 所示由编号转换为 邻域像素相对中心像素的坐标偏移量。 c a ) 图像坐标系( b ) 邻域编号 图3 1 1 邻域与中心像素的关系 1 8 ( c ) 邻域相对中心像 素的行列偏移量 江苏大学硕士毕业论文 设n 为邻域中8 邻点像素编号，中心像素为( f ，_ ，) ，8 个邻点相对于中心像 素的行、列偏移量可用两个数l l ( j p n ，i n n ) 来表示，如下所示： 艨i n n 蒿10 2 - 1 - 1 揽- 10 嚣 。， l】= 1 ， ， ，1 ) 、吖 这样，当中心像素点( i ，_ ，) 为当前边缘点，邻域边缘点( 耐，) 为下一个 边缘点，那么两个边缘点之间的坐标关系为： f x i = f + i n n 】 切= ，+ j p n 0 1 6 ) 利用链码可以提取图像边缘的信息，每个像素点除了自己本身的坐标点位置， 还包括与下个像素点的方向信息，所以为了方便存储这些信息，本课题采用单向 链表f 2 7 1 结构存储。 s t r u c ts t a c k n o d e c p o i n tp t ； u i n td i r e c t i o n ； u i n tm a r k ； s t r u c ts t a c k n o d e + n e x t ； ) ； 链表是在内存的自由存储区运算的，其大小是可变的，比数组存储方便。 3 1 3 2 作标记 一幅稻谷图像中有多粒种子，要对每粒种子提取形状特征就必须区分每个种 子区域，对不同的种子作上标记。其基本思想是：对一粒种子进行轮廓跟踪， 提取边界信息，并给这粒种子编号；接着找到另外一粒种子，进行相同操作。由 于图像是二值图像，这里用0 代表黑色，2 5 5 代表白色。其具体步骤如下： 第一步：逐行对图像进行扫描，寻找第一个灰度值为0 的像素点。找到了， 进行判断，如果其8 邻域的像素点灰度值都是2 5 5 ，则为孤立点， 直接去除；如果不是，则转入第二步。找不到，转入第七步。 第二步：记录下第一个边界点的坐标( x o ，y o ) ，存入链表结构，可以作为边缘 跟踪结束的判断依据。进行8 邻域搜索，方向从邻域编号为4 的方 向开始逆时针旋转，找到第一个灰度值为0 的像素点，作为后续边 1 9 扛苏大学硕士毕业论文 、- 、f 3 ( 、j 譬o 7 锣吣汐 图3 1 2 链码边缘跟踪并作标记得到的稻谷边界图像 3 1 4 形状特征的提取 形状特征描述是在经过图像分割、二值化、线图形化等处理的基础上，进一 步抽象出形状特征参数的过程。形状特征参数没有统一的定义，只要能充分反应 出对象物的形状，或者能有效地区分对象物之间的差异，都可以作为形状特征参 数。稻谷谷粒的图像形态i - 1 1 1 7 l 呈椭圆形或细长形，经过链码跟踪后可以从链码 中提取一系列的几何形状特征5 2 l 【2 5 l 。本研究总共提取了稻谷的面积、周长、长 度、宽度、长宽比、圆形度、形状复杂度、内切圆半径共8 个形状特征值。在人 江苏大学硕士毕业论文 工检测稻谷的长度外形指标时，取多粒稻谷平放于测量板之上，按照头对头、尾 对尾的，不重叠、不留隙的方式，紧靠直尺摆成一行，读出长度。最后求其平均 值即为稻谷的长度。因此本研究的方法是针对某一特征将一幅图像中的每个稻谷 特征值进行累加，然后求其平均值即为此稻谷品种的特征值。 l 周长尸 设区域的边界链码为a t a ：o n ，那么该区域的边界周长为链码的数码长度 p = n e + n 0 4 2( 3 1 7 ) 式中l l e 为链码中偶数码的个数，疗。为链码中奇数码的个数，n 为链码的总数， 离是 1 1 2 + n o 。 2 面积s 设区域的边界链码为a l a 2 ，a t 在x 轴上的分量为a 。，在j ，轴上的分 量为d ，与的取值如表3 1 所示 表3 1 边界链码在x 轴和y 轴的取值 区域的面积就是对x 轴的积分 s = ( 儿，十去) n1 i = l 式中只= y h + 口。，虬是初始点的纵坐标。 3 长度 ( 3 1 8 ) 假设链码中任意两个离散点之间的码为a l a 2 ，那么这两点间的距 扛苏大学硕士毕业论文 d = 障a n ) 2 慨= 1 2 似 由于谷粒呈椭圆状，因此定义稻谷的长度为两点间距离最大值，即 上；膨戗p ) ( 3 2 0 ) 4 宽度 连接长度最长的两个点，作其中垂线，与边界相交得到两个点和， 由于在轮廓跟踪时记录了各个边缘像素点的坐标值，因此可以计算这两个点的欧 氏距离，定义为稻谷的宽度。 = 而了习q 而 ( 3 2 1 ) 5 长宽比d d = l w r 3 2 2 ) 式中，和矽分别表示长度和宽度，此特征可以把较细长的稻谷和近圆形 的稻谷有效区分。 6 圆形度r r = 4 刀s p 2 r 3 2 3 ) 式中，s 表示区域面积，p 表示区域周长。圆形度用来描述区域形状接近圆 形的程度，其取值范围为( o ，1 ) ，足越大，则表示区域形状越接近圆形。 7 内切圆半径r ，= 2 s p ( 3 2 4 ) 8 形状复杂度p g = p 2 s ( 3 ，2 5 ) 形状复杂度用来描述区域单位面积图形的周长平方的大小，它用一个离散指 数e 来表示。p 越大，表明单位面积的周长越大，图形越离散，图形越复杂。 3 2 稻谷颜色特征值的提取 稻谷的颜色特征和形状特征一样，也是区分稻谷品种不可缺少的特征。然而 由于稻谷谷壳的颜色较为相近，因此本研究将通过多个颜色系统中的颜色特征值 扛苏大学顼士毕业论文 组合来区分稻谷各个品种。 3 2 1 颜色的表示系统 在现实生活中我们可以根据人的视觉感受，用不同的语言文字来描述和区别 颜色。而在计算机视觉里面，如何准确地表达某种颜色，并非十分简单科学家 大约在6 0 年前已经开始研究这方面的问题，想用一种标准的颜色表示系统来准 确地表达颜色，并且逐步形成了一个新兴的学科一色度学。现在，已经研究出多 种颜色表示系统从不同的角度来表达颜色。目前最常用的颜色表示系统1 9 1 是c i e ( 国际照明委员会) 标准色度学系统，还有h i s 系统、孟塞尔颜色系统、o h t a 系统等等。 3 211 c l e l 9 3 1 r g b 系统 国际照明委员会( c i e ) 为了颜色测量领域的标准化，规定了一系列的色度学 系统，包括c i e l 9 3 1 r g b 系统、c i e l 9 3 1 x y z 系统、c i e l 9 6 4 补充色度学系统 和c i e 均匀色空间，而c i e l 9 3 1 r g b 系统是这些系统的基础。 1 所有的颜色，包括黑白系列的各种灰色、彩色，都可以用红 ) 、绿( 6 3 、蓝 ) 三种原色混和产生，而三原色混和的过程称为颜色匹配。c i e l 9 3 1 r g b 颜色 系统就是在这三原色学说下建立起来的颜色系统。它通过改变三原色的数量。混 和出其他各种颜色，颜色方程表示为： c - - - r 似) + g ( g ) + 口p ) ( 3 2 6 ) 式中，c 表示为混和后的颜色；s 表示视觉上的相等；僻) 、( g ) 、( 印表示红、 绿、蓝三原色，r 、g 、召分别表示三原色的数量。 在色度学系统中，经常用色度图来表示系统颜色的分布。r g b 系统色度图 也不只是用颜色