基于遗传算法的柑橘图像分割

论文摘要

近年来,计算机视觉技术在农产品检测方面得到了广泛的应用,使得现代农业更具规模性和专业化。本文所研究的内容是柑橘图像分割的具体算法设计。它是课题“柑橘表面破损自动检测系统”中一个非常重要的环节。柑橘表面破损自动检测系统采用的是计算机视觉技术,其检测的精度较人工挑选有很大提高。该系统中柑橘图像分割算法好坏会直接影响系统检测柑橘表面是否破损的准确度。本文提出了一套完整的柑橘图像分割算法。图像分割是计算机视觉领域的一个重要而且基本的问题,其内容是根据图像中不同目标的特性,将图像分解成不同的区域的技术。它是从图像处理到图像分析的一个关键步骤。对它的研究一直都是图像技术研究中的热点和焦点之一。首先本文研究分析常用的图像分割技术,比较它们的优劣,并将这些分割方法结合遗传算法做了较深入的研究,然后提出了对彩色柑橘图像进行分割的新算法。其采用改进的遗传算法结合改进的阈值分割方法。由于传统的遗传算法存在收敛性差、容易早熟这些问题,本文将遗传算法进行改进,设计能够依据适应度大小进行自动调整交叉概率和变异概率的改进遗传算法。另外,根据图像分割效果好坏直接体现在不同类别对象之间的差别越大越好,同一类别对象之间的差别越小越好的特点,结合类间距离和类内方差提出了一种有效的最佳阈值的计算方法。通过仿真实验,本文所提出的算法得出的阈值范围更加稳定,而且对分割图像的边缘处理得更细致,这样就更能满足柑橘表面破损自动检测系统对于柑橘图像分割质量和分割速度及实时性这些要求。同时该算法可以应用于各种图像的实时处理与分析,具有较高的通用性和实用性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题研究目的及意义
• 1.2 遗传算法在图像分割中的应用的研究现状
• 1.3 本文主要研究的工作和创新点
• 1.4 本文的内容和组织结构
• 第二章 图像分割基本理论和方法
• 2.1 图像分割定义
• 2.2 图像类型
• 2.2.1 灰度图像
• 2.2.2 纹理图像
• 2.3 图像分割常用方法
• 2.3.1 基于阈值的分割法
• 2.3.2 基于边界的分割法
• 2.3.3 基于区域的分割法
• 2.3.4 结合特定理论工具的分割方法
• 第三章 遗传算法
• 3.1 遗传算法的基本概念
• 3.2 遗传算法的特点
• 3.3 遗传算法的关键参数与操作的设计
• 3.3.1 确定问题的编码
• 3.3.2 初始群体的选取与规模
• 3.3.3 确定适应度函数
• 3.3.4 控制参数选择
• 3.3.5 遗传算子
• 3.3.6 停止准则
• 3.4 遗传算法的基本流程
• 3.5 小结
• 第四章 基于遗传算法的图像分割技术研究
• 4.1 基于遗传算法最大类间方差的图像分割方法
• 4.2 基于遗传算法最大熵的图像分割方法
• 第五章 柑橘图像处理与分割
• 5.1 系统简介
• 5.2 柑橘图像分割
• 5.2.1 改进的遗传算法
• 5.2.2 改进的类类距离法
• 5.2.3 改进的柑橘图像分割算法设计流程
• 5.2.4 实验结果及分析
• 第六章 结论与展望
• 6.1 结论
• 6.2 展望
• 致谢
• 参考文献
• 附录 A （攻读硕士学位期间发表论文目录）
• 附录 B （攻读硕士学位期间所参加的学术活动）
• 摘要
• Abstract