计算机视觉竹块颜色分类方法研究

论文摘要

在竹块凉席、竹地板等一类竹制品中,竹块是构成这些产品的基本单元。竹子经切割后,按照颜色进行分类在实际生产中称为分色,分色是保证产品颜色均匀一致的重要工序。传统的生产中,工人们用肉眼将颜色相近的竹块分为一类,人工分色缺乏客观性和准确性,而且费工费时。针对这一问题,本文以竹块为研究对象,将图像处理与分析技术与人工神经网络相结合,研究竹块识别和分级的方法。主要研究内容和结论如下：（1）根据计算机视觉竹块颜色分类的要求,建立了相应的计算机视觉系统。并在此系统上获取竹块图像。（2）研究了图像处理算法。背景分割过程中,通过判别分析法和迭代法对竹块彩色图像的红、绿、蓝分量图像背景分割试验结果的比较分析,提出在红分量图像中利用otsu方法获取阈值进行二值化。采用边界跟踪法定位图像中单个竹块边界,并用种子填充算法标记竹块所在区域,得到单个竹块图像。运用radon变换对竹块图像进行倾斜校正,提取不包含侧面的矩形竹块上表面,从而得到完整的颜色判定区域。（3）通过对竹块颜色特征的分析,提取颜色特征计算竹块的颜色特征参数。基于颜色直方图,分别提取像素落入不同色相区间的频度和HIS空间各颜色分量的的均值与标准偏差作为特征参数；基于缺陷阈值分割提取颜色缺陷的特征参数。通过特征优选,选定HIS各颜色分量的均值偏差（μH，μS,μI,σH,σS,σI）和缺陷分割得到的特征（Q1,Q2）共8个参数作为识别特征（4）选取BP神经网络用于竹片颜色分类。鉴于传统BP网络的缺陷与不足,经试验比较选取了Levenberg-Marquardt优化方法作为网络训练算法。验证了当隐层神经元为8个时,BP神经网络分类器收敛速度最快,分类正确率最高,平均正确率可达94.5%,平均一块竹片颜色检测分类耗时为0.1914秒。上述研究成果,为竹块颜色分类的科学化和自动化提供了理论依据和技术支持。研究的方法对提高竹制品的市场竞争力、促进出口贸易的发展,均具有重要的理论意义和实用价值。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究目的与意义
• 1.2 国内外研究概况
• 1.2.1 计算机视觉技术在农产品品质检测及分级中的应用
• 1.2.2 计算机视觉在颜色检测分类研究现状
• 1.2.2.1 国外研究
• 1.2.2.2 国内研究
• 1.3 研究内容、目标与技术路线
• 1.3.1 研究的内容与目标
• 1.3.2 技术路线
• 第二章 计算机视觉系统设计
• 2.1 计算机视觉硬件系统
• 2.1.1 计算机
• 2.1.2 图像获取装置
• 2.2 照明系统设计
• 2.3 背景的选择
• 2.4 颜色校正
• 2.5 计算机视觉系统软件
• 2.6 实验样本与图像获取
• 2.6.1 实验样本及人工分类
• 2.6.2 图像获取
• 2.7 本章小结
• 第三章 图像处理
• 3.1 图像去噪
• 3.2 背景分割
• 3.2.1 背景分割方法
• 3.2.2 阈值的确定
• 3.2.3 数学形态学处理
• 3.4 单个竹块提取
• 3.4.1 区域标记
• 3.4.2 竹块提取
• 3.5 倾斜校正
• 3.6 颜色判定的有效区域的提取
• 3.7 本章小结
• 第四章 颜色特征提取
• 4.1 颜色模型
• 4.1.1 RGB模型
• 4.1.2 HSI模型
• 4.2 竹块颜色特征
• 4.2.1 基于直方图的特征提取
• 4.2.2 基于图像分割的颜色缺陷特征提取
• 4.3 特征优选及归一化
• 4.3.1 特征优选
• 4.3.2 归一化处理
• 4.4 本章小结
• 第五章 颜色分类器的设计
• 5.1 常用分类器及其特点
• 5.2 人工神经网络理论
• 5.2.1 神经元模型
• 5.2.2 神经网络的优势
• 5.3 BP网络及其改进
• 5.3.1 BP网络模型与结构
• 5.3.2 BP学习算法
• 5.3.3 BP算法的改进
• 5.4 BP网络判定竹块类别
• 5.4.1 BP网络设计
• 5.4.1.1 网络层数
• 5.4.1.2 每层节点数
• 5.4.1.3 输入样本
• 5.4.1.4 传输函数的确定
• 5.4.1.5 训练函数的选取
• 5.4.1.6 学习速率
• 5.4.1.7 期望误差选取
• 5.4.2 网络训练及识别结果分析
• 5.5 本章小结
• 第六章 结论与展望
• 6.1 结论
• 6.2 展望与建议
• 参考文献
• 致谢
• 作者简介