论文部分内容阅读
针对目前农业收获机器人视觉方面存在的难题,特别是果实采摘前的识别定位,普遍存在受环境干扰较大以及识别精度不高的难题,本文从两个可见光和一个近红外的三目视觉角度出发,利用多光谱图像融合的方式来寻求更好的解决方式,为后继果实的定位打下坚实的基础。开展的主要研究内容如下:1)多光谱图像配准。图像融合的前提是图像的精确配准,因此本文对图像的配准进行了着重研究。对采集的多光谱图像进行了分析,采用Harris角点检测算子提取可见光图像和近红外图像角点特征,并对基于角点支持强度的角点匹配算法进行了改进,形成了番茄多光谱图像良好的角点匹配算法。之后对图像采用基于仿射变换的图像粗配准,并在彩色图像分割的前提下,提取可见光图像和近红外图像的收获目标及其邻域。再对提取得到的果实邻域利用Harris算子检测角点,并进行角点匹配,最后利用仿射变换实现了可见光图像和近红外图像中目标的精确配准。2)多光谱图像融合。继图像精确配准之后,对多光谱图像融合进行了研究。本文对现有的融合算法——IHS变换法、主成分变换法和小波变换法进行了对比试验,通过主观和客观的基于熵、清晰度和标准差等几个方面进行了评价。主观方面,小波变换融合后的图像,具有果实和背景差异明显的特性,给后续的果实分割打下了良好的基础。客观方面,小波融合算法作用的图像具有较大的熵、清晰度和标准差,而且在实时性方面能够满足采摘机器人的要求,因此本研究最终选用小波变换融合来实现本研究多光谱图像的融合。3)融合图像的分割与分析。融合前,对可见光图像采用了基于色差和受控分水岭的图像分割算法进行图像分割,图像融合之后,为了更加直观地显示融合前后图像的优劣和差异,依然采用前面分割算法对融合后的图像进行分割。并在分割之后对分割的质量进行了分析和讨论。结果表明,经过融合后的图像比融合前的图像在分割效果上有很高的成功率,说明本文的多光谱图像融合的研究达到了预期的目的,具有较好的实用性。通过研究,在多光谱图像配准和融合方面取得了较大进展。系统能够对存在不同的遮挡情况下的果实进行有效的识别和分割,即使果实的成熟度不够,通过图像的融合也能够准确识别。本研究对提高我国农业收获机器人视觉识别技术水平具有一定的学术意义和实践价值。