本课题主要基于目前人工分拣水钻识别效率低下的缺点,面向机器视觉自动识别应用对水钻的自动分拣进行了系统的研究,一个完整的水钻图像处理流程将包括图像采集、ROI (region of interest)区域检测、图像修复、图像分割以及图像识别这几个方面。具体的工作如下：第一章：介绍论文的研究背景和意义,并且论述了论文的研究内容和研究方法。第二章：基于HSI颜色模型的水钻自动计数研究。对HSI与RGB颜色空间作了相应对比与选择；并在HSI颜色内提取了基于水钻光折射的ROI区域作为水钻图像的特征区域；然后,将平面的图像转化为三维空间曲面,借鉴测地学上的地貌信息对图像中各区域进行描述；最后以掩膜的方法完成了对相同性质区域的融合,最终实现了水钻的计数。第三章：基于种子区域生长的水钻图像自动分割研究。在本章中,首先将ROI区域中心填充与区域边缘插值这两种方法联合起来,以实现水钻图像中光折射区域的修复,从而消除了环境光源对水钻图像带来的影响；然后对水钻图像的灰度直方图进行高斯函数拟合,通过对拟合后的函数进行求导来将图像灰度直方图划分为多个区间；最后,将图像种子区域的邻域像素与初始种子点像素进行直方图区间映射对比,来实现图像初始种子区域的生长,从而完成了水钻图像的自适应分割。第四章：基于BP神经网络的水钻目标识别研究。在本章中详细介绍了影响BP神经网络识别效率的学习速率、权值、隐含层节点等多个重要参数,并提出了相应的数值选择及改良方法。此外,提出了对BP神经网络至关重要的输入样本和输出样本的选择要点,并对分割后的单个水钻目标进行形态学处理,提高了水钻目标的识别率。第五章：水钻自动分拣系统的设计。分别介绍了水钻自动分拣系统中的硬件设备以及软件工具。通过水钻识别实验来验证整个水钻自动分拣系统的可行性以及高效性。第六章：总结与展望。总结本课题研究的主要内容和方法,指出还需进一步深入研究的问题。