一种果园果实图像获取方法技术

本发明专利技术公开了一种果园果实图像获取方法，包括以下步骤：(1)图像采集步骤：基于视觉传感器实时采集果实图像；(2)图像增强步骤：对步骤(1)中采集的图像进行图像增强，增强暗区的图像细节的同时，又不损失亮区的图像细节，减少自然光照影响；(3)显著性目标检测步骤：对步骤(2)中增强后图像进行超像素分割，构建闭环图模型，基于两级显著性目标检测模型获得果实显著性目标；(4)果实图像获取步骤：将步骤(3)中检测出来的果实显著图通过Otsu方法进行分割，获得二值黑白图像，再与原始图像叠加，从而将果实从背景中分割出来。本发明专利技术不需要使用果实颜色或形状等特征，具有通用性，能促进果实采摘机器人的实用化进程。

Orchard fruit image acquisition method

The invention discloses a method for obtaining the fruit image, which comprises the following steps: (1) image acquisition steps: visual sensor to collect the fruit image based on image enhancement; (2) steps: to step (1) in the image acquisition of image enhancement, enhanced dark area of image at the same time, without the loss of the details of the image of bright area, reduce the natural light effect; (3) significant target detection steps of step (2) in the enhanced image pixel segmentation, constructing a loop graph model, two significant target detection model was based on fruit; (4) the fruit image acquisition steps: step (3) segmentation fruit saliency map detected by the Otsu method, gets a value of two black and white image and original image overlay, which will be the fruit from the background. The invention does not need to use the characteristics of the fruit color or shape, so that the utility model has the versatility and can promote the practical process of the fruit picking robot.

【技术实现步骤摘要】

本专利技术属于图像处理
，涉及一种果园果实图像获取方法，尤其是自然环境下存在光照不均的果实图像的获取。
技术介绍
杨梅为中国传统特产水果，果实味酸甜适中，可直接食用，同时具有止渴、生津、助消化等功能，具有很高的药用和食用价值。而杨梅果树高大、挂果密集，果实成熟期较短，且受梅雨高温天气影响，极易腐烂变质或脱落，降低其商品价值，果农损失较为严重。因此果实适时采收、降低采摘成本尤为重要。杨梅采摘机器人可以节约劳动力，实现快速采摘，提高杨梅采摘质量，从而提升经济效益，增加果农收入。随着现代农业的发展，基于机器视觉的采摘机器人成为国内外农业工程领域的研究热点。而对果实图像的获取是采摘机器人后续目标识别定位、采摘的首要任务。
技术实现思路
本专利技术的目的是：提供一种果园果实图像获取方法，使得果实采摘机器人在图像处理阶段能够实现对果实图像的精确获取，进一步可完成识别定位，推动果实采摘机器人的实用化进程。实现本专利技术的技术方案包括如下步骤：(1)图像采集步骤：基于视觉传感器实时采集果实图像。(2)图像增强步骤：该步骤采用的是同态滤波图像增强算法，对光照不均的图像进行光线补偿，使整体像素分布更趋于合理，在增强图像对比度的同时，增强图像暗处细节，从而使图像中果实更为显著清晰。(3)显著性目标检测步骤：首先，采用SLIC超像素分割算法，将果实图像分割为形状规则，大小一致且视觉均匀的超像素，以降低图像处理对象的数量，提高后续处理的效率；构建以超像素为节点的无向图模型，以缩短相似超像素之间的测地距离，提高后续显著性检测的准确度；然后将构建的闭环图模型模拟成图像数据集内在的流形结构；接着，在第一级显著目标检测模型中，先将四个边界的每个边界单独作为查询节点通过流形排序算法进行排序，获得四个不同的显著性检测结果，采用乘法的合并策略将这四个显著图进行合并，得出第一级检测的显著性目标；最后，在第二级显著目标检测模型中，选取显著图的均值作为自适应阈值，对第一级的显著图进行二值分割，将大于阈值的节点标记为目标查询节点，并相应构建一个标签向量y，再用流形排序的算法获得排序向量f*，将归一化的排序值定义为超像素节点的显著值，获得第二级显著图。(4)果实图像获取步骤：该步骤是对得到的第二级显著图通过Otsu方法进行自适应阈值分割，获得二值黑白图像，再与原始图像叠加，从而将果实从背景中分割出来。本专利技术的有益效果：(1)对于果实采摘机器人来说，该专利技术方法能够实现杨梅果实图像的分割，获取完整果实区域，对推动果实采摘机器人的实用化起到重要作用。(2)在果实图像获取步骤前进行了杨梅果实显著性目标的检测，能够不需要根据杨梅果实的颜色或形状特征等和背景的差异进行分割，从而具有一定的通用性，可适用于其他和杨梅类似的野外生长果实。(3)图像增强步骤中图像增强算法采用同态滤波算法，能够补偿光线，增强对比度的同时，暗处细节也得到了增强，使果实更为显著清晰。(4)显著性目标检测步骤中将构建成的闭环图模型模拟成图像数据集内在的流形结构，通过流形排序算法进行查询点显著性值的赋值，获得显著性图。(5)显著性目标检测步骤中采用了两级显著性目标检测模型，通过流形排序算法的二级排序，很好地抑制了背景中存在的一些奇异点。(6)果实图像获取步骤中采用Otsu方法对得到的第二级显著图进行自适应阈值分割，再与原始图像叠加，从而将果实从背景中分割出来。附图说明图1为果实图像分割总流程；图2为同态滤波图像增强流程；图3为显著性目标检测流程；图4为杨梅果实获取效果图。具体实施方式下面结合附图对本专利技术的实施方式做进一步的描述。本专利技术以杨梅为例进行说明，但本专利技术同样适用于同类其他果实。如图1所示，本专利技术提出的果园杨梅果实图像获取方法包括如下步骤：(1)图像采集步骤图像的采集基于视觉传感器，用作后续提取目标对象的区域信息，采集图像如图4(a)所示。(2)图像增强步骤该步骤实施流程如图2所示。考虑到自然环境下存在光照不均的现象，会影响显著性目标的检测，进而影响图像分割的效果，采用同态滤波的图像增强算法进行光线补偿。该步骤采用的是同态滤波图像增强算法，通过将采集图像从RGB颜色空间转换到HSV颜色空间，针对亮度V分量取对数后进行快速傅里叶变换(FFT)，可得到频域表达式，选择动态巴特沃斯同态滤波函数H(u,v)进行频域滤波，函数定义见公式(1)，再进行快速逆傅里叶变换(IFFT)及指数变换，如此得到滤波增强后的图像如图4(b)。 H ( u , v ) = ( r H - r L ) 1 + c ( D 0 n D ( u , v ) m ) 2 + r L - - - ( 1 ) ]]>式(1)中rL代表低频增益，0<rL<1；rH代表高频增益，rH>1；常数c在rL和rH间过渡，用来控制滤波器函数斜面的陡度；m、n为动态算子；D(u,v)为点(u,v)到Fourier变换中心的距离，见公式(2)： D ( u , v ) = ( u - M 2 ) 2 + ( v - N本文档来自技高网...

【技术保护点】
一种果园果实图像获取方法，其特征在于，包括以下步骤：(1)图像采集步骤：基于视觉传感器实时采集果实图像；(2)图像增强步骤：对步骤(1)中采集的图像进行图像增强，增强暗区的图像细节的同时，又不损失亮区的图像细节，减少自然光照影响；(3)显著性目标检测步骤：对步骤(2)中增强后图像进行超像素分割，构建闭环图模型，基于两级显著性目标检测模型获得果实显著性目标；(4)果实图像获取步骤：将步骤(3)中检测出来的果实显著图进行分割，获得二值黑白图像，再与原始图像叠加，从而将果实从背景中分割出来。

【技术特征摘要】
1.一种果园果实图像获取方法，其特征在于，包括以下步骤：(1)图像采集步骤：基于视觉传感器实时采集果实图像；(2)图像增强步骤：对步骤(1)中采集的图像进行图像增强，增强暗区的图像细节的同时，又不损失亮区的图像细节，减少自然光照影响；(3)显著性目标检测步骤：对步骤(2)中增强后图像进行超像素分割，构建闭环图模型，基于两级显著性目标检测模型获得果实显著性目标；(4)果实图像获取步骤：将步骤(3)中检测出来的果实显著图进行分割，获得二值黑白图像，再与原始图像叠加，从而将果实从背景中分割出来。2.根据权利要求1所述的一种果园果实图像获取方法，其特征在于，所述步骤(2)的具体实现方法包括：采用同态滤波图像增强算法，通过将采集的图像从RGB颜色空间转换到HSV颜色空间，针对亮度V分量取对数后进行快速傅里叶变换，得到频域表达式，选择动态巴特沃斯同态滤波函数H(u,v)进行频域滤波，再进行快速逆傅里叶变换及指数变换，得到滤波增强后的图像。3.根据权利要求2所述的一种果园果实图像获取方法，其特征在于，所述动态巴特沃斯同态滤波函数H(u,v)的表达式如下： H ( u , v ) = ( r H - r L ) 1 + c ( D 0 n D ( u , v ) m ...

【专利技术属性】
技术研发人员：徐黎明，吕继东，倪焕敏，张超，
申请(专利权)人：江苏城乡建设职业学院，
类型：发明
国别省市：江苏;32