一种基于稀疏卷积核的果实分割方法技术

本发明专利技术公开了一种基于稀疏卷积核的果实分割方法，该方法通过分析果实图像内主要物体在不同颜色因子下的区分度，选择合适的颜色通道对图像进行重构，然后提出了一种元素间彼此间隔、互不相邻的稀疏卷积核构造方式并采用线性分类器确定稀疏卷积核内元素，最后采用稀疏卷积核对重构图像进行卷积运算，从而实现果实的分割。

【技术实现步骤摘要】
一种基于稀疏卷积核的果实分割方法
本专利技术涉及计算机视觉和农业工程领域，特别是一种用于田间果实识别的图像分割方法，具体涉及一种基于稀疏卷积核的果实分割方法。
技术介绍
果实识别是实现果实自动化采摘和智能产量估计的重要步骤。颜色是果实在视觉中的直接表现，也是最易提取的图像特征之一，因此在果实识别中得到了广泛的应用，尤其是对于颜色与背景存在较大差异的果实，如苹果、番茄、柑橘等。有学者提出采用Lab颜色空间的a分量实现成熟柑橘的识别，提出采用R-G颜色算子实现成熟苹果或者番茄的识别。为进一步改善果实分割效果，有学者提出综合多个颜色因子进行果实分割，如采用HSI颜色空间中的H和S分量进行成熟苹果的分割，采用Lab颜色空间中的a分量和YIQ颜色空间的I分量，进行不同成熟度番茄的分割。但是此类方法存在2点不足，一是颜色因子的选择，依靠经验和视觉判断，缺乏量化的指标；二是在果实分割时只考虑了单个像素的颜色信息，没有将邻域像素的信息纳入考虑。
技术实现思路
针对上述的技术问题，本技术方案提供了一种基于稀疏卷积核的果实分割方法，能有效的解决上述问题。本专利技术通过以下技术方案实现：一种基于稀疏卷积核的果实分割方法,包含以下步骤：步骤1：提取图像中主要物体的样本像素，并分析果实像素与其他物体像素在不同颜色因子下的区分度；步骤2：选择合适的颜色通道对原图像进行颜色通道重构；步骤3：提出一种元素间彼此间隔、互不相邻的稀疏卷积核；步骤4：按照稀疏卷积核结构提取重构图像中的主要物体样本像素，并分为果实样本和非果实样本，接着采用两类样本对线性分类器进行训练，然后输出相应的分类模型；步骤5：将经过训练的分类器的系数转换为稀疏卷积核内的元素；步骤6：采用稀疏卷积核对重构图像进行卷积运算，实现果实的分割。进一步的，步骤1所述的区分度的计算方式，样本数据x和y间的区分度计算公式如式(1)所示：式中：J表示区分度，为类间方差，为类内方差。进一步的，所述类间方差的计算公式如式(2)所示：式中，mx和my分别是样本数据x和y的平均值，Px和Py分别是样本数据x和y所占的比率。进一步的，所述类内方差的计算公式如式(3)所示：式中，和分别是样本数据x和y的方差。进一步的，步骤2中图像重构是选择最能体现果实和背景差异的颜色因子，通过对比果实在不同颜色因子下的区分度进行计算，并结合图像分割方法的需要选择其中区分度较大的颜色因子对原图进行重构。进一步的，步骤3中稀疏卷积核的结构形式，稀疏卷积核是指元素间彼此间隔、互不相邻的卷积核。进一步的，步骤5中稀疏卷积核的确定方式，即将经过训练的线性分类器的系数转换为稀疏卷积核内的元素。进一步的，步骤6中通过稀疏卷积核与重构图像进行卷积运算，实现了果实的分割。(三)有益效果本专利技术提出的一种基于稀疏卷积核的果实分割方法，与现有技术相比较，其具有以下有益效果：(1)本技术方案通过计算果实像素与其他物体像素在不同颜色因子下的区分度，量化了不同颜色因子对果实分割的影响，有利于选择合适的颜色因子用于果实分割。同时通过卷积运算将每个像素及其邻域像素信息纳入考虑范围，提高了分割的准确率。为进一步提高卷积运算的效率提出稀疏卷积核的构造方式，稀疏卷积核能够在保证分割效果的同时，显著减少运算量。附图说明图1是本专利技术的整体流程示意框图。图2a是苹果样本含有红色和红绿交杂部分，也含有顺光和逆光的示意图。图2b是树叶样本含有树叶的正面和反面，以及老叶和嫩叶的示意图。图2c是树枝样本含有老枝、嫩枝、枯枝和断枝的示意图。图2d是添加了边框的天空样本呈过曝状态以灰白色为主的示意图。图2e是本专利技术中泥土样本含有杂草、枯草和枯叶的示意图。图3是本专利技术中区分度较高的颜色因子图像示意图。图4是本专利技术中5×5稀疏卷积核的结构示意图。图5是本专利技术中5×5×3卷积核元素确定过程示意图。图6是本专利技术中通过训练确定的稀疏卷积核元素。图7是专利技术中图像分割效果图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。在不脱离本专利技术设计构思的前提下，本领域普通人员对本专利技术的技术方案做出的各种变型和改进，均应落入到本专利技术的保护范围。实施例1：一种基于稀疏卷积核的果实分割方法,本实施例中采用5×5大小的稀疏卷积核对苹果图像进行分割，具体流程如图1所示，共包含以下步骤：步骤1：提取苹果图像中的主要物体样本苹果图像中虽然光线环境复杂，果实状态多样，但是图像中主要物体的构成相对固定。分析图像可以看出，构成图像的物体主要可以分为5类：果实、树叶、树枝、天空和泥土。为了对这5类物体的颜色特征进行分析，选取了60幅图像作为样本图像，并在这些图像中分别提取这5类物体的像素样本，其中部分样本区域如图2所示。在样本选择时，充分考虑了样本像素的差异性和代表性。差异性为相同物体不同部分的差异性和相同物体在不同光线下的差异性，代表性为选取的像素样本应广泛存在于不同的样本图像中。图2a中的苹果样本含有红色部分和红绿交杂部分，也含有顺光和逆光部分等。图2b中的树叶样本含有树叶的正面和反面，以及老叶和嫩叶。图2c中的树枝样本含有老枝、嫩枝、枯枝和断枝等。图2d中的天空样本呈过曝状态且以灰白色为主，为了能够正常显示添加了边框。图2e中的泥土样本含有杂草、枯草和枯叶等。步骤2：计算果实像素与其他物体像素在不同颜色因子下的区分度，并选择合适的颜色因子对图像进行重构区分度计算公式如式(1)所示，式中J表示样本数据x和y间的区分度，为类间方差，为类内方差，类间方差的计算公式如式(2)所示，式中mx和my分别是样本数据x和y的平均值，Px和Py分别是样本数据x和y所占的比率，类内方差的计算公式如式(3)所示，式中和分别是样本数据x和y的方差。常用于果实分割的颜色空间包含RGB、OHTA、HSI、HSV、YIQ、YCbCr和Lab等。为了避免混淆不同颜色空间中采用相同字母表示的颜色分量，下文将通过为相同字母添加下标的方式加以区分。在计算苹果与其他物体样本像素在以上颜色空间中颜色分量下的区分度时，其中表示亮度的分量I1、I4、V、Y1、Y2和L因为不包含颜色信息，且易受到光线的影响并没有被包含在内。常见的颜色算子包括R-G、R-B、2R-G、EXR(EXR＝2R-G-B)、EXG、(R-G)/(R+G)、(R-G)/(G-B)、R/B、R/G、R-I4和H1-I4等。其中R-B和EXG算子与OHTA颜色空间的颜色分量I2和I3的转换公式只有系数不同，数值归一化后完全相同，因此将二者剔除。EXR和R-I4同样只有系数不同，因此删除R-I本文档来自技高网...

【技术保护点】
1.一种基于稀疏卷积核的果实分割方法,其特征在于：包含以下步骤：/n步骤1：提取图像中主要物体的样本像素，并分析果实像素与其他物体像素在不同颜色因子下的区分度；/n步骤2：选择合适的颜色通道对原图像进行颜色通道重构；/n步骤3：提出一种元素间彼此间隔、互不相邻的稀疏卷积核；/n步骤4：按照稀疏卷积核结构提取重构图像中的主要物体样本像素，并分为果实样本和非果实样本，接着采用两类样本对线性分类器进行训练，然后输出相应的分类模型；/n步骤5：将经过训练的分类器的系数转换为稀疏卷积核内的元素；/n步骤6：采用稀疏卷积核对重构图像进行卷积运算，实现果实的分割。/n

【技术特征摘要】
1.一种基于稀疏卷积核的果实分割方法,其特征在于：包含以下步骤：
步骤1：提取图像中主要物体的样本像素，并分析果实像素与其他物体像素在不同颜色因子下的区分度；
步骤2：选择合适的颜色通道对原图像进行颜色通道重构；
步骤3：提出一种元素间彼此间隔、互不相邻的稀疏卷积核；
步骤4：按照稀疏卷积核结构提取重构图像中的主要物体样本像素，并分为果实样本和非果实样本，接着采用两类样本对线性分类器进行训练，然后输出相应的分类模型；
步骤5：将经过训练的分类器的系数转换为稀疏卷积核内的元素；
步骤6：采用稀疏卷积核对重构图像进行卷积运算，实现果实的分割。


2.根据权利要求1所述的一种基于稀疏卷积核的果实分割方法，其特征在于：步骤1所述的区分度的计算方式，样本数据x和y间的区分度计算公式如式(1)所示：



式中：J表示区分度，为类间方差，为类内方差。


3.根据权利要求2所述的一种基于稀疏卷积核的果实分割方法，其特征在于：所述类间方差的计算公式如式(2)所示：



式中，mx和my分别是样本数据x和...

【专利技术属性】
技术研发人员：刘晓洋，张青春，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：江苏;32