基于光照分類和SVM的重疊顆粒識(shí)別計(jì)數(shù).pdf

1、在農(nóng)業(yè)生產(chǎn)中,常常需要統(tǒng)計(jì)一些類圓顆粒的數(shù)量,如測(cè)定谷物及油料作物的千粒重。傳統(tǒng)人工計(jì)數(shù)的方法費(fèi)時(shí)費(fèi)力,無(wú)法達(dá)到快速計(jì)數(shù)的要求,而光電管計(jì)數(shù)的方法在對(duì)不同大小的顆粒計(jì)數(shù)時(shí)需要更換部件,通用性不高,設(shè)備的維護(hù)和保養(yǎng)也比較麻煩。針對(duì)上述問題,本文提出一種基于光照分類和支持向量機(jī)的重疊顆粒識(shí)別計(jì)數(shù)方法,以大豆種子顆粒為實(shí)驗(yàn)對(duì)象,利用圖像處理技術(shù)實(shí)現(xiàn)對(duì)顆粒的快速分割計(jì)數(shù)。
　　 針對(duì)圖像分割效果易受光照條件及外部環(huán)境影響的問題,本文提出

2、一種基于光照分類的智能圖像分割方法。首先,依據(jù)大豆圖像在兩種光照條件下的顏色特征,利用最小歐氏距離分類器對(duì)光照條件進(jìn)行順光和背光的識(shí)別,然后對(duì)兩種光照條件下的圖像分別提取H分量和(2R-G-B)分量作為各自的分割參數(shù),利用改進(jìn)的二維最大類間方差法進(jìn)行分割。實(shí)驗(yàn)結(jié)果表明,采用這種分而治之的方法,較傳統(tǒng)基于單一顏色分量的分割,有效地降低了光照條件的改變對(duì)分割效果的影響,提高了分割的準(zhǔn)確性。
　　 顆粒物的重疊是采用圖像處理方法來(lái)分割

3、和計(jì)數(shù)的難點(diǎn)。針對(duì)圖像中的重疊顆粒,本文根據(jù)顆粒所具有的形狀特性,提出一種基于支持向量機(jī)的重疊顆粒類型識(shí)別和分割的方法,用來(lái)解決重疊顆粒的分離計(jì)數(shù)問題。首先,對(duì)圖像中的復(fù)雜重疊顆粒,建立三種模型:串粘連、并粘連和兩層重疊,提取它們的特征參數(shù),建立特征數(shù)據(jù)庫(kù)。然后,利用支持向量機(jī)訓(xùn)練學(xué)習(xí),識(shí)別待測(cè)樣本區(qū)域中的各種重疊類型。最后,針對(duì)上述三種重疊類型,利用各區(qū)域的凹陷區(qū)特性,分別建立分割規(guī)則,構(gòu)造各自的最佳分離線,實(shí)現(xiàn)對(duì)深度粘連以及兩層重疊