基于图像识别的苹果分级研究 第4页
很关键的。
2．3苹果自动分级系统的软件组成
    计算机对数字图像识别软件部分工作过程就是对输入到计算机的原始数字图
像，进行各种变换处理后，进行结果分析，提取需要的特征信息，生成特征向量，
最后根据生成的特征向量进行模式识别。
    图像识别分四个阶段。首先应该获取图像，然后再对图像进行处理，比如灰
度均衡，滤波，图像变换，图像增强等。再对图像进行特征提取，这需要根据不
同的图像提取不同的特征量，例如物体面积，大小，形状等特征量。最后根据提
取的特征向量进行分级。常见的分级法有统计模式识别与语法模式识别两种方式。
图2．3为计算机对数字图像识别示意图。
图像
识别结果(物体类型或等级)
    图2．3图像识别系统的输入输出
  一个图像识别系统主要包括三部分：1、图像信息的获取；2、信息的加工和
处理、抽取特征；3、判断和分级。这种图像识别系统，基本上模仿了人对事物的
认识过程：如图2．4所示。
结果
    图2—4图像识别系统框图
    图像信息获取部分的作用相当于调查了图像的情况，从中得到各种信息：数
据、资料等。因而要针对具体图像，采用不同的装置。若是直觉形象的文字、照
片、软片等，则用光电扫描设备；若是语言、声音等，则用话筒等传声装置。其
目的都是把图像变成电信号，即光电转换或声电转换。如各种摄像管、飞点管、
激光器以及各种固体光敏器件，他们是进行图像识别的必要条件，对它们的要求
是转换后得出的电信号均匀性好、线性度好、速度快、噪声小、分辨率高，设备
精小、低廉，便于维护等。本课题硬件环境需要有图像信息获取装置，目前采用
的方法是利用摄像镜头采集图像。
    信息处理和特征抽取部分相当于人们把调查了解到的数据、材料进行整理、
加工、归纳，去伪存真，去粗取精，抽出能代表图像特点的特征。由第一部分得
到的大量信息，如识别字符时每个字符约转换成几百个甚至上千个电信号。而要
快速处理及快速识别，必须抓住主要矛盾，将大量信息缩减到少量的若干个特征，
这是快速识别图像的关键。另一方面，对不同的判决方案，也应有不同的抽取特
征的方式，如利用文字、工件图形的边缘特征，也可将图像分割成点阵，经处理
而组成特征。识别语音则要抽取声波的频谱特征等。
    判断或分级是做出最后决策的部分。一个理想的特征抽取器，可以使分级器
的工作变得很简单；但是一个全能的分类器，将无求于特征抽取器，其间的区别
决定于实际问题。一般来讲，特征抽取问题比分类问题更依赖于被识别图像本身。
    图像识别系统的设计分为五个步骤或方式实现：物体检测器设计、特征选择、
分类器设计、分类器训练和性能评估。
    ’    图2—5图像系统设计流程图
    物体检测器是一个在复杂景物中分类出各个物体图像的算法。特征选择确定
物体的哪些属性(例如尺寸，形状等)需要的计算，以便能够用它更好地区别各
种物体。分类器设计为分类过程确定数学基础。分类器本身的各种可调节参数(例
如决策阈值等)在分类器训练阶段确定。除此之外，通常还要求估计出在使用该
系统时分类错误率的期望值，因此还得进行性能评估。图2．5提供了可供参考的
图像识别系统设计流程图。
精小、低廉，便于维护等。本课题硬件环境需要有图像信息获取装置，目前采用
的方法是利用摄像镜头采集图像。
    信息处理和特征抽取部分相当于人们把调查了解到的数据、材料进行整理、
加工、归纳，去伪存真，去粗取精，抽出能代表图像特点的特征。由第一部分得
到的大量信息，如识别字符时每个字符约转换成几百个甚至上千个电信号。而要
快速处理及快速识别，必须抓住主要矛盾，将大量信息缩减到少量的若干个特征，
这是快速识别图像的关键。另一方面，对不同的判决方案，也应有不同的抽取特
征的方式，如利用文字、工件图形的边缘特征，也可将图像分割成点阵，经处理
而组成特征。识别语音则要抽取声波的频谱特征等。
    判断或分级是做出最后决策的部分。一个理想的特征抽取器，可以使分级器
的工作变得很简单；但是一个全能的分类器，将无求于特征抽取器，其间的区别
决定于实际问题。一般来讲，特征抽取问题比分类问题更依赖于被识别图像本身。
    图像识别系统的设计分为五个步骤或方式实现：物体检测器设计、特征选择、
分类器设计、分类器训练和性能评估。
    ’    图2—5图像系统设计流程图
    物体检测器是一个在复杂景物中分类出各个物体图像的算法。特征选择确定
物体的哪些属性(例如尺寸，形状等)需要的计算，以便能够用它更好地区别各
种物体。分类器设计为分类过程确定数学基础。分类器本身的各种可调节参数(例
如决策阈值等)在分类器训练阶段确定。除此之外，通常还要求估计出在使用该
系统时分类错误率的期望值，因此还得进行性能评估。图2．5提供了可供参考的
图像识别系统设计流程图。
    苹果自动分级的软件系统，就是采集的苹果表面图像信息进行处理、识别。
主要任务有苹果进行分类前的低层信息处理及算法研究；苹果图像处理包括对图
像滤波，边缘检测、图像二值化、图像细化苹果分类算法研究。提取苹果图像中
的大小、形状特征参数；探讨分类的方法，本人分别对判别函数法和神经网络法
分类方法进行研究。

上一页  [1] [2] [3] [4] [5] [6] [7] [8] [9] [10]  ... 下一页  >>