基于模糊集理论的苹果表面阴影去除方法-ingentaconnect.pdfVIP

第 30 卷 第 3 期 农 业 工 程 学 报 Vol.30 No.3 2014 年 2 月 Transactions of the Chinese Society of Agricultural Engineering Feb. 2014 135 基于模糊集理论的苹果表面阴影去除方法 宋怀波，张卫园，张欣欣，邹睿智 （西北农林科技大学机电学院，杨凌 712100 ） 摘 要：为了提高阴影影响下的苹果目标提取精度，该文提出了一种基于模糊集理论的苹果表面阴影去除方法。 该方法将含阴影图像作为一个模糊矩阵，利用所设计的隶属函数进行图像去模糊化处理，达到图像增强的目的， 进而削弱苹果表面阴影对目标分割的影响。为了验证算法的有效性，采用基于灰度阈值和基于颜色聚类 2 种算法 对去除阴影前后的目标图像进行分割，并选用分割误差、假阳性率、假阴性率和重叠系数 4 项指标进行了分析比 较，试验结果表明，去除阴影之后，2 种分割算法所提取的苹果目标区域较去除阴影之前有了较大的提高，2 种分 割算法的平均分割误差分别为 3.08%和 3.46%，比去除阴影之前降低了20.53%和 25.92% ，假阳性率、假阴性率分 别降低了 29.79% 、29.98%和 21.25% 、29.83%，重叠系数分别提高 30.96%和 24.55% 。与灰度变换法去除阴影后分 割的效果比较表明，该方法的平均分割误差降低了 29.23% ，假阳性率、假阴性率分别降低了 30.97%和 20.40% ， 重叠系数提高了 26.60% ；与直方图均衡化法的比较表明，分割误差降低了 25.59% ，假阳性率、假阴性率分别降 低了 22.74%和 27.56% ，而重叠系数提高了 27.43% 。这一系列数据表明，基于模糊集理论的阴影去除方法具有较 好的阴影去除效果。经过去除阴影后，可以获得更高的目标分割性能，目标提取精度显著提高，表明将模糊集方 法应用于苹果目标的阴影去除可以有效地提高苹果目标区域的提取精度。 关键词：图像处理；图像分割；机器人；阴影去除；模糊集；苹果 doi ：10.3969/j.issn.1002-6819.2014.03.018 中图分类号：TP391.41；S216 文献标志码：A 文章编号：1002-6819(2014)-03-0135-07 宋怀波，张卫园，张欣欣，等. 基于模糊集理论的苹果表面阴影去除方法[J]. 农业工程学报，2014，30(3)： 135－141. Song Huaibo, Zhang Weiyuan, Zhang Xinxin, et al. Shadow removal method of apples based on fuzzy set theory[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(3): 135 －141. (in Chinese with English abstract) 用区域生长与颜色特征相结合的方法实现了苹果 0 引 言 目标的分割，识别率达89%；Bulanon D M 等[11]通 光照条件的变化是影响农业采摘机器人视觉 过进一步增强果实红色分量，得到果实目标区域， 系统的主要因素之一。在自然条件下，当光线受到 在一定程度上消除了阴影的影响；蔡健荣等[12]将果 枝、叶、果实等的遮挡时，会在苹果表面产生阴影。