基于光照分類和SVM的重疊顆粒識別計數(shù).pdf

1、在農(nóng)業(yè)生產(chǎn)中,常常需要統(tǒng)計一些類圓顆粒的數(shù)量,如測定谷物及油料作物的千粒重。傳統(tǒng)人工計數(shù)的方法費時費力,無法達(dá)到快速計數(shù)的要求,而光電管計數(shù)的方法在對不同大小的顆粒計數(shù)時需要更換部件,通用性不高,設(shè)備的維護和保養(yǎng)也比較麻煩。針對上述問題,本文提出一種基于光照分類和支持向量機的重疊顆粒識別計數(shù)方法,以大豆種子顆粒為實驗對象,利用圖像處理技術(shù)實現(xiàn)對顆粒的快速分割計數(shù)。
　　 針對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光照條件進(jìn)行順光和背光的識別,然后對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。實驗結(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分割

3、和計數(shù)的難點。針對圖像中的重疊顆粒,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的重疊顆粒類型識別和分割的方法,用來解決重疊顆粒的分離計數(shù)問題。首先,對圖像中的復(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。然后,利用支持向量機訓(xùn)練學(xué)習(xí),識別待測樣本區(qū)域中的各種重疊類型。最后,針對上述三種重疊類型,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,實現(xiàn)對深度粘連以及兩層重疊