基于视觉显著性改进的水果图像模糊聚类分割算法

准确分割水果图像是采摘机器人实现视觉定位的关键技术。该文针对传统模糊聚类对初始聚类中心敏感、计算量大和易出现图像过分割等问题，结合机器人的视觉特性，提出了一种基于多尺度视觉显著性改进的水果图像模糊聚类分割算法。首先，选择适当的颜色模型把彩色水果图像转换为灰度图像；然后对灰度图像做不同尺度的高斯滤波处理，基于视觉显著性的特点，融合了多个不同尺度的高斯滤波图像，形成图像聚类空间；最后，用直方图和模拟退火粒子群算法对图像的传统模糊聚类分割算法进行了改进，用改进的算法分别对采集到的100张成熟荔枝和柑橘图像，各随机选取50张，进行图像分割试验。试验结果表明：该方法对成熟荔枝和柑橘的图像平均果实分割率分...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 29; no. 6; pp. 157 - 165
Main Author 陈科尹 邹湘军 熊俊涛 彭红星 郭艾侠 陈丽娟
Format Journal Article
LanguageChinese
Published 华南农业大学南方农业机械与装备关键技术省部共建教育部重点实验室,广州 510642%华南农业大学信息学院,广州 510642 2013
Subjects
图像处理
多尺度视觉显著性
模拟退火
模糊聚类
粒子群算法
采摘机器人
image processing
particle swarm
simulated annealing
采摘机器人
图像处理
picking robot
fuzzy clustering
模糊聚类
粒子群算法
模拟退火
multi-scale visual saliency
多尺度视觉显著性
Online AccessGet full text
ISSN1002-6819
DOI10.3969/j.issn.1002-6819.2013.06.020

Cover

More Information
Summary:准确分割水果图像是采摘机器人实现视觉定位的关键技术。该文针对传统模糊聚类对初始聚类中心敏感、计算量大和易出现图像过分割等问题，结合机器人的视觉特性，提出了一种基于多尺度视觉显著性改进的水果图像模糊聚类分割算法。首先，选择适当的颜色模型把彩色水果图像转换为灰度图像；然后对灰度图像做不同尺度的高斯滤波处理，基于视觉显著性的特点，融合了多个不同尺度的高斯滤波图像，形成图像聚类空间；最后，用直方图和模拟退火粒子群算法对图像的传统模糊聚类分割算法进行了改进，用改进的算法分别对采集到的100张成熟荔枝和柑橘图像，各随机选取50张，进行图像分割试验。试验结果表明：该方法对成熟荔枝和柑橘的图像平均果实分割率分别为95.56%和93.68%，平均运行时间分别为0.724和0.790 s，解决了水果图像过分割等问题，满足实际作业中采摘机器人对果实图像分割率和实时性的要求，为图像分割及其实时获取提供了一种新的基础算法，为视觉精确定位提供了有效的试验数据。
Bibliography:11-2047/S
Chen Keyin, Zou Xiangjun, Xiong Juntao, Peng Hongxing, Guo Aixia, Chen Lijuan （1. Key Lab of Key Technology on South Agricultural Machine and Equipment Ministry of Education, South China Agricultural University, Guangzhou 510642, China; 2. College of lnformatics, South China Agricultural University, Guangzhou 510642, China）
image processing; fuzzy clustering; simulated annealing; multi-scale visual saliency; particle swarm;picking robot
The vision location system of the picking robot, which is an important part of the robot, is mainly used to detect the spatial position of the fruit and provide the motion control system of the robot with position information. Extracting the fruit waited for picking in a complex background by selecting an appropriate image segmentation technology provides us with the full assurance to obtain the position information of the fruit. So, aiming at the problems that the traditional fuzzy clustering is sensitive to the initial clustering centers and has large amounts of calcu
ISSN:1002-6819
DOI:10.3969/j.issn.1002-6819.2013.06.020