论文信息
题目：基于计算机视觉的成熟番茄识别研究
作者：方政
单位：兰州交通大学
论文性质：核心期刊
期刊名称：《农机化研究》
来源：中国知网
提交时间：2015.7.16
摘要
研究对象：成熟番茄的识别方法；
首先，以HSI模型中的色调分量为基础进行图像分割，提取出成熟番茄目标图像；
然后，利用最大方差自动取阈值法进行分割处理，对得到的目标图像进行轮廓提取；
最后，对轮廓曲线采用Hough变换的方法进行识别，以同一个轮廓圆识别的多个极值点的均值作为最终的识别结果。在Hough变换之前采用最小外接矩形法，进行有效区域的标记，提高Hough变换的效率。
实验结果：
算法对果实遮掩度为 0、小于 50% 、大于 50% 这 3 种情况的识别率分别为 78.7% 、68.1% 、41.9% ，平均识别率达到 70.6% 。本算法对于成熟番茄可以较好识别，尤其对于存在重叠情况的番茄，识别准确率较高。
0 引言
视觉领域的其他的应用：
李聪等利用计算机视觉技术，研究了苹果图像自动分级优化问题；
孙月强等对于蔬菜的病斑识别算法进行研究；
孟大伟等通过水果的颜色特征和纹理特征，实现水果图像自动识别；
在番茄识别领域：
张瑞和等利用图像分割进行标定，继而采用面积配准，采用体视成像进行三维定位。
蔣焕煜等利用形心匹配和区域匹配的方法，获取番茄位置信息实现识别；
赵文杰等利用HIS特征，分割出成熟番茄区域，实现番茄的识别；
纪平等利用Canny算子对番茄轮廓进行提取，再用圆对轮廓进行拟合，实现了番茄的识别；
总结：
以上方法对于番茄的识别基本上都是基于颜色进行背景分离，然后采用区域匹配或计算中心矩进行位置信息获取；
然而成熟的番茄的果形主要是呈现为椭球形，而且存在众多的重叠情况，现有算法识别效果不高，无法应用在实际生产过程中；
提出本文研究内容：
本文通过色调分离出枝叶和背景和成熟番茄，再利用Hough变换识别果实的轮廓；为了提高Hough变换的效果，对目标区域进行了有效的矩形标记；通过求取多个识别极大值的均值，剔除突变点，提高识别的精度。
1 成熟番茄识别
本文的算法流程图：
图像分割：
成熟番茄果实一般为红色，而枝叶等背景通常为绿色，差异性较为明显。因此，本文通过颜色将果实和枝叶分离开来，采用 HSI色彩模型，为减少光照等不利因素的影响，通过提取色调分量 H 分离出果实。
将输入图形由RGB格式转化为HIS模型。
提取 H 分量之后，根据番茄图像的特点，即番茄果实图像的灰度分布和枝叶图像的灰度分布分别对应着灰度直方图（见下图）中的两个波峰，因此只需选取适合的阈值，就能将成熟番茄图像与枝叶这样的背景图像相分离；
本文采用文献中的最大方差自动取阈值法，该方法是利用方差的特性来进行阈值选择的；
对图像分割结果进行轮廓提取，效果如下图：
获取轮廓图像之后，即可采用Hough 变换进行识别。
外接矩形标记：
Hough 变换的参数空间巨大，运算耗费时间长，而很多非目标区域的无效计算都是可以避免的。为简化计算，首先对图像空间进行区域标记，使得所有番茄轮廓包含在有效区域中; 然后，再对有效区域采用 Hough 变换进行番茄识别的操作；
遍历整幅图像，以番茄为目标区域，划定有效的区域；仅仅对有效区域进行Hough变换；最小外接矩形法划分的效果如下：
Hough变换：
番茄的果实比较规则，一般为椭球体或近似球状，在图像上多反映为椭圆形或者近似圆形，因此可以采用 Hough 变换的方法进行检测识别；
Hough变换的原理（这个单独作为知识点进行学习）；
由于绝大多数番茄的轮廓是椭圆，而非真正的圆，因此对于每一个受检测的番茄轮廓来说，都有多个极大值点 p1，p2，． ． ． ，pn，属于同一个番茄轮廓的极大值点相距较近，不同番茄的极大值点相距较远。通过设立一个距离阈值 Tp，可以将不同番茄轮廓的极大值点分离开来。对于同属于同一个番茄轮廓的极大值点，求取它们平均值 p＇，以 p＇ 作为该轮廓的极大值点，确定其方程，完成对一个成熟番茄的识别。
通过以上图像分割、图像有效区域标记、Hough 变换识别图像，即实现了对于成熟番茄的识别。
2 仿真结果与分析
条件：
图像分辨率为 800 × 600；计算机：Inter core i3，主频1.7GHz，内存4G；仿真实验软件：Matlab7.0
结果：
结果分析：
综合看来，本文算法可以有效滤除未成熟番茄，识别成熟番茄，平均识别率达到了 70． 6% ; 尤其对于存在重叠情况的番茄，识别准确率较高，误识别较少；
3 结论
本文算法提出了一种成熟番茄识别方法；该识别方法可以有效的从图像中识别出未成熟番茄，自动滤掉未成熟番茄和枝叶等背景；尤其是对重叠有遮挡的情况下，番茄的识别效果有了较大的改善；
本文方法可以应用在类圆的瓜果识别领域；
finished，2018.11.17，afternoon，by songpl
★声明：本篇文章是本人在学习期间的笔记，如有侵权，请联系删除