欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2019106637302
申请人: 南京邮电大学
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于颜色描述及稀疏表达的类圆形水果缺陷检测方法,其特征在于,所述方法包括如下步骤:获取待检测图像的远邻域颜色描述特征;

对所述远邻域颜色描述特征进行修正获取修正后的远邻域颜色描述特征;

根据所述修正后的远邻域颜色描述特征建立高斯混合模型;

根据所述高斯混合模型获取待检测水果的缺陷位置;

所述远邻域颜色描述特征的获取方法包括:

获取所述待检测图像的颜色类别标记;

根据所述颜色类别标记建立颜色统计直方图;

建立所述待检测图像中各个像素点对应的远邻域区域和置信度;

根据所述颜色类别标记获取远邻域区域内与中心像素点同类别的相似像素点;

根据所述相似像素点个数获取远邻域相似值;

根据所述置信度和远邻域相似值计算得到远邻域相似值加权和;

根据所述颜色统计直方图和远邻域相似值加权和得到远邻域颜色相似描述特征;

所述待检测图像的获取方法包括:

通过去背景处理获取无背景的水果图像;

对所述无背景的水果图像进行扩充;

对扩充后的无背景的水果图像进行划分获取重叠图像块和非重叠图像块;

获取非重叠图像块中含有水果区域的图像块并对所述含有水果区域的图像块中需要填充的图像进行填充,所述填充后的含有水果区域的图像块和不需要填充的含有水果区域的图像块即为待检测图像。

2.根据权利要求1所述的一种基于颜色描述及稀疏表达的类圆形水果缺陷检测方法,其特征在于,所述远邻域相似值加权和的计算方法如下:FSumL=∑(u,v)∈L Msim(u,v)×Mconf(u,v)  (10)其中,FSumL为图像块中类别标记为L的像素点对应的远邻域相似值加权和,(u,v)为图像块中类别为L的像素点坐标,Msim为该图像块各像素的远邻域相似值构成的矩阵,Mconf为图像块置信度矩阵。

3.根据权利要求1所述的一种基于颜色描述及稀疏表达的类圆形水果缺陷检测方法,其特征在于,所述远邻域颜色相似描述特征计算方法如下:其中,F为远邻域颜色描述特征,FSum为远邻域相似值加权和,FRGB为颜色统计直方图。

4.根据权利要求1所述的一种基于颜色描述及稀疏表达的类圆形水果缺陷检测方法,其特征在于,所述远邻域颜色相似描述特征的修正方法包括:获取稀疏表达的最优稀疏度;

获取待检测图像中各图像块在最优稀疏度下对应的编码系数;

根据所述最优稀疏度对应的编码系数修正远邻域颜色描述特征。

5.根据权利要求4所述的一种基于颜色描述及稀疏表达的类圆形水果缺陷检测方法,其特征在于,所述最优稀疏度的获取方法包括:对所述远邻域颜色相似描述特征进行恢复处理获取恢复后远邻域颜色相似描述特征;

根据所述远邻域颜色相似描述特征和恢复后远邻域颜色相似描述特征获得两者的距离差;

将相同颜色类别标记的图像块的距离差相加以获得当前稀疏度下的特征距离差之和;

改变稀疏度获得不同稀疏度下的特征距离差之和;

选择特征距离差之和的最小值对应的稀疏度作为最优稀疏度。

6.根据权利要求4所述的一种基于颜色描述及稀疏表达的类圆形水果缺陷检测方法,其特征在于,所述修正后的远邻域颜色描述特征表达式如下:其中,为修正后的远邻域颜色描述特征,D为超完备字典,wi为各邻域图像块权重值,αi为第i个邻域图像块编码系数。

7.根据权利要求4所述的一种基于颜色描述及稀疏表达的类圆形水果缺陷检测方法,其特征在于,所述编码系数的计算公式如下:[w2x2+w3x3+w4x4+w5x5,x2,x3,x4,x5]=D[α1,α2,α3,α4,α5]Dαi=xi,i=2,3,4

s.t min||α||row,0  (17)式中,x2,x3,x4,x5为x1邻域图像块的修正前的远领域颜色描述特征,w2,w3,w4,w5为各邻域图像块权重值,α1为中心图像块编码系数,α2、α3、α4、α5为α1的邻域图像块编码系数,xi为第i个领域邻域图像块的修正前的远领域颜色描述特征,αi为第i个邻域图像块编码系数,D为超完备字典。

8.根据权利要求1所述的一种基于颜色描述及稀疏表达的类圆形水果缺陷检测方法,其特征在于,所述图像块填充方法包括:将图像块填充部分的像素被置为该图像块中所有水果区域颜色值的均值。