基于MATLAB BP神经网络的水果识别

基于MATLAB BP神经网络的水果识别

一、课题实现的功能

1 原理分析

由于数字图像是唯一的特征标识符号，在经营管理中具有不可替代的作用，因此数字图像识别系统应具有很高的识别正确率，对环境光照条件、拍摄位置等因素的影响应有较大的容阈，并且要求满足实时性要求。

区域搜索与分割

图像分割

归一化

图像特征提取

图像识别

图像输入

预处理

图2-1 水果特征识别系统原理图

该系统是计算机图像处理与特征识别技术在智能化经营管理系统中的应用，它主要由水果图像的采集和预处理、水果区域的定位和提取、图像的分割和识别等几个部分组成，如图1所示。其基本工作过程如下：

（1）图像的采集；

（2）数字图像的图像通视频卡输入计算机进行预处理，图像预处理包括图像转换、图像增强、滤波和水平矫正等；

（3）由检索模块进行搜索与检测，定位并分割出包含水果特征的矩形区域；

（4）对水果特征进行二值化并分割出单个图像，经归一化后输入单个图像识别系统进行识别。

二、 总体设计方案

数字图像识别整个系统主要是由图像定位和特征识别两部分组成，其中图像定位又可以分为图像预处理及边缘提取模块和水果的定位及分割模块；特征识别可以分为特征分割与特征提取和单个特征识别两个模块。

为了用于水果的分割和水果特征的识别，原始图像应具有适当的亮度，较大的对比度和清晰可辩的水果图像。但由于该系统的摄像部分工作于开放的户外环境，加之数字图像的整洁度、自然光照条件、拍摄时摄像机与水果的距离和角度等因素的影响，水果图像可能出现模糊、歪斜和缺损等严重缺陷，因此需要对原始图像进行识别前的预处理。

水果的定位和分割是水果识别系统的关键技术之一，其主要目的是在经图像预处理后的原始灰度图像中确定水果的具体位置，并将包含水果特征的一块子图像从整个图像中分割出来，供特征识别子系统识别之用，分割的准确与否直接关系到整个水果特征识别系统的识别率。

由于拍摄时的光照条件、水果的整洁程度的影响，和摄像机的焦距调整、镜头的光学畸变所产生的噪声都会不同程度地造成水果特征的边界模糊、细节不清、笔划断开或粗细不均，加上水果上的污斑等缺陷，致使特征提取困难，进而影响特征识别的准确性。因此，需要对特征在识别之前再进行一次针对性的处理。

三 具体技术路线

（1）图像预处理及边缘提取

图像预处理技术可最大限度提高图像正确识别率，这些图像预处理包括图像灰度化、平滑、倾斜校正、灰度修正等。

输入水果图像

灰度校正

平滑处理

提取边缘

图3-1 预处理及边缘提取流程图

1、图像的采集与转换

考虑到现有水果的特征与背景的颜色搭配一般有多种，利用不同的色彩通道就可以将区域与背景明显地区分出来，因为蓝色（255，0，0）与白色（255，255，255）在通道中并无区分，而在G、R 通道或是灰度图像中并无此便利。原图、灰度图及其直方图见图2与图3。对于将彩色图像转换成灰度图像时，图像灰度值可由下面的公式计算：

(3-1)

(3-2)

2、边缘提取

边缘是指图像局部亮度变化显著的部分，是图像风、纹理特征提取和形状特征提取等图像分析的重要基础。所以在此我们要对图像进行边缘检测。图象增强处理对图象的可辨认度的改善和简化后续的水果特征定位和分割的难度都是很有必要的。增强图象对比度度的方法有：灰度线性变换、图象平滑处理等。

（1）灰度校正

由于水果图像在拍摄时受到种种条件的限制和干扰，图像的灰度值往往与实际景物不完全匹配，这将直接影响到图像的后续处理。如果造成这种影响的原因主要是由于被摄物体的远近不同，使得图像中央区域和边缘区域的灰度失衡，或是由于摄像头在扫描时各点的灵敏度有较大的差异而产生图像灰度失真，或是由于曝光不足而使得图像的灰度变化范围很窄。这时就可以采用灰度校正的方法来处理，增强灰度的变化范围、丰富灰度层次，以达到增强图像的对比度和分辨率。

（3）平滑处理

对于受噪声干扰严重的图像，由于噪声点多在频域中映射为高频分量，因此可以在