基于改進(jìn)SURF算法和神經(jīng)網(wǎng)絡(luò)的水果識(shí)別技術(shù)研究.pdf

1、近年來(lái)，計(jì)算機(jī)視覺(jué)技術(shù)在水果圖像識(shí)別方面得到了廣泛的研究和應(yīng)用，但隨著經(jīng)濟(jì)的快速發(fā)展，人們生活的提高，農(nóng)貿(mào)市場(chǎng)和超市里售賣(mài)的水果品種越來(lái)越多，而且其形狀，紋理和大小都不相同。本文研究的其中的一個(gè)目的是，如何快速的提取水果的特征點(diǎn)和如何正確對(duì)水果識(shí)別分類(lèi)。根據(jù)以上的問(wèn)題和情況，本文采用了多種水果進(jìn)行快速和自動(dòng)識(shí)別分類(lèi)實(shí)驗(yàn)研究：首先采集水果圖像并建立數(shù)據(jù)庫(kù)，接著其進(jìn)行預(yù)處理，然后采用改進(jìn)SURF算法對(duì)其進(jìn)行特征提取，最后用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行分

2、類(lèi)。實(shí)驗(yàn)表明該方法對(duì)各種各樣的水果可以進(jìn)行有效的識(shí)別分類(lèi)，它的識(shí)別率為96％。下面介紹本文所做的工作：
　　在研究水果的對(duì)象方面，本文采用以多種水果為研究對(duì)象的模式并采集了多種水果圖像，建立水果圖像數(shù)據(jù)庫(kù)。
　　在對(duì)水果圖像進(jìn)行特征提取，有很多種方法，比如模板法和幾何方法等。但是本文沒(méi)有采用水果的形狀參數(shù)來(lái)作為其特征進(jìn)行提取，而是采用了改進(jìn)SURF算法對(duì)不同的水果特征提取。在特征點(diǎn)檢測(cè)時(shí)，為了在較小的時(shí)間內(nèi)得到分部均勻和數(shù)量

3、適當(dāng)?shù)奶卣鼽c(diǎn)，該算法以特征點(diǎn)的數(shù)量和相互距離作為比較依據(jù)，同時(shí)在特征點(diǎn)匹配階段采用最鄰近向量匹配算法和隨機(jī)采樣算法，提高特征點(diǎn)匹配的準(zhǔn)確度。實(shí)驗(yàn)結(jié)果表明：在水果任意擺放，不同光照，噪聲等復(fù)雜環(huán)境下，改進(jìn)的SURF算法提高了特征點(diǎn)檢測(cè)和匹配時(shí)間，對(duì)水果識(shí)別率較高。分類(lèi)器選擇和應(yīng)用方面，本文根據(jù)以前研究人員的論文和文獻(xiàn)的參考沒(méi)有采用很早的模式識(shí)別方法，而是采用了BP神經(jīng)網(wǎng)絡(luò)學(xué)對(duì)水果和蔬菜進(jìn)行識(shí)別分類(lèi)。BP神經(jīng)網(wǎng)絡(luò)是應(yīng)用最為廣泛的一種網(wǎng)絡(luò)模型