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

1、近年來，計算機視覺技術(shù)在水果圖像識別方面得到了廣泛的研究和應(yīng)用，但隨著經(jīng)濟的快速發(fā)展，人們生活的提高，農(nóng)貿(mào)市場和超市里售賣的水果品種越來越多，而且其形狀，紋理和大小都不相同。本文研究的其中的一個目的是，如何快速的提取水果的特征點和如何正確對水果識別分類。根據(jù)以上的問題和情況，本文采用了多種水果進行快速和自動識別分類實驗研究：首先采集水果圖像并建立數(shù)據(jù)庫，接著其進行預(yù)處理，然后采用改進SURF算法對其進行特征提取，最后用BP神經(jīng)網(wǎng)絡(luò)進行分

2、類。實驗表明該方法對各種各樣的水果可以進行有效的識別分類，它的識別率為96％。下面介紹本文所做的工作：
　　在研究水果的對象方面，本文采用以多種水果為研究對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。
　　在對水果圖像進行特征提取，有很多種方法，比如模板法和幾何方法等。但是本文沒有采用水果的形狀參數(shù)來作為其特征進行提取，而是采用了改進SURF算法對不同的水果特征提取。在特征點檢測時，為了在較小的時間內(nèi)得到分部均勻和數(shù)量

3、適當(dāng)?shù)奶卣鼽c，該算法以特征點的數(shù)量和相互距離作為比較依據(jù)，同時在特征點匹配階段采用最鄰近向量匹配算法和隨機采樣算法，提高特征點匹配的準確度。實驗結(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，改進的SURF算法提高了特征點檢測和匹配時間，對水果識別率較高。分類器選擇和應(yīng)用方面，本文根據(jù)以前研究人員的論文和文獻的參考沒有采用很早的模式識別方法，而是采用了BP神經(jīng)網(wǎng)絡(luò)學(xué)對水果和蔬菜進行識別分類。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