番茄收獲機器人視覺定位中多光譜圖像融合方法的研究.pdf

1、針對目前農(nóng)業(yè)收獲機器人視覺方面存在的難題，特別是果實采摘前的識別定位，普遍存在受環(huán)境干擾較大以及識別精度不高的難題，本文從兩個可見光和一個近紅外的三目視覺角度出發(fā)，利用多光譜圖像融合的方式來尋求更好的解決方式，為后繼果實的定位打下堅實的基礎(chǔ)。開展的主要研究內(nèi)容如下： 1)多光譜圖像配準。圖像融合的前提是圖像的精確配準，因此本文對圖像的配準進行了著重研究。對采集的多光譜圖像進行了分析，采用Harris角點檢測算子提取可見光圖像和近

2、紅外圖像角點特征，并對基于角點支持強度的角點匹配算法進行了改進，形成了番茄多光譜圖像良好的角點匹配算法。之后對圖像采用基于仿射變換的圖像粗配準，并在彩色圖像分割的前提下，提取可見光圖像和近紅外圖像的收獲目標及其鄰域。再對提取得到的果實鄰域利用Harris算子檢測角點，并進行角點匹配，最后利用仿射變換實現(xiàn)了可見光圖像和近紅外圖像中目標的精確配準。 2)多光譜圖像融合。繼圖像精確配準之后，對多光譜圖像融合進行了研究。本文對現(xiàn)有的融合

3、算法-IHS變換法、主成分變換法和小波變換法進行了對比試驗，通過主觀和客觀的基于熵、清晰度和標準差等幾個方面進行了評價。主觀方面，小波變換融合后的圖像，具有果實和背景差異明顯的特性，給后續(xù)的果實分割打下了良好的基礎(chǔ)?？陀^方面，小波融合算法作用的圖像具有較大的熵、清晰度和標準差，而且在實時性方面能夠滿足采摘機器人的要求，因此本研究最終選用小波變換融合來實現(xiàn)本研究多光譜圖像的融合。 3)融合圖像的分割與分析。融合前，對可見光圖像采用

4、了基于色差和受控分水嶺的圖像分割算法進行圖像分割，圖像融合之后，為了更加直觀地顯示融合前后圖像的優(yōu)劣和差異，依然采用前面分割算法對融合后的圖像進行分割。并在分割之后對分割的質(zhì)量進行了分析和討論。結(jié)果表明，經(jīng)過融合后的圖像比融合前的圖像在分割效果上有很高的成功率，說明本文的多光譜圖像融合的研究達到了預期的目的，具有較好的實用性。 通過研究，在多光譜圖像配準和融合方面取得了較大進展。系統(tǒng)能夠?qū)Υ嬖诓煌恼趽跚闆r下的果實進行有效的識別