基于最小错误率贝叶斯决策的苹果图像分割

《基于最小错误率贝叶斯决策的苹果图像分割》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第22卷第5期农业工程学报Vol.22No.51222006年5月TransactionsoftheCSAEMay2006基于最小错误率贝叶斯决策的苹果图像分割包晓敏,汪亚明(浙江理工大学信息电子学院计算机视觉与模式识别中心,杭州310018)摘　要:为了实现苹果分级完全自动化,对苹果图像的分割进行了研究。依据最小错误率贝叶斯决策理论,提出了一种基于最小错误率贝叶斯决策的图像分割方法。从图像的直方图中估计出服从正态分布的不同类别参数,对图像中每一像素点进行不同类别判断。通过对多幅图像试验,取得良好的分割结果。

2、试验结果表明,该方法无须滤波而具有良好的抑制噪声的能力,在图像分割中是一种可行的方法。关键词:图像分割;贝叶斯决策;苹果;自动分级中图分类号:TP391.41;TP242.62文献标识码:A文章编号:100226819(2006)0520122203包晓敏,汪亚明.基于最小错误率贝叶斯决策的苹果图像分割[J].农业工程学报,2006,22(5):122-124.BaoXiaomin,WangYaming.AppleimagesegmentationbasedontheminimumerrorBayesdeci

3、sion[J].TransactionsoftheCSAE,2006,22(5):122-124.(inChinesewithEnglishabstract)度值分布有相对集中的一段区域,对灰度值不相交部分0　引　言的判定较简单,但对于相交部分的判定往往比较困难,苹果分级是根据苹果大小、形状、色泽和表面缺陷由于物体和背景的灰度级分布是有交叠的,有时无论如等几个方面进行的。分级过程中的形状、色泽、表面缺陷何选择阈值总会造成误分类。[1]检测和分类依然主要依靠人工进行。肉眼判别过程存边缘轮廓是组成物体外形的一个重

4、要部分,由于不在着判别尺度不易一致、精度不高、重复性差、视觉容易同物体有不同的色彩或灰度,因此物体轮廓往往发生在疲劳、速度缓慢等问题,给苹果的销售和出口带来很大色彩或灰度突变的地方,所以从图像上检测灰度的突变[1][9]困难。在1985年,Rehkugler等人就提出了采用黑白处常常成为寻找表面边缘或轮廓的基本方法。常用的[2]摄像头基于苹果图像灰度的缺陷检测方法,刘禾等提边缘检测算法有Roberts算子、Sobel算子、Prewitt算[3]出图像分割的方法对苹果进行等级划分,籍保平等人子和Canny算子等

5、。[4]提出了基于计算机视觉的苹果分级系统,包晓安等人2　最小错误率贝叶斯决策的数学模型提出基于人工神经网络与图像处理的苹果识别方法研[5]究,何东健等人提出利用计算机视觉技术自动检测果在分类问题中,往往希望尽量减少分类的错误。从实表面颜色和着色面积。这样的要求出发,利用概率论中的贝叶斯公式,就能得随着计算机处理速度的不断提高,计算机模拟人类出使错误率为最小的分类规则,称之为最小错误率贝叶视觉系统取得长足进步。在图像识别与分析系统中采用斯决策。[6]贝叶斯决策已经取得较好效果,如用于字体的判断类别的状态是一个

6、随机变量,而某种状态出现的概等。本文以红富士苹果为例,提出了用计算机图像处理率是可以估计的。在两种类别(设类别为X1和X2)的判技术与最小错误率贝叶斯决策理论相融合的图像分割定中,识别前已知先验概率P(X1)和P(X2),且P(X1)方法。+P(X2)=1,合理的决策规则应为:若P(X1)>P(X2),则做出属于X1的判断;1　常用图像分割法若P(X1)

7、基于区域的方法。前都归属一类,而根本未达到正常分开来的目的。这是由者利用图像的不连续性检测物体的边缘轮廓,从而达到于先验概率提供的分类信息太少。为此还必须利用所观分割图像的目的;后者依据某种相似性判决标准,考察测到的信息,由其特征抽取而得到d维观测向量,x=图像中像素间的相似程度,将图像的像素划分到不同类T[x1,x2,+,xd],且已知类条件概率,p(xûX1)是X1类状中,形成不同区域,最终得到分割结果。常用的区域阈值态下观察特征x的类条件概率密度,p(xûX2)是X2类状[8]法是根据灰度值分割图像,由

8、于背景和目标物体的灰态下观察特征x的类条件概率密度。利用贝叶斯公式,即收稿日期:2004212213　修订日期:2005206210p(xûX1)P(X1)P(X1ûx(=2作者简介:包晓敏(1965-),女,浙江东阳人,副教授,主要从事计算机图像处理及电子技术应用研究。杭州市　浙江理工大学信息电子∑p(xûXj)(P(Xj)j=1学院,310018。Email:xiaominbao@163.net