基于多颜色和局部纹理的水果识别算法研究

陈雪鑫 卜庆凯

摘要： 为提高水果种类识别的准确性，本文提出一种基于多颜色特征和纹理特征的水果识别算法。该研究选择不同种类的水果图像作为实验测试样本，使用最大类间方差法Otsu分割图像，得到水果图像的目标区域，分别对目标区域进行红、绿、蓝（RGB）颜色模型和色调、饱和度、明度（HSV）颜色模型的直方图分析，采用颜色矩算法和非均匀量化算法对RGB模型和HSV模型提取特征，利用局部二值模式（local binary patterns，LBP）对目标区域提取局部纹理特征，对颜色和纹理特征向量进行优化组合，结合基于梯度下降算法的BP神经网络对测试样本进行训练分类。针对输入层输入不同特征分别进行实验并比较，得到基于不同特征的水果识别率。研究结果表明，本算法分类识别率可达90%以上，高于单一特征算法识别率。该研究具有一定的实际应用价值。

关键词： 图像处理; 局部二进制模式; 颜色空间; 神经网络

中图分类号： TP391.4; TP183  文献标识码： A

我国水果种类繁多，生产总量占世界总产量的18%左右，如此高的产量对水果分类带来较大压力。使用传统人工方式进行检测和分类，存在效率低、周期長、识别率不准确、消耗大量劳动力等问题。近年来，许多学者利用数字图像识别方法，对水果分类问题进行研究。数字图像识别技术一般是检测提取图像各部位的固有属性，包括颜色、形状及纹理特征等[1]，然后利用分类器训练，进行识别分类。吕秋霞等人[23]利用神经网络结合多特征的提取，实现了水果的良好分类;赵玲等人[4]利用HIS颜色模型识别草莓成熟度，实验正确率达90%，但是单一的特征不足以充分显示完整信息，会造成一定误差;王履程等人[5]提取枸杞色泽、大小及形状等参数，使用最小距离分类器对枸杞进行分类，特征参数详尽，但耗时较长。而利用灰度共生矩阵和小波描述子分析方法[6]对图像提取纹理特征，易造成图像颜色信息的丢失，导致识别不准确。基于此，本文提出一种基于多颜色和局部纹理特征的水果分类识别算法。分析并提取RGB空间下各颜色分量的特征信息，对HSV颜色空间模型各通道分量进行非均匀量化，提取特征信息，极大程度保留图像的颜色信息，使特征冗余降低。同时使用LBP算子，提取目标体的局部纹理特征信息，在BP神经网络基础上，对提取的颜色特征和纹理特征进行训练识别。该研究对水果种类的检测和分类具有重要意义。