刘向南,王昱潭,赵 琛,朱超伟,李乐凯
宁夏大学 机械工程学院,银川 750021
灵武长枣是隶属宁夏回族自治区的灵武市特有的一种重要经济林果,它的采摘季节在每年的9月中旬到10月初,采摘期比较集中。由于其自身的生长成熟特性,对智能化自动采摘提出强烈需求。在智能化采摘的过程当中,需要借助机器视觉当中的机器识别与定位来对灵武长枣图像进行研究。作为机器视觉的基础,图像处理是必不可少的。图像分割是从图像预处理到图像识别和分析理解的关键步骤,在图像处理中占据重要的位置。许多国内外的学者在此之前也对林果类图像的分割算法进行了各种各样的研究。浙江大学的应义斌教授早在2000年就提出基于区域阈值的黄花梨图像分割的方法[1]。Shigehiko等人提出基于颜色特征和形态学特征的茄子图像分割方法[2]。Bulanon等人于2002年利用基于苹果果色与背景的差异所建立的颜色模型对红富士苹果图像进行了分割[3]。西北农林科技大学的刘小英、何东健等人在2006年利用改进的迭代算法确定分割的最佳阈值,然后再采用RGB阈值法和亮度阈值法对葡萄干图像进行了分割[4]。北京林业大学的阚江明教授在2007年研究了基于机器视觉的立木直径测量以及三维重建等[5-6]。而王昱潭博士则在2014年研究了基于机器视觉的灵武长枣定位和成熟度判别的方法[7],并在2017年利用最大熵算法对灵武长枣图像进行了分割研究[8]。本文尝试利用遗传算法选取最优阈值,再利用改进后的分水岭分割算法,对灵武长枣图像进行分割,为后续处理奠定基础。……