论文部分内容阅读
随着农业不断走向产业化，农产品超市化经营已成为零售业的主导形式。但超市农产品在售卖过程中，价格仍然依靠人工记忆，耗费了大量人力。为了解决上述问题，本文提出了基于计算机视觉技术的果蔬识别算法。本文对果蔬识别系统进行了深入研究，总结了果蔬识别的国内外发展现状以及该课题的技术难点，介绍了果蔬识别的系统框架，并且着重研究了Gabor特征提取及降维、蚁群优化SVM以及稀疏表示分类算法。 本论文主要的工作和创新点如下: (1)果蔬图像库的建立。利用摄像头采集果蔬图像，并研究了果蔬图像预处理的基本方法，实现了果蔬图像的归一化处理，切割出果蔬有效局部区域，建立果蔬图像库，用于后续特征提取。 (2)果蔬图像的特征提取方法。通过与下采样等的实验比较证明，本文得出Gabor小波变换具有良好的视觉模拟特性，并且具有较好的空间域、频率域局部性，以及多方向选择性。 (3)果蔬图像的特征降维方法。由于Gabor特征提取得到的果蔬特征维数较高，因此本文选用改进的2D-PCA对其进行降维，实验证明，该方法大大提高了计算效率。 (4)果蔬图像的分类识别。本文首先使用蚁群算法优化参数的支持向量机，并进行了实验验证，优化效果较好。 (5)本文最后通过对果蔬测试样本的稀疏表示，采用多种匹配算法求得最稀疏的系数解。经过实验证明，构建的果蔬识别系统，能实现预期效果，并且从识别正确率和算法效率上验证了SAMP算法相对于其他匹配算法的优越性。