專利名稱：一種基于馬爾科夫隨機(jī)場的粘連物分割方法
技術(shù)領(lǐng)域：
本發(fā)明涉及質(zhì)量監(jiān)測(cè)技術(shù)領(lǐng)域，特別涉及一種基于馬爾科夫隨機(jī)場的粘連物分割方法。
背景技術(shù)：
果蔬質(zhì)量控制技術(shù)是指在不接觸、不破壞鮮切果蔬的前提下，對(duì)果蔬的顏色、尺寸、形狀等外部品質(zhì)特征進(jìn)行檢測(cè)，其中的一個(gè)難點(diǎn)問題是果蔬之間的粘連導(dǎo)致的誤判。最近20年來，隨著計(jì)算機(jī)技術(shù)的不斷進(jìn)步，機(jī)器視覺已經(jīng)成為果蔬合格率在線監(jiān)測(cè)的一種有效方法，但是大部分果蔬合格率在線監(jiān)測(cè)研究建立在人為的將粘連果蔬分離的基礎(chǔ)上，這是一個(gè)非常浪費(fèi)時(shí)間的過程。因此，自動(dòng)分割粘連圖像是果蔬合格率在線監(jiān)測(cè)的基礎(chǔ)。針對(duì)果蔬粘連問題，國內(nèi)外學(xué)者提出了多種粘連圖像分割方法，如數(shù)學(xué)形態(tài)學(xué)方法，分水嶺方法，傅里葉級(jí)數(shù)近似算法，基于曲率的算法，橢圓擬合方法等。以上方法能在某些特定的場景中有好的應(yīng)用，但是對(duì)于果蔬流水線上存在大量粘連的圖像來說，有的由20個(gè)以上的果蔬粘連在一起，用上述方法很難得到滿意的分割結(jié)果。因此，需要一種新的果蔬分級(jí)方法，以能夠有效地對(duì)粘連果蔬進(jìn)行分割，并進(jìn)行合格率無損監(jiān)測(cè)。

發(fā)明內(nèi)容
(一)要解決的技術(shù)問題本發(fā)明要解決的技術(shù)問題是如何實(shí)現(xiàn)快速、準(zhǔn)確、自動(dòng)、無損地分割粘連果蔬。(二)技術(shù)方案為了解決上述技術(shù)問題，本發(fā)明提供一種基于馬爾科夫隨機(jī)場的粘連物分割方法，其特征是，該方法包括以下步驟S1:將粘連物圖像分割為正確分割區(qū)域和過分割區(qū)域；S2:計(jì)算所述過分割區(qū)域和該所述過分割區(qū)域的八聯(lián)通區(qū)域之間的緊密度，根據(jù)所述緊密度對(duì)所述過分割區(qū)域進(jìn)行合并，得到粘連物的分割結(jié)果。所述步驟SI具體為Sll :將粘連物圖像轉(zhuǎn)換為距離灰度圖像；S12 :對(duì)所述距離灰度圖像進(jìn)行處理得到初始分水嶺；S13 :通過所述初始分水嶺得到所述距離灰度圖像的分割區(qū)域；S14:通過所述分割區(qū)域的二維觀測(cè)特征將所述分割區(qū)域劃分為正確分割區(qū)域或過分割區(qū)域。所述步驟S12具體為通過分水嶺法對(duì)所述距離灰度圖像進(jìn)行處理得到初始分水嶺。所述步驟S14具體為
S141 :獲取所述分割區(qū)域的二維觀測(cè)特征；S142 :根據(jù)所述二維觀測(cè)特征將所述分割區(qū)域劃分為標(biāo)記區(qū)域；S143:根據(jù)所述標(biāo)記區(qū)域內(nèi)的區(qū)域的觀測(cè)特征數(shù)據(jù)計(jì)算所述標(biāo)記區(qū)域內(nèi)的區(qū)域的倉;S144 :重復(fù)執(zhí)行步驟S141至S143，分別比較相鄰兩次得到的所述標(biāo)記區(qū)域內(nèi)的區(qū)域的能量之間的差；S145:若所述能量之間的差小于設(shè)定閾值，則將該所述標(biāo)記區(qū)域劃分為正確分割區(qū)域或過分割區(qū)域。所述標(biāo)記區(qū)域內(nèi)的區(qū)域的能量的計(jì)算公式為E=El+Ef其中E為標(biāo)記區(qū)域內(nèi)的區(qū)域的能量；Elj為標(biāo)記區(qū)域內(nèi)的區(qū)域標(biāo)記勢(shì)能；Ef為標(biāo)記區(qū)域內(nèi)的區(qū)域標(biāo)記場能量。所述的El計(jì)算公式為
權(quán)利要求
1.一種基于馬爾科夫隨機(jī)場的粘連物分割方法，其特征是，該方法包括以下步驟 S1:將粘連物圖像分割為正確分割區(qū)域和過分割區(qū)域； S2 :計(jì)算所述過分割區(qū)域和該所述過分割區(qū)域的八聯(lián)通區(qū)域之間的緊密度，根據(jù)所述緊密度對(duì)所述過分割區(qū)域進(jìn)行合并，得到粘連物的分割結(jié)果。
2.如權(quán)利要求1所述的方法，其特征是，所述步驟SI具體為 S11:將粘連物圖像轉(zhuǎn)換為距離灰度圖像； S12:對(duì)所述距離灰度圖像進(jìn)行處理得到初始分水嶺； S13:通過所述初始分水嶺得到所述距離灰度圖像的分割區(qū)域； S14:通過所述分割區(qū)域的二維觀測(cè)特征將所述分割區(qū)域劃分為正確分割區(qū)域或過分割區(qū)域。
3.如權(quán)利要求2所述的方法，其特征是，所述步驟S12具體為通過分水嶺法對(duì)所述距離灰度圖像進(jìn)行處理得到初始分水嶺。
4.如權(quán)利要求2所述的方法，其特征是，所述步驟S14具體為 S141:獲取所述分割區(qū)域的二維觀測(cè)特征； S142:根據(jù)所述二維觀測(cè)特征將所述分割區(qū)域劃分為標(biāo)記區(qū)域；S143:根據(jù)所述標(biāo)記區(qū)域內(nèi)的區(qū)域的觀測(cè)特征數(shù)據(jù)計(jì)算所述標(biāo)記區(qū)域內(nèi)的區(qū)域的能量; S144:重復(fù)執(zhí)行步驟S141至S143，分別比較相鄰兩次得到的所述標(biāo)記區(qū)域內(nèi)的區(qū)域的能量之間的差； S145:若所述能量之間的差小于設(shè)定閾值，則將該所述標(biāo)記區(qū)域劃分為正確分割區(qū)域或過分割區(qū)域。
5.如權(quán)利要求4所述的方法，其特征是，所述標(biāo)記區(qū)域內(nèi)的區(qū)域的能量的計(jì)算公式為e=el+ef其中 E為標(biāo)記區(qū)域內(nèi)的區(qū)域的能量； El為標(biāo)記區(qū)域內(nèi)的區(qū)域標(biāo)記勢(shì)能； Ef為標(biāo)記區(qū)域內(nèi)的區(qū)域標(biāo)記場能量。
6.如權(quán)利要求5所述的方法，其特征是，所述的El計(jì)算公式為1.
7.如權(quán)利要求6所述的方法，其特征是，所述勢(shì)團(tuán)勢(shì)能的計(jì)算公式為
8.如權(quán)利要求5所述的方法，其特征是，所述的Ef計(jì)算公式為
9.如權(quán)利要求1所述的方法，其特征是，所述緊密度的計(jì)算公式為
全文摘要
本發(fā)明公開了質(zhì)量監(jiān)測(cè)技術(shù)領(lǐng)域，特別涉及一種基于馬爾科夫隨機(jī)場的粘連物分割方法。本發(fā)明將粘連物圖像分割為正確分割區(qū)域和過分割區(qū)域；然后計(jì)算所述過分割區(qū)域和該所述過分割區(qū)域的八聯(lián)通區(qū)域之間的緊密度，根據(jù)所述緊密度對(duì)所述過分割區(qū)域進(jìn)行合并，得到粘連物的分割結(jié)果。本發(fā)明利用粘連物圖像的面積和相對(duì)高度作為二維觀測(cè)數(shù)據(jù)，結(jié)合圖像的二維空間特征相關(guān)性，將過分割問題轉(zhuǎn)化為求解圖像區(qū)域標(biāo)記場問題；引入分水嶺變換解決過分割問題的基礎(chǔ)上，依據(jù)鄰域間的二維空間關(guān)系賦予不同勢(shì)能，以抑制噪聲影響，最后計(jì)算過分割區(qū)域與鄰域的緊密度，選擇緊密度最大的鄰域并與之合并，解決過分割問題，從而實(shí)現(xiàn)粘連果蔬合格率的在線監(jiān)測(cè)。
文檔編號(hào)G06T7/00GK103065308SQ20121057316
公開日2013年4月24日 申請(qǐng)日期2012年12月25日 優(yōu)先權(quán)日2012年12月25日
發(fā)明者王開義, 張水發(fā), 劉忠強(qiáng), 楊鋒, 潘守慧 申請(qǐng)人:北京農(nóng)業(yè)信息技術(shù)研究中心