一种基于灰度图和混合建模的果蔬颜色识别检测方法技术

本发明专利技术公开了一种基于灰度图和混合建模的果蔬颜色识别检测方法，通过建立灰度图混合模型来进行颜色识别，其中以循环模式结合灰度遴选方差状况挑选出合适的灰度来构建灰度图以及在迭代过程给出论域中不同灰度值对应的占比宽度，从而对于需进行颜色识别检测的果蔬图片中像素点通过使用灰度图混合模型来进行颜色识别

【技术实现步骤摘要】
一种基于灰度图和混合建模的果蔬颜色识别检测方法


[0001]本专利技术属于果蔬采后分选
，具体涉及通过若干个双曲函数的倒数建立灰度图混合模型来进行颜色识别，并根据灰度值的比例状况重新根据数值由大到小依次排序后作为灰度值标号推荐集合输出以及给出不同灰度值对应的占比宽度，从而实现果蔬颜色识别检测
。

技术介绍

[0002]彩色图像灰度化在降维处理过程中，色度
、
对比度
、
结构等特征信息的丢失或弱化是必然的
。
灰度化方法的研究，就是在保持彩色图像亮度特征的同时，尽可能地保留其它信息，如对比度
、
结构等特征
。
随着对彩色图像灰度化方法研究的深入，学者们为更好地保留彩色图像中感兴趣的特征信息，提出了许多针对性的方法，依据像素点灰度值与位置的相关性
、
映射函数有效范围的不同，可分为局部映射法和全局映射法
。
局部映射法是位置相关的，主要考虑像素点与周围其它像素点
、
群的色彩对比
。
全局映射法是位置无关的，考虑保持整幅图像的色彩对比，例如基于非线性参数模型的方法可将灰度化过程当作匹配特征可辨识性的优化，以及在二阶
RGB
彩色空间进行映射来构造用于对比度保持的双峰目标函数求解灰度图像从而最大限度地保留色彩对比度
。
全局映射法使用的映射函数为线性或非线性，做到同一色彩由三维到一维的映射是唯一的，只能得到相同的灰度值，以保持彩色图像的对比度和结构等全局特征信息
。
可见，在全局映射法方面设计合适的映射函数是保持彩色图像全局特征信息的重要实现方式，可在果蔬采后分选过程中有效地实现果蔬颜色识别检测
。

技术实现思路

[0003]取合适的灰度值以及与颜色色泽接近的灰度值相应的隶属状况来给出不同灰度值对应的占比宽度，从而满足果蔬图片中的像素点可通过使用灰度图混合模型来进行果蔬颜色识别检测的设计目标
。
[0004]按照本专利技术所提供的设计方案，一种基于灰度图和混合建模的果蔬颜色识别检测方法，包含如下步骤：
[0005]步骤1：若果蔬图像上每个像素点可通过若干个双曲函数的倒数建立灰度图混合模型来进行颜色识别，可设作为有限集的某个论域为若干个灰度的典型值构建的集合，同时设灰度图混合模型为该论域上的模糊子集，其隶属函数为某个像素点的灰度值和指定灰度的典型值之间差值除以指定灰度的占比宽度代入双曲函数后的倒数，则灰度图混合模型可通过多个灰度的典型值与对应的隶属函数用
Zadeh
表示法进行表示；
[0006]步骤2：由果蔬的图像样本集统计不同灰度值对应的灰度值的比例状况，将灰度值的比例状况根据数值由大到小依次排序后建立灰度值标号排序集合，并选取前面若干种灰度值的标号来建立循环次数为零时的灰度值标号使用集合，并计算循环次数为零时的灰度遴选方差状况；在循环过程中，将当前循环次数的灰度值标号使用集合还未使用的比例状
况最大值对应的灰度值的标号加入其中，并计算当前循环次数的灰度遴选方差状况，若当前循环次数的灰度遴选方差状况与上个循环次数的灰度遴选方差状况的差别绝对值大于灰度遴选方差变动门限则从当前灰度值标号使用集合中选取两个对应灰度值最接近的元素，将灰度值的比例状况更高的标号保留，并将二者的灰度值的比例状况合并作为该标号对应的灰度值的比例状况，否则剔除新加入的标号，可结束循环过程；当循环过程结束后，将当前循环次数的灰度值标号使用集合中根据灰度值的比例状况重新根据数值由大到小依次排序后作为灰度值标号推荐集合输出，并根据对应的灰度值依次设置步骤1中的论域；
[0007]步骤3：在迭代过程初始化时使用步骤2中给出的灰度值标号推荐集合；在每次迭代过程开始前检查当前的灰度值标号推荐集合中是否有元素存在，若不存在则可结束迭代过程，若存在则给出当前灰度值标号推荐集合中灰度值的比例状况最大值对应的灰度值的标号以及对应的灰度值从而继续迭代过程；在每次迭代过程中判断，该灰度值在当前灰度值标号推荐集合中是否存在左侧相邻的灰度值或右侧相邻的灰度值，通过该灰度值与左侧相邻的灰度值或右侧相邻的灰度值的范围内选择与该灰度值颜色色泽接近的灰度值代入设为
0.5
的隶属状况后可得该灰度值的左侧占比宽度或右侧占比宽度；在迭代过程结束时给出论域中不同灰度值对应的占比宽度；
[0008]步骤4：对于需进行果蔬颜色识别检测的果蔬图片中的像素点可通过使用灰度图混合模型来进行颜色识别；
[0009]进一步地，步骤1中具体包括：
[0010]若果蔬图像上每个像素点可通过
K
个双曲函数的倒数建立灰度图混合模型来进行颜色识别，设定
k
为所述中灰度图上使用灰度的标号且
k∈[1,2,...,K]以及
μ
k
为第
k
个灰度的典型值，则设论域
Ω
作为有限集可表示为
Ω
＝
{
μ1,...,
μ
k
,...,
μ
K
}
，同时设灰度图混合模型为
Ω
上的模糊子集，其隶属函数为其中
x
为像素点的灰度，
ω
k
为第
k
个灰度的占比宽度，用
Zadeh
表示法为可将表示为：
[0011][0012]进一步地，步骤2具体步骤为：
[0013]步骤2‑1：由
M
张某种果蔬的图像建立该种果蔬的图像样本集
Θ
GS
，从每张图像中
N
个选取像素点后统计其对应的灰度值，若存在
H
种不同的灰度值，则给出第
h
种灰度值的比例状况
HDBL(h)
：
[0014][0015]其中，
x
m,n
为第
m
张图像中第
n
个像素点的灰度值，
true
为判断是否成立的函数，成立为1，不成立为0，
HD
h
为第
h
种灰度值，
δ
HD
为灰度偏差容忍范围；
[0016]步骤2‑2：设定循环次数
c
为0，将灰度值的比例状况根据数值由大到小依次排序后
建立灰度值标号排序集合
Ξ
BH
，并从
Ξ
BH
中选取前
K
种灰度值的标号来建立循环次数
c
为0时的灰度值标号使用集合
Ψ
(c
＝
0)
，并计算循环次数
c
为0时的灰度遴选方差状况
FCZK(c)
：
[0017][0018]步骤本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于灰度图和混合建模的果蔬颜色识别检测方法，其特征在于，包括以下步骤：步骤1：若果蔬图像上每个像素点可通过若干个双曲函数的倒数建立灰度图混合模型来进行颜色识别，可设作为有限集的某个论域为若干个灰度的典型值构建的集合，同时设灰度图混合模型为该论域上的模糊子集，其隶属函数为某个像素点的灰度值和指定灰度的典型值之间差值除以指定灰度的占比宽度代入双曲函数后的倒数，则灰度图混合模型可通过多个灰度的典型值与对应的隶属函数用
Zadeh
表示法进行表示；步骤2：由果蔬的图像样本集统计不同灰度值对应的灰度值的比例状况，将灰度值的比例状况根据数值由大到小依次排序后建立灰度值标号排序集合，并选取前面若干种灰度值的标号来建立循环次数为零时的灰度值标号使用集合，并计算循环次数为零时的灰度遴选方差状况；在循环过程中，将当前循环次数的灰度值标号使用集合还未使用的比例状况最大值对应的灰度值的标号加入其中，并计算当前循环次数的灰度遴选方差状况，若当前循环次数的灰度遴选方差状况与上个循环次数的灰度遴选方差状况的差别绝对值大于灰度遴选方差变动门限则从当前灰度值标号使用集合中选取两个对应灰度值最接近的元素，将灰度值的比例状况更高的标号保留，并将二者的灰度值的比例状况合并作为该标号对应的灰度值的比例状况，否则剔除新加入的标号，可结束循环过程；当循环过程结束后，将当前循环次数的灰度值标号使用集合中根据灰度值的比例状况重新根据数值由大到小依次排序后作为灰度值标号推荐集合输出，并根据对应的灰度值依次设置步骤1中的论域；步骤3：在迭代过程初始化时使用步骤2中给出的灰度值标号推荐集合；在每次迭代过程开始前检查当前的灰度值标号推荐集合中是否有元素存在，若不存在则可结束迭代过程，若存在则给出当前灰度值标号推荐集合中灰度值的比例状况最大值对应的灰度值的标号以及对应的灰度值从而继续迭代过程；在每次迭代过程中判断，该灰度值在当前灰度值标号推荐集合中是否存在左侧相邻的灰度值或右侧相邻的灰度值，通过该灰度值与左侧相邻的灰度值或右侧相邻的灰度值的范围内选择与该灰度值颜色色泽接近的灰度值代入设为
0.5
的隶属状况后可得该灰度值的左侧占比宽度或右侧占比宽度；在迭代过程结束时给出论域中不同灰度值对应的占比宽度；步骤4：对于需进行果蔬颜色识别检测的果蔬图片中的像素点可通过使用灰度图混合模型来进行颜色识别
。2.
根据权利要求1所述的一种基于灰度图和混合建模的果蔬颜色识别检测方法，其特征在于，所述步骤1中具体包括：若果蔬图像上每个像素点可通过
K
个双曲函数的倒数建立灰度图混合模型来进行颜色识别，设定
k
为所述中灰度图上使用灰度的标号且
k∈[1,2,....,K]
以及
μ
k
为第
k
个灰度的典型值，则设论域
Ω
作为有限集可表示为
Ω
＝
{
μ1,...,
μ
k
,...,
μ
K
}
，同时设灰度图混合模型为
Ω
上的模糊子集，其隶属函数为其中
x
为像素点的灰度，
ω
k
为第
k
个灰度的占比宽度，用
Zadeh
表示法为可将表示为：
3.
根据权利要求1所述的一种基于灰度图和混合建模的果蔬颜色识别检测方法，其特征在于，所述步骤2具体步骤为：步骤2‑1：由
M
张某种果蔬的图像建立该种果蔬的图像样本集
Θ
GS
，从每张图像中
N
个选取像素点后统计其对应的灰度值，若存在
H
种不同的灰度值，则给出第
h
种灰度值的比例状况
HDBL(h)
：其中，
x
m,n
为第
m
张图像中第
n
个像素点的灰度值，
HD
h
为第
h
种灰度值，
δ
HD
为灰度偏差容忍范围；步骤2‑2：设定循环次数

【专利技术属性】
技术研发人员：朱二，刘海涛，朱壹，
申请(专利权)人：绿萌科技股份有限公司，
类型：发明
国别省市：