【正文】 本文的工作自始至終都得到了導(dǎo)師張長(zhǎng)江老師熱情、耐心、細(xì)致的指導(dǎo)，令我受益匪淺。在系統(tǒng)的 編寫過(guò)程中，首先對(duì)傳統(tǒng)的圖像處理方法進(jìn)行了分析和研究，在去噪，銳化，二值化，標(biāo)簽化及神經(jīng)網(wǎng)絡(luò)訓(xùn)練識(shí)別的系統(tǒng)實(shí)現(xiàn)上，綜合運(yùn)用了圖像處理和人工神經(jīng)網(wǎng)絡(luò)技術(shù)。經(jīng)過(guò)對(duì) BP網(wǎng)絡(luò)的初始化、訓(xùn)練、仿真、競(jìng)爭(zhēng)、轉(zhuǎn)換等操作，最終實(shí)現(xiàn)其對(duì)特征數(shù)據(jù)的識(shí)別，從而達(dá)到能夠自動(dòng)識(shí)別水果的目的。 %初始化網(wǎng)絡(luò) =train(,P_xunlian,T_xunlian)。 39。 m2=[0 1 0]39。 %各為 2 行 38 列的矩陣 P=[x_orange,x_banana,x_apple]./()。當(dāng)權(quán)值的修正發(fā)生振蕩時(shí)，其修正值將會(huì)減小。 數(shù)理與信息工程學(xué)院電子信息工程專業(yè) —— 基于圖像特征和神經(jīng)網(wǎng)絡(luò)的水果自動(dòng)識(shí)別 27 多層 BP 網(wǎng)絡(luò)的隱含層一般采用傳輸函數(shù) sigmoid，它把一個(gè)取值范圍為無(wú)窮大的輸入變量，壓縮到一個(gè)取值范圍有限的輸出變量中。因而一個(gè)三層的 BP 網(wǎng)絡(luò)可以完成任意的 m維到 n 維的映射。 （ 4） 網(wǎng)絡(luò) 訓(xùn)練指令格式 ： =train(,p,t) 函數(shù) train()通過(guò)調(diào)用參數(shù) ，其中應(yīng)用于神經(jīng)網(wǎng)絡(luò)目標(biāo)量的 t 是可以由自己任意設(shè)定的 。 本課題中采用 =newff(minmax(P_xunlian),[19 3],{39。 人工神 經(jīng)網(wǎng)絡(luò)的連接形式和其拓?fù)浣Y(jié)構(gòu)多種多樣，但總的來(lái)說(shuō)有兩種形式：分層型和互連型。 n_banana_B=sum(T_banana_B)。 % 提取相同區(qū)域的像素個(gè)數(shù)值 [COUNTS_b1,X] = imhist(jietu_banana_R)。 pmin=min(p)。pmax=max(p)。qmin=min(q)。 由于設(shè)計(jì)中需要用顏色這個(gè)特征量來(lái)識(shí)別蘋果，所以為了特征量的獲取能夠明顯，這里的蘋果要選用紅蘋果，即紅色含量豐富的蘋果，以實(shí)現(xiàn)與黃色的桔子和香蕉的明顯區(qū)別 。 程序如下： radian_o=0。Biaoqianhua(i+1,j)==0)|(Biaoqianhua(i,j)==3amp。… Biaoqianhua(i+1,j+1)==0)) L2=L2+1。 end 數(shù)理與信息工程學(xué)院電子信息工程專業(yè) —— 基于圖像特征和神經(jīng)網(wǎng)絡(luò)的水果自動(dòng)識(shí)別 18 end end for i=1:m for j=1:n If ((Biaoqianhua(i,j)==2amp。Biaoqianhua(i1,j1)==0)|(Biaoqianhua(i,j)==1amp。 end end end S3=S3/3。 程序如下： S1=0。imshow(RGBX)。imshow(Biaoqianhua)。 作為區(qū)域分割（標(biāo)簽化）的方法，最基本的是區(qū)域擴(kuò)張法。disk39。 (Erzhihua(i,j)==0) ROI_Seg(i,j)=0。)。利用該運(yùn)算可以消除小物體，在纖細(xì)點(diǎn)處分離物體，平滑較大物體的邊界，同時(shí)并不明顯改變?cè)瓉?lái)物體的面積。形態(tài)學(xué)運(yùn)算的效果取決于結(jié)構(gòu)元素的大小、內(nèi)容以及邏輯運(yùn)算的性質(zhì)。由于邊緣是所要提取目 標(biāo)和背景的分界線，提取出邊緣才能將目標(biāo)和背景區(qū)分開(kāi)，因此邊緣檢測(cè)技術(shù)對(duì)于數(shù)字圖像十分重要。 for i=1:m for j=1:n if Erzhihua(i,j)= Erzhihua(i,j)=255。所有灰度大于或等于閾值的像素被判決為屬于物體，灰度值用 255表示；否則這些像素點(diǎn)被排除在物體區(qū)域以外，灰度值為 0，表示背景。二值化就是把具有多級(jí)灰度的輸入圖像變換成灰度值只有 0 或 1 兩種值的輸出圖像。title(39。 程序如下： QuZao=Ruihua。在實(shí)際 使用時(shí)，排序的周期的數(shù)量要選擇適當(dāng)：如果選擇的數(shù)量過(guò)小，可能起不到去除干擾的作用；如果選擇的數(shù)量過(guò)大，會(huì)造成采樣數(shù)據(jù)的時(shí)延過(guò)大，造成系統(tǒng)性能變差。) 本文用一個(gè) 3*3 的模板 [1,1,1。 for i=2:1:m1 for j=2:1:n1 XX=Ruihua(i1:i+1,j1:j+1)。由于原 圖像 f(x,y)經(jīng)過(guò)模糊處理后得到的 ),( yxf? 含有較多的低頻成分，很容易理解，f(x,y) ),( yxf? 使低頻成分與 f(x,y)相比降低了很多，而相應(yīng)地保留了更多的高頻成分。imshow(YuanTu)。 “計(jì)算機(jī)讀取圖像”就是把圖像以數(shù)字代碼形式存儲(chǔ)起來(lái)。 四、在線幫助，有利于自學(xué)?？梢哉f(shuō)， MATLAB 在科學(xué)計(jì)算與工程應(yīng)用方面的編程效率遠(yuǎn)遠(yuǎn)高于其他高級(jí)語(yǔ)言。這里選用 MATLAB 語(yǔ)言進(jìn)行編程。 （ 4） 圖像的標(biāo)簽化 為了能夠把每個(gè)物體都相互區(qū)分開(kāi)，就要檢查有關(guān)像素是連接著的還是分離著的，這種處理稱為標(biāo)簽化。本課題的研究具有非常重要的經(jīng)濟(jì)和實(shí)用價(jià)值，應(yīng)用前景十分廣闊。我國(guó)擁有世界最大的勞動(dòng)力市場(chǎng)，人工揀選、分級(jí)果蔬產(chǎn)品是現(xiàn)在農(nóng)副產(chǎn)品分類加工的主要方式。為了進(jìn)行圖像識(shí)別，首先要進(jìn)行圖像處理，而有時(shí)候處理和識(shí)別是同時(shí)進(jìn)行的。 neural works。 關(guān)鍵詞 圖像識(shí)別；二值化；標(biāo)簽化；特征參數(shù)； Matlab；神經(jīng)網(wǎng)絡(luò)； BP算法 導(dǎo) 師 點(diǎn) 評(píng) 數(shù)理與信息工程學(xué)院電子信息工程專業(yè) —— 基于圖像特征和神經(jīng)網(wǎng)絡(luò)的水果自動(dòng)識(shí)別 2 浙江師范大學(xué)本科畢業(yè)設(shè)計(jì) (論文 ) 正文目錄 摘要????????????????????????????? ??? 3 英文摘要?????????????????????????????? 3 引言 ???????????????????????????????? 3 1．識(shí)別系統(tǒng)的方案設(shè)計(jì)與 析 ?????????????????????? 5 1． 1 總體設(shè)計(jì) 路?????????????????????????? 5 1． 2 編程語(yǔ)言 擇 ?????????????????????????? 6 2．提取特征 數(shù) ?????????????? ?? ?? ????????? 8 2． 1 圖象預(yù) 理 ? ?????????????????? ? ? ??? ?? 8 2． 1． 1 圖像數(shù)據(jù)獲取 ?????? ?????????????? ?? 8 2． 1． 2 圖像增強(qiáng)處理 ???????????????????? ?? 8 2． 1． 3 圖像噪聲消除處理 ?????????????????? ? 10 2． 1． 4 圖像二值化處理 ??????????????????? ? 11 2． 1． 5 圖像邊緣檢測(cè)處理 ?????????????????? ? 12 2． 1． 6 圖像標(biāo)簽化處理 ??????????????????? ? 14 2． 2 圖像特征參數(shù)計(jì)算 ?????????????????? ???? 15 3． 基于 BP 神經(jīng)網(wǎng)絡(luò)的水果識(shí)別 ???????????????? ? ?? 23 3． 1 神經(jīng)網(wǎng)絡(luò) ????????????????? ? ? ?? ? ?? 23 3． 2 BP 神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn) ????????????? ? ? ?? ? ?? 24 3． 3 彈性 BP 算法 ??????? ???? ? ?????? ?? ??? 25 3． 4 程序測(cè)試與結(jié)果分析 ??????????????? ? ? ?? 29 4．總結(jié)和展望 ?????????????? ?? ? ? ? ? ??? ?? ? 31 4． 1 總結(jié) ???????????????????????? ?? 31 4． 2 展望 ???????????????????????? ?? 31 結(jié)束語(yǔ) ????????????????????????????? 32 參考文獻(xiàn) ??????????? ??? ????? ????? ??? ? ??33 數(shù)理與信息工程學(xué)院電子信息工程專業(yè) —— 基于圖像特征和神經(jīng)網(wǎng)絡(luò)的水果自動(dòng)識(shí)別 3 基于圖像特征和神經(jīng)網(wǎng)絡(luò)的水果自動(dòng)識(shí)別 姓名：賈曉瑞 指導(dǎo)教師：張長(zhǎng)江 摘 要： 本文基于 Matlab 識(shí)別一幅數(shù)字水果圖像中的香蕉、蘋果和桔子。整個(gè)識(shí)別過(guò)程涉及圖像數(shù)據(jù)獲取、對(duì)比度增強(qiáng)、去噪、二值化、標(biāo)簽化、特征參數(shù)計(jì)算、水果識(shí)別、神經(jīng)網(wǎng)絡(luò)、 BP 算法等過(guò)程。 RPROP 引言 隨著計(jì)算機(jī)的普遍使用，人類已經(jīng)進(jìn)入了一個(gè) 高速發(fā)展的信息化時(shí)代，圖像處理技術(shù)也愈來(lái)愈成為科學(xué)技術(shù)領(lǐng)域中必不可少的手段。一般來(lái)說(shuō)，圖像處理包括圖像編碼、圖像增強(qiáng)、圖像壓縮、圖像復(fù)原、圖像分割等內(nèi)容。這種方式雖然成本低廉，但卻違背了解放生產(chǎn)力 的根本目標(biāo)，同時(shí)也帶來(lái)了諸多無(wú)法克服的缺點(diǎn) : 勞動(dòng)量大，生產(chǎn)率底，分級(jí)標(biāo)準(zhǔn)難以實(shí)現(xiàn)以及分級(jí)精度不穩(wěn)定。因此，很有必要對(duì)本課題進(jìn)行深入細(xì)致的研究。所謂圖像的標(biāo)簽化，是指對(duì)圖像 中互相連通的所有像素賦予同樣的標(biāo)號(hào)，而對(duì)于不同的連接成分則給予不同的標(biāo)號(hào)的處理過(guò)程。 MATLAB 語(yǔ)言是當(dāng)今國(guó)際上科學(xué)界最具影響力、最具活力的軟件。 二、功能強(qiáng)大，可擴(kuò)展性強(qiáng)。用戶可以借助于 MATLAB 環(huán)境下的“在線幫助”學(xué)習(xí)各種函數(shù)的用法及其內(nèi)涵。用 Matlab 實(shí)現(xiàn)圖像讀取比 C++簡(jiǎn)單，圖像數(shù)據(jù)以矩陣的形式存放，其掃描規(guī)則是從左向右 ,從上到下。 title(39。如果再乘以 C(C1)，即 C[f(x,y) ),( yxf? ],相當(dāng)于把高頻分量增加為 [f(x,y) ),( yxf? ]的 C倍，從而更有效的提高了高頻成分。 temp1=XX.*Mo。1,1,1。當(dāng)然在實(shí)際使用時(shí)，不可能僅僅使用一種方法，而是綜合運(yùn)用各種數(shù)字濾波技術(shù)，比如在中值濾波法中加入平均值濾波，借以提高濾波的性能。 [m,n]=size(QuZao)。去噪后的圖像 39。 圖像閾值分割是最常用的圖像分割技術(shù)，主要利用圖像中背景與對(duì)象之間的灰度差異。這樣一來(lái)物體的邊界就成為這樣一些內(nèi)部的點(diǎn)的集合，這些點(diǎn)都至少有一個(gè)鄰點(diǎn)不屬于該物體。 else Erzhihua(i,j)=0。 由于受原始圖像中灰度分布不均勻和光照等的影響，使得二值化后的圖像不是很理想，如同一類水果中出現(xiàn)空洞，并且個(gè)別邊緣處出現(xiàn)斷裂等。常見(jiàn)的形態(tài)學(xué)運(yùn)算有腐蝕和膨脹兩種。 ④ 閉運(yùn)算 (imclose)：先膨脹 后腐蝕的過(guò)程稱為閉運(yùn)算。 figure(5)。 else ROI_Seg(i,j)=255。,3)。這種方法把圖像分割成特征相同的小區(qū)域 (最小的單位是像素 )，研究與其相鄰的各個(gè)小區(qū)域之間的特征，把具有類似特征的小區(qū)域依次合并起來(lái)。title(39。title(39。S2=0。 （ 2）周長(zhǎng)：計(jì)算出物體輪廓線上的像素?cái)?shù)，在斜方 向上，會(huì)產(chǎn)生數(shù)字化圖形特有的誤差，故應(yīng)以其 2 倍的數(shù)量加以補(bǔ)正?！? Biaoqianhua(i1,j)==0)|(Biaoqianhua(i,j)==1amp。Biaoqianhua(i1,j1)==0)|(Biaoqianhua(i,j)==2amp。 end end end for i=1:m for j=1:n If ((Biaoqianhua(i,j)==3amp。… Biaoqianhua(i+1,j+1)==0)) L3=L3+1。radian_b=0。 圖像的顏色有多種表示方式 ,本課題采用 RGB 顏色模式。qmax=max(q)。qmin=min(q)。pmax=max(p)。 [COUNTS_b2,X] = imhist(jietu_banana_G)。 …… 數(shù)理與信息工程學(xué)院電子信息工程專業(yè) —— 基于圖像特征和神經(jīng)網(wǎng)絡(luò)的水果自動(dòng)識(shí)別 21 ratio_o=n_orange_R/(n_orange_G+n_orange_B) ratio_b=n_banana_R/(n_banana_G+n_banana_B) ratio_a=n_apple_R/(n_apple_G+n_apple_B) 運(yùn)行結(jié)果 ： ratio_o = ratio_b = ratio_a = 經(jīng)過(guò)程序運(yùn)算，得出表 21： 表 21 水果特征參數(shù)數(shù)據(jù)表 面 積 （ S） 周 長(zhǎng) （ L） 弧 度 （ radian_x）