南京農(nóng)業(yè)大學(xué)srt計劃項目申請書(已改無錯字)
2022-08-17 12:07:44 本頁面
【正文】 想，本研究首先提取樹枝區(qū)域骨架（即平面上長方形沿長方向的對稱線），并檢測骨架上的特征點(端點、分支點等)，然后利用特征點將骨架分段，將每段樹枝看成一段長方形，恢復(fù)出每段長方形的二維信息，也就恢復(fù)出了每段樹枝的二維信息。 樹枝骨架提取☆為了對二值圖像中各個圖形分量(對象物)的形狀進(jìn)行分析，需要有各種能表示圖形的特征，骨架就是其中之一。骨架是對象物的核心部分，不同形狀的對象物就有不同的骨架。一般來說，骨架具有三個主要特征：連續(xù)性、最小寬度為1和中心對稱性。從1967年Blum等首先用中軸表示連續(xù)平面上圖形以來，有許多骨架求解算法產(chǎn)生，可歸納為骨架子化算法和細(xì)化算法兩種類型。目前區(qū)域骨架的提取方法主要有形態(tài)學(xué)方法、距離變換法、細(xì)線化法等。 形態(tài)學(xué)方法☆形態(tài)學(xué)法是利用一個正方形的結(jié)構(gòu)元素腐蝕待處理區(qū)域，將各個腐蝕到空集之前的最后一次腐蝕的結(jié)果相加，即得骨架。例如：代表的骨架，數(shù)字骨架可以從形態(tài)學(xué)的角度給定義，對于……，定義骨架子集為圖像內(nèi)所有最大內(nèi)切圓盤的圓心構(gòu)成的集合，從骨架定義可知，骨架是所有骨架子集的并。它可以表示為： (1)式中的稱為骨架子集，可寫成： (2)其中為正方形結(jié)構(gòu)元素，(1)式中的代表將腐蝕成空集前的最后一次迭代次數(shù)，即 (3) ☆形態(tài)學(xué)骨架提取實例圖如圖a所示，由圖可知，形態(tài)學(xué)提取法實際上是將各個部分的骨架相加，這種方法不能保證骨架的連接性，當(dāng)骨架區(qū)域?qū)挾劝l(fā)生突變或區(qū)域邊緣的光滑時會造成對連續(xù)區(qū)域識別出的骨架不連續(xù)。 圖a 形態(tài)學(xué)骨架提取示例圖 距離變換法 ☆距離變換法提取區(qū)域骨骼通過距離變換和骨骼化兩步實現(xiàn)，該方法首先通過距離變換得到距離圖像，然后比較圖像中區(qū)域像素的距離值，將所有距離值大于或等于鄰域中最大距離值的像素的集合作為區(qū)域的骨骼。 ☆通過距離變換得到用距離值來表示的圖像稱為距離圖像。所謂距離變換是將二值圖像中的1像素變換為它和0像素間的最短距離值。兩點(與)之間的四鄰域距離值如式(4)所示。 (4)獲得距離圖像需用兩次掃描完成，第一次采用順向掃描，設(shè)為原圖像像素值， 為第一次順向掃描時的運算結(jié)果。順向掃描時，像素點的4個鄰點中只有兩個已完成距離運算，故只能進(jìn)行以局部鄰域為基礎(chǔ)的距離運算。的計算方法如式(5)所示。 (5)順向掃描時由于只考慮了局部鄰域，因而右下部像素的距離值不是與0像素的最短距離。第2次采用逆向掃描進(jìn)行運算，設(shè)為第2次掃描前的像素值，為第2次運算結(jié)果。計算方法如式(6)所示。由于是從左上部鄰域中求得的局部最短距離值，再加入右下部局部鄰域的運算，最終完成距離變換，得到距離圖像。 (6)距離圖像中各像素距離值的大小直接反映了該像素離開對象物邊緣的遠(yuǎn)近，因此，作為對象物核心部分的骨架提取，只要通過鄰域比較找到距離值大的像素部分即可完成。計算方法如下式： (7)☆距離變換法根據(jù)距離圖像得到區(qū)域骨架點，由于每行(或每列)中距離最大的點僅與其邊緣有關(guān)，故相鄰兩行(或兩列)的骨架點位置關(guān)系并沒有必然的聯(lián)系，當(dāng)邊緣不光滑或者區(qū)域?qū)挾劝l(fā)生突變時，會造成連續(xù)區(qū)域檢測到的骨架點不連續(xù)的情況。使用距離變換法提取圖a的區(qū)域骨架，提取結(jié)果如圖b所示，由圖可以看出，提取出的骨架區(qū)域不連續(xù)，在邊緣不光滑處提取的骨架不連續(xù)或者產(chǎn)生噪聲點，這將會對進(jìn)一步處理造成困難。雖然距離變換法在本研究中不能很好的得到區(qū)域骨架，但得到的距離圖像卻能很好的反映樹枝的粗細(xì)(即樹枝半徑的大小)，可用于本研究后面確定樹枝的半徑。圖b 距離變換法提取樹枝骨架 ☆區(qū)域細(xì)線化將區(qū)域細(xì)化為由線條構(gòu)成的線圖形，線圖形有存儲量小，便于識別等優(yōu)點。使獲得的細(xì)線能夠準(zhǔn)確代表對象物的形狀，細(xì)線化處理必須滿足以下要求：（1）線寬為一個像素；（2）細(xì)線位置基本處于原線寬的中心；（3）保持圖形的連接性不變，并且不能出現(xiàn)孔和點的新生或消失現(xiàn)象；（4）圖形端部基本不縮短。由此可以看出，區(qū)域細(xì)線化過程實質(zhì)上是一個在保持連接性和圖形長度不變的前提下求出圖形中心線的過程?！钸\用細(xì)線化方法提取上圖的區(qū)域骨架，提取結(jié)果如圖c所示。提取的骨架保持了原區(qū)域的連接性，無中斷現(xiàn)象，效果較好，本研究選用此方法提取區(qū)域骨架。圖c 細(xì)線化法提取區(qū)域骨架 ☆通過細(xì)線化處理得到的樹枝骨架，雖然很好的保持了連接性，但當(dāng)樹枝區(qū)域邊緣不平滑時會產(chǎn)生“假分支”。這些“假分支”將影響本研究后續(xù)處理，需將其去除，目前比較常用的骨架修剪方法是采用形態(tài)學(xué)方法。但形態(tài)學(xué)方法只能修剪較短的分支(不超過三個像素，即毛刺)，本研究中樹枝骨架的假分支大部分均超過3個像素，因此使用形態(tài)學(xué)修剪法不能去除“假分支”。本研究使用直接統(tǒng)計分支骨架長度，然后對長度設(shè)定閾值去除較短骨架分支的方法去除“假分支”。 ☆在樹枝識別時由于遮擋等原因，有時會造成識別出的樹枝發(fā)生中斷的情況，由于前面有樹葉遮擋，從而使識別出的樹枝發(fā)生中斷，但某些區(qū)域的樹枝是實際存在的，機械手路徑規(guī)劃時將視此處為無樹枝狀態(tài)，若機械手從此處通過將與樹枝相碰，造成機械手的損壞，因此，必須恢復(fù)被遮擋的樹枝。 附該技術(shù)路線程圖如下：細(xì)線化骨架修剪遮擋骨架修復(fù)障礙物二維信息恢復(fù)特征點檢測及特征提取形態(tài)濾波區(qū)域標(biāo)記去除小域原始圖像閾值分割二值化 可行性分析☆理論方面：首先，果樹樹干及其支干的圖像信息提取是農(nóng)業(yè)機器人摘果項目中極其重要的一環(huán)，且在國內(nèi)外已經(jīng)有具體的研究成果，前景光明。其次，我組成員經(jīng)過較為周密的準(zhǔn)備，在技術(shù)路線上已有充分考慮，實驗方案明確，具有極大可能在該項目的實施上取得優(yōu)秀成績。最后，本組成員扎實成熟的程序匯編語言基礎(chǔ)為本項目的實施提供了理論上的保障?！顚嶋H方面：學(xué)校提供了獨立實驗室為我組成員的研究開辟良好環(huán)境，一定數(shù)目的資金支持為項目研究做好充足準(zhǔn)備，而現(xiàn)成的實驗儀器設(shè)備（數(shù)碼攝像機等）減少了額外成本開支。與此同時，優(yōu)秀導(dǎo)師的帶領(lǐng)是我們走向成功的中流砥柱?！罹C上所述,豐富的理論積累，雄厚的硬件支持，為本實驗的成功研究做足了準(zhǔn)備。我組項目研究必定會取得預(yù)期的優(yōu)秀成績。3. 本項目的創(chuàng)新之處☆采用了單一研究方法，即只對樹木的主干和枝干的圖像進(jìn)行信息處理，而不是整棵樹?！顩]有涉及生物特性的影響，從而減輕了研究的工作量?！钸x擇秋天進(jìn)行圖像采集，從而有效避免了果實和樹葉帶來的影響?！顬檗r(nóng)業(yè)機器人采摘果實提供了大量圖像信息支持，有利于保護(hù)機械手臂不受損害。3. 項目研究計劃及預(yù)期進(jìn)展☆2012年56月 與指導(dǎo)老師交流溝通,確定正確的研究思路，明確自身的缺陷和不足，積極向相關(guān)老師和學(xué)長請教，確定實驗中所
試題試卷相關(guān)推薦
鄂ICP備17016276號-1