發(fā)布時間：2020-12-04 03:58

　　靈武長棗是寧夏地區(qū)重要的經(jīng)濟林果,每年采摘期短,僅有20天左右。目前,靈武長棗的采摘主要依靠人力揀摘,采摘不方便、勞動強度大且采摘效率低。因此,對靈武長棗自動采摘的需求就日益增強且迫切,而靈武長棗自動采摘技術(shù)的關(guān)鍵是對長棗實時、準(zhǔn)確的定位。所以主要研究在自然場景下,基于真彩色圖像的靈武長棗實時定位方法,旨在為靈武長棗自動采摘裝備的研制奠定理論與技術(shù)基礎(chǔ)。研究內(nèi)容及結(jié)果如下:1、靈武長棗圖像的預(yù)處理,提出一種圖像濾波方法以及圖像增強改進方法。基于二次優(yōu)化處理的圖像降噪方法,針對混合噪聲進行降噪環(huán)境的優(yōu)化。提出通過第一次優(yōu)化處理降低混合噪聲中單一噪聲的種類,從而降低混合噪聲的維度以及使噪聲的性質(zhì)趨于一致;第二次優(yōu)化處理通過排除噪聲的粗大異常點來優(yōu)化圖像降噪模板。與均值濾波、中值濾波以及自適應(yīng)濾波進行比較,改進算法普遍將圖像質(zhì)量提高1.2以上;受光照影響,采集的圖像顏色信息會發(fā)生變化,所以保持圖像本身顏色信息的不變性是非常重要的。針對受光照影響圖像亮度灰度值的極化分布(分布于低像素或者高像素區(qū)域),以冪函數(shù)為基礎(chǔ)設(shè)計了一個映射函數(shù),將極化分布的像素值映射到正常區(qū)域。通過實驗發(fā)現(xiàn),在一定程度上... 

【文章來源】：寧夏大學(xué)寧夏回族自治區(qū) 211工程院校

【文章頁數(shù)】：79 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１－１技術(shù)路線圖??１．４文章的結(jié)構(gòu)安排??基于研宄內(nèi)容，本文分為六章內(nèi)容進行撰寫，具體如下：??第一章緒論本章主要介紹文章研宄的背景及意義、國內(nèi)外研宄現(xiàn)狀、文章的主要的研宄的??內(nèi)容以及文章結(jié)構(gòu)安排

第二章靈武長棗圖像的預(yù)處理??道使用相同的模板進行處理，所以對通道之間相互聯(lián)系的影響較小，有效的避免了因忽略各通道??之間的聯(lián)系而使圖像失真而導(dǎo)致圖像分割不準(zhǔn)確的后果。處理效果如圖２－ｌ（ｃ）所示。??２．１．２中值濾波??中值濾波是一種非線性濾波。對于像素點匕刀，其是對該點的《＞＜？領(lǐng)域進行排序而后取中??值作為像素點的響應(yīng)。就線性濾波而言，在處理噪聲點的過程中，將有污染的噪聲點也計算??在其中，并且在圖像中引入新的像素值。非線性濾波，往往能夠克服線性濾波所具有的缺陷，不??將噪聲點計算在其中，同時不引入新的像素值而是以圖像原有像素值所代替�？傮w而言，中值濾??波能夠非常好的保持圖像的邊緣細(xì)節(jié)信息。濾波效果圖如圖２－ｌ（ｅ）所示。??２．２基于二次優(yōu)化的圖像降噪??眾所周知，由于混合噪聲中噪聲的種類多、性質(zhì)不同等特點，造成混合噪聲的的平滑要比單??—噪聲平滑難的多。目前對于混合噪聲的處理，將混合噪聲看為一個整體，利用某種算法進行降??噪處理。從另外一個角度考慮，降低圖像噪聲的種類，使噪聲的性質(zhì)趨于一致，即對噪聲進行降??維處理

學(xué)位論文?第二章靈武長棗表２－９全因子試驗的試驗響應(yīng)??實驗?高斯噪聲椒鹽噪聲均勻噪聲?ＰＳＮＲ??１?０．０１?０．０１?０．０１?６３．２６８６??２?０．０３?０．０１?０．０１?６１．５８７５??３?０．０１?０．０５?０．０１?６２．１１５４??４?０．０３?０．０５?０．０１?６０．８４６３??５?０．０１?０．０１?０．０３?６２．７３８５??６?０．０３?０．０１?０．０３?６１．３０１２??７?０．０１?０．０５?０．０３?６１．７６７１??８?０．０３?０．０５?０．０３?６０．６３７７??

【參考文獻】：
期刊論文
[1]基于均勻空間色差度量的彩色圖像椒鹽噪聲濾波算法[J]. 劉輝,王文哲,許圣雷.  傳感器與微系統(tǒng). 2018(06)
[2]基于塊排序的降噪方法及其在農(nóng)業(yè)圖像中的應(yīng)用[J]. 王海華,朱夢婷,王麗燕,梅樹立.  農(nóng)業(yè)機械學(xué)報. 2017(S1)
[3]活立木圖像分割算法研究[J]. 代英鵬,王昱潭,薛君蕊,高垚垚,劉博瀚,馬程浩.  計算機應(yīng)用與軟件. 2017(12)
[4]基于色差信息多色彩模型的黃羽雞快速分割方法[J]. 畢敏娜,張鐵民,莊曉霖,楊秀麗,梁莉,焦培榮.  農(nóng)業(yè)機械學(xué)報. 2016(12)
[5]參數(shù)自適應(yīng)的可變類FLICM灰度圖像分割算法[J]. 趙雪梅,李玉,趙泉華.  控制與決策. 2017(02)
[6]荔枝采摘機器人雙目視覺的動態(tài)定位誤差分析[J]. 葉敏,鄒湘軍,羅陸鋒,劉念,莫宇達(dá),陳明猷,王成琳.  農(nóng)業(yè)工程學(xué)報. 2016(05)
[7]基于雙目立體視覺的機械手移栽穴盤定位方法[J]. 王躍勇,于海業(yè),劉媛媛.  農(nóng)業(yè)工程學(xué)報. 2016(05)
[8]基于RGB-D相機的果樹三維重構(gòu)與果實識別定位[J]. 麥春艷,鄭立華,孫紅,楊瑋.  農(nóng)業(yè)機械學(xué)報. 2015(S1)
[9]基于機器視覺的嫁接苗移栽實時定位研究[J]. 譚明豪,曹其新,邱強,冷春濤.  農(nóng)業(yè)機械學(xué)報. 2016(02)
[10]Kinect獲取植物三維點云數(shù)據(jù)的去噪方法[J]. 何東健,邵小寧,王丹,胡少軍.  農(nóng)業(yè)機械學(xué)報. 2016(01)



本文編號：2896980