第29卷第12期农业工程学报V ol.29 No.12

170 2013年6月Transactions of the Chinese Society of Agricultural Engineering Jun. 2013 基于Retinex图像增强的不同光照条件下的成熟荔枝识别

熊俊涛1,2，邹湘军2※，王红军2，彭红星2，朱梦思2，林桂潮2

(1. 华南农业大学信息学院，广州 510642；

2. 华南农业大学南方农业机械与装备关键技术教育部重点实验室，广州 510642)

摘要：为了满足自然环境下荔枝采摘机器人视觉定位系统的有效性和实时性的要求，针对不同光照条件的荔枝彩色图像，采用基于双边滤波的Retinex图像增强算法凸显图像中的荔枝果实和果梗，对增强处理后的图像在HSI 颜色空间中进行H分量旋转的处理，再对旋转处理后的H分量进行Otsu自动阈值分割去除荔枝图像果实和果梗外的复杂背景；然后通过将双三次插值算法和传统的模糊C均值(Fuzzy C-Mean)算法融合，对去背景后的荔枝图像在YCbCr颜色空间中进行Cr分量模糊聚类分割，实现荔枝果实和果梗的识别。荔枝图像的分割试验结果表明：该算法对晴天顺光、逆光、遮阴、阴天顺光等光照条件的荔枝图像能够有效地分割，对阴天弱光照、果实被遮阴条件下的荔枝也能较好的识别，并保持荔枝果实和果梗区域的完整性，4种光照条件荔枝图像分割正确率分别为96%、90%、89.3%和88.9%，成熟荔枝识别的正确率达到了90.9%，该研究为水果采摘机器人的室外作业的实时性和有效性提供指导。

关键词：图像分割，图像增强，模糊聚类，荔枝图像，双三次插值

doi：10.3969/j.issn.1002-6819.2013.12.022

中图分类号：TP391.41 文献标志码：A 文章编号：1002-6819(2013)-12-0170-09

熊俊涛，邹湘军，王红军，等. 基于Retinex图像增强的不同光照条件下的成熟荔枝识别[J]. 农业工程学报，2013，29(12)：170－178.

Xiong Juntao, Zou Xiangjun, Wang Hongjun, et al. Recognition of ripe litchi in different illumination conditions based on Retinex image enhancement[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(12): 170－178. (in Chinese with English abstract)

0 引 言

在果蔬采摘机器人视觉定位系统中，准确识别目标是视觉精确定位以及机器人成功实施采摘的关键[1]。当前国内外学者对采摘机器人视觉系统的相关研究表明[2-7]，自然环境下光照的多变性，是造成果实识别准确率低、识别算法运行时间长的主要因素之一，这在很大程度上制约自然环境下作业的水果采摘机器人的实时性、准确性和多任务性。

目前国内外存在的采摘机器人研究主要针对果蔬的颜色、纹理、形状等生物特性进行识别[8-11]。从图像处理的角度分析，这些果蔬的生物特性会因自然光照的变化而使获取的图像颜色

收稿日期：2012-10-07 修订日期：2013-04-07

基金项目：国家自然科学基金资助项目(31201135；31171457；51175189)；广东省自然科学基金(NO：9251064201000009)。

作者简介：熊俊涛(1981－)，男，湖北监利人，博士，副教授，主要从事计算机图像处理和机器视觉。广州华南农业大学信息学院，510642。

※通信作者：邹湘军(1957－)，女，湖南衡阳人，博士生导师，主要从事农业机器人、智能设计与制造研究。广州华南农业大学工程学院南方农业机械与装备关键技术省部共建教育部重点实验室，510642。Email：xjzou1@http://www.doczj.com/doc/7b9fd60651e79b896902268d.html 特征值的变化，这也是造成图像分割和目标识别误差的主要因素之一。怎样有效避免光照影响准确的识别果蔬，这是当前采摘机器人研究的热点和难点。

当前存在的果蔬机器人视觉系统的研究中，针对自然光照影响目标识别所采用的方法主要有：利用滤光片结合摄像机来获取自然光下目标图像，降低光照对获取图像影响；利用灯光照射目标，获取自然环境中的弱光照、逆光和遮阴条件下的目标图像[12-14]。这些方法对减小光照的影响有一定效果。

本研究主要对自然环境中不同光照条件下的荔枝进行识别研究。因荔枝的采摘是以串为单位进行的，其实际采摘的部位是果梗，因此目前国内外对多果型水果采摘机器人的视觉识别研究很少。毛亮等对荔枝图像颜色特征进行了研究，将荔枝彩色图像转化到HSV(hue saturation value)色彩空间中，分割H分量图，识别出荔枝果实[15]，但该研究没有针对不同光照条件的荔枝图像分割方法进行研究。郭艾侠等分析了荔枝图像的各色彩模型的分量图特性，提出了探索性分析与荔枝图像识别的融合方法，对荔枝果与结果母枝进行了图像分类与统计的