1、 基于過渡區的皇帝柑圖像分割 Summary：針對過渡區的特點，提出一種局部鄰域二階差分的過渡區閾值圖像分割算法。該方法首先選取局部鄰域二階差分較大的像素作為過渡區的像素點，再對過渡區進行填充，最后剔除過渡區中的背景點，獲得圖像中目標。為了檢驗該算法的有效性，采用分類誤差、假陽性率、重疊系數和運算速度等4個指標與經典算法進行比較，結果顯示，該算法具有更快的運行速度和更好的提取皇帝柑圖像目標的性能。Key：局部鄰域二階差分;皇帝柑;過渡區;圖像分割： TP391.41 文獻標志碼： A ：1002-1302（2019）14-0248-03我國水果總產量雖然位居世界第一，但是出口量不足總產量的5%

2、，且售價約為國際平均售價的1/21，主要原因之一是對采摘的水果沒有進行等級分揀。針對這種情況，基于圖像處理的水果等級分類方法不斷涌現。文獻2-7分別將色差分量、鄰差和、支持向量機、對數相似度約束、邊緣檢測和框架檢測理論應用于水果圖像分割。文獻8-10分別采用色差分量、Canny算子進行柑橘圖像分割。近年來，基于過渡區的圖像分割算法成為研究熱點之一。文獻11對過渡區的相關文獻進行綜述，并將過渡區的相關文獻分為3類：第一類是考慮灰度變化幅度，如文獻12提出了基于韋伯定律的過渡區提取算法，文獻13提出了基于有效平均梯度（effective average gradient，EAG）的過渡區提取算法，

3、該方法首先采用2個灰度剪切函數對圖像進行處理，得到2個EAG（L）L曲線，再通過計算2條曲線的峰值確定閾值區間，灰度級位于該閾值區間的像素就構成了圖像的過渡區域;第二類是考慮灰度變化頻率，如文獻14提出了基于局部熵（local entropy，LE）的過渡區提取算法，該算法先計算圖像的每個像素點對應的局部熵，構成熵矩陣，再選取某種規則確定熵閾值，最后由熵大于該閾值的像素點構成圖像的過渡區域;第三類是考慮灰度變化幅度和頻率，如文獻15結合灰度復雜度和差異度提取過渡區。針對已有文獻沒有采用基于過渡區的閾值分割算法分割水果圖像的情況，本研究將基于局部鄰域二階差分的過渡區圖像分割算法引入到水果圖像的分

4、割中。1 主要研究思路由于文獻13提出的有效平均梯度法和文獻14提出的局部熵法對噪聲圖像敏感且算法的復雜度較高，因此本研究提出基于局部鄰域二階差分的過渡區提取算法，該算法的基本思路為首先提取圖像的過渡區，再對過渡區進行填充，然后去除過渡區中的背景點，得到分割結果。本研究算法提取的圖1-a過渡區如圖1-b所示，過渡區把目標包圍在中間;填充過渡區后如圖1-c所示，剔除圖1-c中過渡區的背景點后如圖1-d所示;根據圖1-d獲得的圖像目標分類結果如圖1-e所示。2 基于局部鄰域二階差分的過渡區提取算法2.1 局部鄰域二階差分3.3 試驗結果與分析通過試驗檢驗本研究方法在含有高光、陰影和葉子的圖像中提取

5、皇帝柑的效果。將本研究方法的分割效果與文獻13-14提出的算法作對比試驗。采用分類誤差（ME）、假陽性率（FPR）、疊加系數（OI）和運行時間4個指標檢驗分割效果。參考圖像是采用MATLAB提供的函數roipoly人工分割獲取的。本研究算法對測試圖像分割結果如圖2所示， 在含有高光、陰影和葉子的皇帝柑圖像中能夠較好地提取圖像中的目標，而文獻13-14都存在較為嚴重的過分割現象。表1的數據顯示，本研究算法的平均分類誤差為11.70%，而文獻13、文獻14的平均分類誤差分別為18.87%、19.29%。表2的數據顯示，本研究算法的平均假陽性率為17.45%，而文獻13、文獻14的平均假陽性率分別為

6、20.03%、19.10%。表3的數據顯示，本研究算法的平均疊加系數為78.37%，而文獻13、文獻14的平均疊加系數分別為63.90%、63.59%。表4的數據顯示，本研究算法的平均運行時間為0.245 7 s，而文獻13、文獻14的平均運行時間分別為0.594 3、0.750 7 s。本研究算法的平均運行時間分別只有文獻13和文獻14的41.34%、32.73%。試驗結果表明，本研究算法比文獻13和文獻14運行速度快，且分割圖像目標更準確。4 結論由于有效平均梯度法和局部熵法對噪聲圖像敏感且算法的復雜度較高，本研究提出了基于局部鄰域二階差分的過渡區閾值圖像分割算法，該方法首先選取局部鄰域二

7、階差分較大的像素作為過渡區的像素點，再剔除填充后的過渡區中背景點，最后獲得圖像中目標。為了檢驗本研究算法的有效性，對比分析本研究算法與經典的過渡區閾值圖像分割算法的分割效果，結果顯示，該算法具有更快的分割速度和更好的分割含有高光、陰影和葉子的皇帝柑圖像的性能。Reference：1劉 曉. 基于多光譜圖像的柑橘糖度含量在線無損檢測研究D. 南昌：江西農業大學，2011.2趙德安，劉曉洋，陳 玉，等. 蘋果采摘機器人夜間識別方法J. 農業機械學報，2015，46（3）：15-22.3郭文川，梁 瑋，宋懷波. 基于鄰差和的農產品X射線圖像分割算法J. 農業機械學報，2012，43（11）：214-

8、219.4張春龍，張 楫，張俊雄，等. 近色背景中樹上綠色蘋果識別方法J. 農業機械學報，2014，45（10）：277-281.5趙瑤池，胡祝華. 基于對數相似度約束Otsu的自然場景病害果實圖像分割J. 農業機械學報，2015，46（11）：9-15.6黃 辰，費繼友. 基于圖像特征融合的蘋果在線分級方法J. 農業工程學報，2017，33（1）：285-291.7Kaushik D，Suny A H. Shadow detection and removal based on YCbCr color spaceJ. Smartcr，2014，4（1）：23-33.8蔡健榮，周小軍，李玉良，

9、等. 基于機器視覺自然場景下成熟柑橘識別J. 農業工程學報，2008，24（1）：175-178.9彭 輝，文友先，吳蘭蘭，等. 采用自適應Canny算子的樹上柑橘圖像邊緣檢測J. 計算機工程與應用，2011，47（9）：163-166.10周志宇，劉迎春，張建新. 基于自適應Canny算子的柑橘邊緣檢測J. 農業工程學報，2008，24（3）：21-24.11章毓晉. 圖像分割中基于過渡區技術的統計調查J. 計算機輔助設計與圖形學學報，2015，27（3）：379-387.12鄒小林，馮國燦. 基于韋伯定律的過渡區提取及閾值分割J. 科學技術與工程，2013，13（15）：4217-4222

10、.13章毓晉. 過渡區和圖像分割J. 電子學報，1996，24（1）：12-17.14Yan C X，Sun N，Zhang T X. Local entropy-based transition region extraction and thresholdingJ. Pattern Recognition Letters，2003，24（16）：2935-2941.15吳 濤，楊俊杰. 融合局部特征的圖像過渡區提取與閾值化J. 計算機應用，2013，33（1）：40-43，52.16Yasnoff W A，Mui J K，Bacus J W. Error measures for scene segmentationJ. Pattern Recognition，1977，9（4）：217-231.17Hu Q M，Hou Z J，Nowinski W L. Supervise