从图像中识别和定位水果具有重要的实用价值, 其中识别是定位的基础。由于技术和经济方面的诸多原因,众多学者长期将目光聚集在水果的自动识别技术研究。在水果的检测中,最常见的方法就是机器视觉技术。机器视觉中最重要的步骤就是图像的有效分割。水果图像的分割识别工作主要可分为两个方面: 多种水果的目标提取和重叠水果间的分割。对于混合多水果图像来说,水果间相互重叠现象较为普遍,这使得水果的分类和识别具有一定的难度。 90 年代初,Vipnik 等人在统计学习理论的基础上提出了 “支持向量机(support vector machine,SVM)”这一新的通用机器学习方法。它是专门针对有限样本情况的,能够在训练样本数很少的情况下达到很好的分类推广能力, 是解决分类问题的十分有效的方法。本文引入支持向量机分类技术, 并实现多类分类器来实现水果和背景的分类识别。首先以像素点为单位, 选取像素点的 RGB 值为特征,利用多分类支持向量机对样本图像中的所有像素点进行分类,分出不同水果像素点和背景区域像素点,由此来完成样本图像的目标提取。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !