金晨陽等

摘要：該文基于OTSU圖像分割算法和DSP的圖像識別算法對番薯進行分類，并在此基礎(chǔ)上基于VS構(gòu)建番薯識別系統(tǒng)，并對圖片的灰色處理、雕刻處理等進行相應(yīng)的實現(xiàn)，通過該系統(tǒng)能將番薯的切片圖通過分析，以便能快捷地實現(xiàn)識別該番薯的種類、特性等相關(guān)信息，為番薯數(shù)字識別領(lǐng)域的研發(fā)提供一定的實踐意義。

關(guān)鍵詞：番薯分類；番薯識別系統(tǒng)；OTSU圖像分割算法；系統(tǒng)開發(fā)

中圖分類號：TP391 文獻標識碼：A 文章編號：1009-3044（2014）11-2608-04

圖像識別技術(shù)是近幾年來一種新興的科學(xué)技術(shù)，現(xiàn)階段高級計算機技術(shù)已能實現(xiàn)對三維物體的辨識和處理，它是以數(shù)字圖像處理與識別為基礎(chǔ)的結(jié)合人工智能、系統(tǒng)學(xué)等學(xué)科的研究方向，其研究成果被廣泛應(yīng)用在各種工業(yè)及探測機器人上。

目前番薯的種類較多，諸如紫番薯、白番薯、紅番薯等等，為此，在熟悉這些業(yè)務(wù)的基礎(chǔ)上，構(gòu)建其信息模型，主要包括：構(gòu)建番薯色素數(shù)字信息模型：將已有的番薯圖片資料（包括薯皮、薯肉、莖、葉等）通過采樣量化壓縮編碼后得到數(shù)字圖像，將各個種類的番薯色素的特性進行分類，用于以后的數(shù)字圖像比較；構(gòu)建薯肉條紋形狀數(shù)字信息模型：按照上述方法將已有的薯肉切片圖資料進行數(shù)字化，根據(jù)其條紋種類不同將其進行分類?；赩S構(gòu)建番薯圖像識別系統(tǒng)，通過該系統(tǒng)能將番薯的切片圖通過分析，以便能快捷地實現(xiàn)識別該番薯的種類、特性等相關(guān)信息，有利于番薯的歸類，同時能為番薯的儲藏、保鮮等方面提供一定的參考價值，為快速識別番薯的種類，確保番薯生產(chǎn)質(zhì)量等方面有一定的實用參考價值。

目前，圖像識別技術(shù)應(yīng)用于各行各業(yè)中，但是在番薯識別方面，卻處于初步研究階段，番薯的生長發(fā)育等都已經(jīng)涉及到了識別技術(shù)，在番薯分類中目前最常用的是基于多實例學(xué)習(xí)的圖像識別技術(shù)，這項技術(shù)能夠識別不同光照、存在干擾物的環(huán)境背景下，以任意方式擺放的多類別混合果蔬圖像，且對于單類別果蔬圖像的識別優(yōu)于全局。但這種技術(shù)僅是對果蔬圖像進行識別，還沒有形成一個完整的系統(tǒng)，尤其是通過識別系統(tǒng)識別其種類、歸集其相應(yīng)數(shù)據(jù)。為此，基于VS，以某番薯為例，研究并開發(fā)一個辨識系統(tǒng)，有利于番薯的歸類，同時能為番薯的儲藏、保鮮等方面提供一定的參考價值，為快速識別番薯的種類，確保番薯生產(chǎn)質(zhì)量等方面有一定的實用參考價值。

1 基于OTSU圖像分割算法和DSP的圖像識別算法對番薯進行分類

番薯是世界上栽培的重要糧食作物，番薯的種植在我國具有悠久的歷史，并形成了良好的種植習(xí)慣。目前番薯的種類繁多，紫薯、白薯、紅薯等一系列，可遺憾的是至目前為止，番薯識別系統(tǒng)還沒有統(tǒng)一的歸類。

根據(jù)已有的甘薯特征，并對相應(yīng)的特征進行二值化等方面處理，選取了OTSU算法做為圖像的分割算法。因為OTSU算法被認為是圖像分割中閾值選取的最佳算法，計算簡單，不受圖像亮度和對比度的影響，因此在數(shù)字圖像處理上得到了廣泛的應(yīng)用。根據(jù)OTSU算法，記t為前景與背景的分割閾值，前景點數(shù)占圖像比例為W0，內(nèi)積平均值為U0；背景點數(shù)占圖像比例為W1， 內(nèi)積平均值為U1。圖像的內(nèi)積平均值為：u=W0*U0 + W1*U1。從最小灰度值到最大灰度值便利t，當t使得值g=W0*（U0-u）2+W1*（U1-u）2最大時t即為分割的最佳閾值。

同時采用DSP（Digital Signal Process的縮寫，也就是數(shù)字信號處理）技術(shù)，對于薯類圖像識別的系統(tǒng)中加入數(shù)字信號處理，先是對薯類進行預(yù)處理，把圖像中的各種特征符號利用DSP轉(zhuǎn)變?yōu)楦鞣N數(shù)字，然后系統(tǒng)對于轉(zhuǎn)變的數(shù)字組合進行分類，然后把分類后的數(shù)字組合與分類總庫里的數(shù)據(jù)進行對比，再找出相應(yīng)的數(shù)據(jù)組合，分辨出薯類的種類。

2 基于VS的番薯識別系統(tǒng)開發(fā)

2.1 開發(fā)思路

利用OTSU算法和DSP算法將目前已知的甘薯圖片進行分類，并找出各個類別中甘薯的特征，將目前所知的圖片進行處理，建立甘薯特征庫，基于VS構(gòu)建，通過該系統(tǒng)能將番薯的切片圖通過分析，以便能快捷地實現(xiàn)識別該番薯的種類、特性等相關(guān)信息，有利于番薯的歸類，同時能為番薯的儲藏、保鮮等方面提供一定的參考價值，為快速識別番薯的種類，確保番薯生產(chǎn)質(zhì)量等方面有一定的實用參考價值。

3 總結(jié)

目前圖像識別技術(shù)尚未完全成熟，有許多領(lǐng)域還沒有完整的系統(tǒng)，特別在農(nóng)產(chǎn)品尤其是番薯的識別系統(tǒng)軟件更是少見?；赩S構(gòu)建番薯識別系統(tǒng)，通過該系統(tǒng)能將番薯的切片圖通過分析，以便能快捷地實現(xiàn)識別該番薯的種類、特性等相關(guān)信息，有利于番薯的歸類，同時能為番薯的儲藏、保鮮等方面提供一定的參考價值，為番薯數(shù)字識別領(lǐng)域的研發(fā)提供一定的實踐意義。

參考文獻：

[1] 陳燕東，劉景琳，孟志強.新型實時光電混合圖像識別系統(tǒng)[J].電子測量與儀器學(xué)報，2007（3）.

[2] 蔡政，丁宣浩，陳麗霞，等.敏感圖像識別算法研究[J].企業(yè)科技與發(fā)展，2012（5）.

[3] 胡正平，宋淑芬.基于類別相關(guān)近鄰子空間的最大似然稀疏表示魯棒圖像識別算法[J].自動化學(xué)報，2012（9）.

[4] 沈松，朱飛，姚琦，等.基于稀疏表示的超分辨率圖像重建[J].信息技術(shù)及圖像處理，2011（6）.

[5] 顧立娟，平西建，程娟，等.一種具有旋轉(zhuǎn)魯棒性的文本圖像文種識別方法[J].中國圖像圖形學(xué)報，2010（6）.

[6] 王梁，郝燕玲，張振興.基于多重稀疏表示的聲納圖像超分辨率重建[J].系統(tǒng)工程與電子技術(shù)，2012（1）.

[7] 袁磊，馮濤，王毓，等.基于紋理特征的魯棒圖像水印算法[J].信息技術(shù)，2008（6）.

[8] 薛明東，郭立，張國宣，等.一種新的圖像識別算法[J].計算機工程，2005（9）.

[9] 李路蘋，徐景碩，陳震.基于VS的捷聯(lián)慣導(dǎo)系統(tǒng)仿真器設(shè)計[J].計算機仿真，2013（6）.endprint

摘要：該文基于OTSU圖像分割算法和DSP的圖像識別算法對番薯進行分類，并在此基礎(chǔ)上基于VS構(gòu)建番薯識別系統(tǒng)，并對圖片的灰色處理、雕刻處理等進行相應(yīng)的實現(xiàn)，通過該系統(tǒng)能將番薯的切片圖通過分析，以便能快捷地實現(xiàn)識別該番薯的種類、特性等相關(guān)信息，為番薯數(shù)字識別領(lǐng)域的研發(fā)提供一定的實踐意義。

關(guān)鍵詞：番薯分類；番薯識別系統(tǒng)；OTSU圖像分割算法；系統(tǒng)開發(fā)

中圖分類號：TP391 文獻標識碼：A 文章編號：1009-3044（2014）11-2608-04

圖像識別技術(shù)是近幾年來一種新興的科學(xué)技術(shù)，現(xiàn)階段高級計算機技術(shù)已能實現(xiàn)對三維物體的辨識和處理，它是以數(shù)字圖像處理與識別為基礎(chǔ)的結(jié)合人工智能、系統(tǒng)學(xué)等學(xué)科的研究方向，其研究成果被廣泛應(yīng)用在各種工業(yè)及探測機器人上。

目前番薯的種類較多，諸如紫番薯、白番薯、紅番薯等等，為此，在熟悉這些業(yè)務(wù)的基礎(chǔ)上，構(gòu)建其信息模型，主要包括：構(gòu)建番薯色素數(shù)字信息模型：將已有的番薯圖片資料（包括薯皮、薯肉、莖、葉等）通過采樣量化壓縮編碼后得到數(shù)字圖像，將各個種類的番薯色素的特性進行分類，用于以后的數(shù)字圖像比較；構(gòu)建薯肉條紋形狀數(shù)字信息模型：按照上述方法將已有的薯肉切片圖資料進行數(shù)字化，根據(jù)其條紋種類不同將其進行分類?；赩S構(gòu)建番薯圖像識別系統(tǒng)，通過該系統(tǒng)能將番薯的切片圖通過分析，以便能快捷地實現(xiàn)識別該番薯的種類、特性等相關(guān)信息，有利于番薯的歸類，同時能為番薯的儲藏、保鮮等方面提供一定的參考價值，為快速識別番薯的種類，確保番薯生產(chǎn)質(zhì)量等方面有一定的實用參考價值。

目前，圖像識別技術(shù)應(yīng)用于各行各業(yè)中，但是在番薯識別方面，卻處于初步研究階段，番薯的生長發(fā)育等都已經(jīng)涉及到了識別技術(shù)，在番薯分類中目前最常用的是基于多實例學(xué)習(xí)的圖像識別技術(shù)，這項技術(shù)能夠識別不同光照、存在干擾物的環(huán)境背景下，以任意方式擺放的多類別混合果蔬圖像，且對于單類別果蔬圖像的識別優(yōu)于全局。但這種技術(shù)僅是對果蔬圖像進行識別，還沒有形成一個完整的系統(tǒng)，尤其是通過識別系統(tǒng)識別其種類、歸集其相應(yīng)數(shù)據(jù)。為此，基于VS，以某番薯為例，研究并開發(fā)一個辨識系統(tǒng)，有利于番薯的歸類，同時能為番薯的儲藏、保鮮等方面提供一定的參考價值，為快速識別番薯的種類，確保番薯生產(chǎn)質(zhì)量等方面有一定的實用參考價值。

1 基于OTSU圖像分割算法和DSP的圖像識別算法對番薯進行分類

番薯是世界上栽培的重要糧食作物，番薯的種植在我國具有悠久的歷史，并形成了良好的種植習(xí)慣。目前番薯的種類繁多，紫薯、白薯、紅薯等一系列，可遺憾的是至目前為止，番薯識別系統(tǒng)還沒有統(tǒng)一的歸類。

根據(jù)已有的甘薯特征，并對相應(yīng)的特征進行二值化等方面處理，選取了OTSU算法做為圖像的分割算法。因為OTSU算法被認為是圖像分割中閾值選取的最佳算法，計算簡單，不受圖像亮度和對比度的影響，因此在數(shù)字圖像處理上得到了廣泛的應(yīng)用。根據(jù)OTSU算法，記t為前景與背景的分割閾值，前景點數(shù)占圖像比例為W0，內(nèi)積平均值為U0；背景點數(shù)占圖像比例為W1， 內(nèi)積平均值為U1。圖像的內(nèi)積平均值為：u=W0*U0 + W1*U1。從最小灰度值到最大灰度值便利t，當t使得值g=W0*（U0-u）2+W1*（U1-u）2最大時t即為分割的最佳閾值。

同時采用DSP（Digital Signal Process的縮寫，也就是數(shù)字信號處理）技術(shù)，對于薯類圖像識別的系統(tǒng)中加入數(shù)字信號處理，先是對薯類進行預(yù)處理，把圖像中的各種特征符號利用DSP轉(zhuǎn)變?yōu)楦鞣N數(shù)字，然后系統(tǒng)對于轉(zhuǎn)變的數(shù)字組合進行分類，然后把分類后的數(shù)字組合與分類總庫里的數(shù)據(jù)進行對比，再找出相應(yīng)的數(shù)據(jù)組合，分辨出薯類的種類。

2 基于VS的番薯識別系統(tǒng)開發(fā)

2.1 開發(fā)思路

利用OTSU算法和DSP算法將目前已知的甘薯圖片進行分類，并找出各個類別中甘薯的特征，將目前所知的圖片進行處理，建立甘薯特征庫，基于VS構(gòu)建，通過該系統(tǒng)能將番薯的切片圖通過分析，以便能快捷地實現(xiàn)識別該番薯的種類、特性等相關(guān)信息，有利于番薯的歸類，同時能為番薯的儲藏、保鮮等方面提供一定的參考價值，為快速識別番薯的種類，確保番薯生產(chǎn)質(zhì)量等方面有一定的實用參考價值。

3 總結(jié)

目前圖像識別技術(shù)尚未完全成熟，有許多領(lǐng)域還沒有完整的系統(tǒng)，特別在農(nóng)產(chǎn)品尤其是番薯的識別系統(tǒng)軟件更是少見?；赩S構(gòu)建番薯識別系統(tǒng)，通過該系統(tǒng)能將番薯的切片圖通過分析，以便能快捷地實現(xiàn)識別該番薯的種類、特性等相關(guān)信息，有利于番薯的歸類，同時能為番薯的儲藏、保鮮等方面提供一定的參考價值，為番薯數(shù)字識別領(lǐng)域的研發(fā)提供一定的實踐意義。

參考文獻：

[1] 陳燕東，劉景琳，孟志強.新型實時光電混合圖像識別系統(tǒng)[J].電子測量與儀器學(xué)報，2007（3）.

[2] 蔡政，丁宣浩，陳麗霞，等.敏感圖像識別算法研究[J].企業(yè)科技與發(fā)展，2012（5）.

[3] 胡正平，宋淑芬.基于類別相關(guān)近鄰子空間的最大似然稀疏表示魯棒圖像識別算法[J].自動化學(xué)報，2012（9）.

[4] 沈松，朱飛，姚琦，等.基于稀疏表示的超分辨率圖像重建[J].信息技術(shù)及圖像處理，2011（6）.

[5] 顧立娟，平西建，程娟，等.一種具有旋轉(zhuǎn)魯棒性的文本圖像文種識別方法[J].中國圖像圖形學(xué)報，2010（6）.

[6] 王梁，郝燕玲，張振興.基于多重稀疏表示的聲納圖像超分辨率重建[J].系統(tǒng)工程與電子技術(shù)，2012（1）.

[7] 袁磊，馮濤，王毓，等.基于紋理特征的魯棒圖像水印算法[J].信息技術(shù)，2008（6）.

[8] 薛明東，郭立，張國宣，等.一種新的圖像識別算法[J].計算機工程，2005（9）.

[9] 李路蘋，徐景碩，陳震.基于VS的捷聯(lián)慣導(dǎo)系統(tǒng)仿真器設(shè)計[J].計算機仿真，2013（6）.endprint

摘要：該文基于OTSU圖像分割算法和DSP的圖像識別算法對番薯進行分類，并在此基礎(chǔ)上基于VS構(gòu)建番薯識別系統(tǒng)，并對圖片的灰色處理、雕刻處理等進行相應(yīng)的實現(xiàn)，通過該系統(tǒng)能將番薯的切片圖通過分析，以便能快捷地實現(xiàn)識別該番薯的種類、特性等相關(guān)信息，為番薯數(shù)字識別領(lǐng)域的研發(fā)提供一定的實踐意義。

關(guān)鍵詞：番薯分類；番薯識別系統(tǒng)；OTSU圖像分割算法；系統(tǒng)開發(fā)

中圖分類號：TP391 文獻標識碼：A 文章編號：1009-3044（2014）11-2608-04

圖像識別技術(shù)是近幾年來一種新興的科學(xué)技術(shù)，現(xiàn)階段高級計算機技術(shù)已能實現(xiàn)對三維物體的辨識和處理，它是以數(shù)字圖像處理與識別為基礎(chǔ)的結(jié)合人工智能、系統(tǒng)學(xué)等學(xué)科的研究方向，其研究成果被廣泛應(yīng)用在各種工業(yè)及探測機器人上。

目前番薯的種類較多，諸如紫番薯、白番薯、紅番薯等等，為此，在熟悉這些業(yè)務(wù)的基礎(chǔ)上，構(gòu)建其信息模型，主要包括：構(gòu)建番薯色素數(shù)字信息模型：將已有的番薯圖片資料（包括薯皮、薯肉、莖、葉等）通過采樣量化壓縮編碼后得到數(shù)字圖像，將各個種類的番薯色素的特性進行分類，用于以后的數(shù)字圖像比較；構(gòu)建薯肉條紋形狀數(shù)字信息模型：按照上述方法將已有的薯肉切片圖資料進行數(shù)字化，根據(jù)其條紋種類不同將其進行分類?；赩S構(gòu)建番薯圖像識別系統(tǒng)，通過該系統(tǒng)能將番薯的切片圖通過分析，以便能快捷地實現(xiàn)識別該番薯的種類、特性等相關(guān)信息，有利于番薯的歸類，同時能為番薯的儲藏、保鮮等方面提供一定的參考價值，為快速識別番薯的種類，確保番薯生產(chǎn)質(zhì)量等方面有一定的實用參考價值。

目前，圖像識別技術(shù)應(yīng)用于各行各業(yè)中，但是在番薯識別方面，卻處于初步研究階段，番薯的生長發(fā)育等都已經(jīng)涉及到了識別技術(shù)，在番薯分類中目前最常用的是基于多實例學(xué)習(xí)的圖像識別技術(shù)，這項技術(shù)能夠識別不同光照、存在干擾物的環(huán)境背景下，以任意方式擺放的多類別混合果蔬圖像，且對于單類別果蔬圖像的識別優(yōu)于全局。但這種技術(shù)僅是對果蔬圖像進行識別，還沒有形成一個完整的系統(tǒng)，尤其是通過識別系統(tǒng)識別其種類、歸集其相應(yīng)數(shù)據(jù)。為此，基于VS，以某番薯為例，研究并開發(fā)一個辨識系統(tǒng)，有利于番薯的歸類，同時能為番薯的儲藏、保鮮等方面提供一定的參考價值，為快速識別番薯的種類，確保番薯生產(chǎn)質(zhì)量等方面有一定的實用參考價值。

1 基于OTSU圖像分割算法和DSP的圖像識別算法對番薯進行分類

番薯是世界上栽培的重要糧食作物，番薯的種植在我國具有悠久的歷史，并形成了良好的種植習(xí)慣。目前番薯的種類繁多，紫薯、白薯、紅薯等一系列，可遺憾的是至目前為止，番薯識別系統(tǒng)還沒有統(tǒng)一的歸類。

根據(jù)已有的甘薯特征，并對相應(yīng)的特征進行二值化等方面處理，選取了OTSU算法做為圖像的分割算法。因為OTSU算法被認為是圖像分割中閾值選取的最佳算法，計算簡單，不受圖像亮度和對比度的影響，因此在數(shù)字圖像處理上得到了廣泛的應(yīng)用。根據(jù)OTSU算法，記t為前景與背景的分割閾值，前景點數(shù)占圖像比例為W0，內(nèi)積平均值為U0；背景點數(shù)占圖像比例為W1， 內(nèi)積平均值為U1。圖像的內(nèi)積平均值為：u=W0*U0 + W1*U1。從最小灰度值到最大灰度值便利t，當t使得值g=W0*（U0-u）2+W1*（U1-u）2最大時t即為分割的最佳閾值。

同時采用DSP（Digital Signal Process的縮寫，也就是數(shù)字信號處理）技術(shù)，對于薯類圖像識別的系統(tǒng)中加入數(shù)字信號處理，先是對薯類進行預(yù)處理，把圖像中的各種特征符號利用DSP轉(zhuǎn)變?yōu)楦鞣N數(shù)字，然后系統(tǒng)對于轉(zhuǎn)變的數(shù)字組合進行分類，然后把分類后的數(shù)字組合與分類總庫里的數(shù)據(jù)進行對比，再找出相應(yīng)的數(shù)據(jù)組合，分辨出薯類的種類。

2 基于VS的番薯識別系統(tǒng)開發(fā)

2.1 開發(fā)思路

利用OTSU算法和DSP算法將目前已知的甘薯圖片進行分類，并找出各個類別中甘薯的特征，將目前所知的圖片進行處理，建立甘薯特征庫，基于VS構(gòu)建，通過該系統(tǒng)能將番薯的切片圖通過分析，以便能快捷地實現(xiàn)識別該番薯的種類、特性等相關(guān)信息，有利于番薯的歸類，同時能為番薯的儲藏、保鮮等方面提供一定的參考價值，為快速識別番薯的種類，確保番薯生產(chǎn)質(zhì)量等方面有一定的實用參考價值。

3 總結(jié)

目前圖像識別技術(shù)尚未完全成熟，有許多領(lǐng)域還沒有完整的系統(tǒng)，特別在農(nóng)產(chǎn)品尤其是番薯的識別系統(tǒng)軟件更是少見。基于VS構(gòu)建番薯識別系統(tǒng)，通過該系統(tǒng)能將番薯的切片圖通過分析，以便能快捷地實現(xiàn)識別該番薯的種類、特性等相關(guān)信息，有利于番薯的歸類，同時能為番薯的儲藏、保鮮等方面提供一定的參考價值，為番薯數(shù)字識別領(lǐng)域的研發(fā)提供一定的實踐意義。

參考文獻：

[1] 陳燕東，劉景琳，孟志強.新型實時光電混合圖像識別系統(tǒng)[J].電子測量與儀器學(xué)報，2007（3）.

[2] 蔡政，丁宣浩，陳麗霞，等.敏感圖像識別算法研究[J].企業(yè)科技與發(fā)展，2012（5）.

[3] 胡正平，宋淑芬.基于類別相關(guān)近鄰子空間的最大似然稀疏表示魯棒圖像識別算法[J].自動化學(xué)報，2012（9）.

[4] 沈松，朱飛，姚琦，等.基于稀疏表示的超分辨率圖像重建[J].信息技術(shù)及圖像處理，2011（6）.

[5] 顧立娟，平西建，程娟，等.一種具有旋轉(zhuǎn)魯棒性的文本圖像文種識別方法[J].中國圖像圖形學(xué)報，2010（6）.

[6] 王梁，郝燕玲，張振興.基于多重稀疏表示的聲納圖像超分辨率重建[J].系統(tǒng)工程與電子技術(shù)，2012（1）.

[7] 袁磊，馮濤，王毓，等.基于紋理特征的魯棒圖像水印算法[J].信息技術(shù)，2008（6）.

[8] 薛明東，郭立，張國宣，等.一種新的圖像識別算法[J].計算機工程，2005（9）.

[9] 李路蘋，徐景碩，陳震.基于VS的捷聯(lián)慣導(dǎo)系統(tǒng)仿真器設(shè)計[J].計算機仿真，2013（6）.endprint