水果识别中图像特征综述

贺询

（华北水利水电大学机械学院，河南 郑州 450045）

水果识别中图像特征综述

贺询

（华北水利水电大学机械学院，河南 郑州 450045）

图像特征是水果识别的关键，也是研究采摘机器人的基础。本文对水果图像的特征进行分析，介绍了颜色、形状、纹理等具有代表性的图像特征，并阐述了各个图像特征的应用情况，最后探讨图像特征研究中存在的问题和发展趋势，以期为相关学者提供参考。

水果识别；颜色特征；形状特征；纹理特征

1 研究背景

随着机器人技术与计算机视觉技术的逐渐成熟，目前已经有不同类型的水果采摘机器人试验样机被研发出来。机器人进行水果采摘的首要工作是进行目标果实的识别。目前，较为普遍的识别流程主要包括图像采集、图像预处理、图像分割、特征提取及图像识别等。图像采集与预处理是指获取图像并进行图像增强等简单的预处理，相关技术已经较为成熟。图像分割、特征提取、图像识是使水果从背景图像中识别并分割出来。这些工作主要依靠目标果实的图像特征，对图像特征的研究是进行水果识别研究的关键。本文主要针对水果具有的图像特征进行研究，并介绍水果识别中图像特征的研究现状。

2 水果识别中图像特征的研究进展

特征是一个对物体进行描述的量，任何识别算法都需要选取一个好的特征，这是确保算法有效的关键［1］。图像特征是识别方法中的重要组成部分，优秀的图像特征使物体对象在特征空间中具有较好的分离性，从而减轻算法的负担，达到事半功倍的效果［2］。在水果识别中应用较多的特征主要有颜色特征、形状特征、纹理特征等。

2.1 颜色特征

采摘机器人采集到图像一般由未成熟水果、成熟水果、枝叶、天空、土壤等主要因素构成，成熟水果的颜色与其他因素具有明显不同，因此，可以利用颜色特征同来区分目标与背景。颜色特征是一种全局特征，描述了图像区域所对应的景物的表面性质。颜色特征的描述是建立在颜色空间的基础上并反映各个像素点的信息。

2.1.1 颜色空间。在进行颜色特征的选择前，需要进行颜色空间的选择［3］。为了更有效区分目标对象与背景，需要选择不同的颜色空间。但目前，还没有任何一种颜色空间适用于所有彩色图像，因此选择最佳的色彩空间是一个难题［4］。当前较常见的颜色空间主要有：RGB、HSI、HSV、Lab、YIQ、YCgCr、YcbCr、CIE等。

2.1.2 颜色空间的选择。在颜色空间选择问题上，目前主要有两种解决方案，一种是选择单一的颜色空间，以其中的一个或者多个颜色分量为颜色特征。徐惠荣［5］等进行了树上柑橘的识别研究，通过R-B颜色特征将果实从背景中分割出来。石雪强［6］等在苹果采摘机器人的研究中选择Lab颜色空间，最终得到了理想的分割效果。

另一种解决方案是通过对一个或多个颜色空间的若干颜色分量进行组合。谢忠红［7］在研究中通过BP神经网络得到以H、Cr（YCgCr）、Cr（YCbCr）、R-G、2R-G、Cb-Cr这6个特征组成的颜色特征组对桃子具有较高识别率，以H、Cr（YCgCr）、Cr（YCbCr）、R-G这4个特征组成的颜色特征组实现对苹果的高效识别。Arefi［8］等通过选择0.25G-H的特征组合进行番茄果实的图像分割并取得良好效果。

以上两种颜色空间的选择方法各有优劣，选择单一颜色空间进行图像分割具有运算量小、运算速度快的特点。而以多种颜色空间的不同颜色分量进行组合构建具有更高的识别率与更好的分割效果，但在构建颜色特征组合时较为困难。

2.2 形状特征

2.2.1 形状特征。由于水果、枝干等都有其特定的外形，可以通过形状特征的不同来识别水果。形状特征是一种局部特征，其对象是目标区域内像素点的数目及位置。

2.2.2 形状特征的选择。对形状特征的描述没有统一的定义，只要可以反映目标的外形并能有效区分目标与背景之间差异的特征参数都可以作为描述目标的形状特征。但由于进行特征描述的图像是经过一系列处理后的图像，因此，要求选择具有RST不变性的特征参数，并确保这些参数对图像的旋转、比例、平移变化都是恒定的。常用的形状特征有：面积、周长、直径、曲率、圆形度、伸长度、离散度、圆度、圆方差等。上述特征参数中的圆形度、离散度、圆方差和离散度等满足RST不变性的要求。

王玉翰［9］在研究中选取圆方差、离散度、伸长度等作为形状特征，取得了良好的识别效果。张志强［10］等选取面积、周长、圆形度和离心率等形状特征进行苹果的图像分割，果实识别率高达89.3%。王玉飞［11］等在研究中把圆形度、凹度和矩形度作为形状特征参数对番茄进行识别实验，正确识别率达90%以上。

2.3 纹理特征

在图像识别的研究中，纹理一般是指图像像素灰度呈现出的空间分布特性，纹理特征则是从图像中计算出一个对这一特性进行量化描述的值。纹理对区域内的像素点进行统计计算，其中包含有大量微观和宏观信息。目前，常用的纹理特征提取方法有矩分析法、基于灰度共生矩阵方法、基于小波变换方法等。不同的提取方法可以获得不同的纹理特征参数。例如，通过矩分析法获得的均值、方差、峰值、扭曲度、熵等参数；通过灰度共生矩阵方法定义的纹理特征主要有对比度、能量、逆差分矩、距离中心趋势、相关性等［12］。

郑向阳［13］等通过计算基于能量、信息熵及对比度的纹理特征来进行水果定位。谢忠红［14］等基于灰度共生矩阵的熵和能量这两个纹理特征进行水果与叶子的分割，取得了良好的效果。由于纹理特征容易受图像分辨率、光照等因素影响，因此，在研究中单独利用纹理特征容易产生较大误差，通常还需要与其他图像特征结合来提高识别效率。

3 结语

水果识别图像特征的研究工作已经进行了数十年并取得了较大成果，但依然存在一些影响水果识别准确率的问题。例如，农业环境存在光照变化、振动、风、雾、雨水等影响因素对所采集图像的质量和图像特征都会产生负面影响。

随着研究的进一步深入，不断有新的图像特征被开发研究出来，如光谱特征、空间关系特征、分形特征等。同时，为了提高识别的准确率，多种图像特征的融合技术成为未来的发展方向。图像特征的研究是实现水果自动化采摘的基础，进行相关研究对农业现代化具有重要意义。

［1］ H Okamoto，WS Lee.Green citrus detection using hy⁃perspectral imaging［J］．Computers and Electronics in Agricul⁃ture，2009（2）：201-208．

［2］ 王利明.机器视觉中物体识别方法的研究与探讨［D］.上海：复旦大学，2009.

［3］ 项荣，应义斌，蒋焕煜，等.田间环境下果蔬采摘快速识别与定位方法研究进展［J］.农业机械学报，2013（11）：208-223.

［4］ 吕新广，赵美京.CIE LAB色度空间的均匀性研究［J］.郑州大学学报（理学版），2002（1）：69-73.

［5］ 徐惠荣，叶尊忠，应义斌，等.基于彩色信息的树上柑橘识别研究［J］.农业工程学报，2005（5）：98-101.

［6］ 石雪强，程新文.苹果采摘机器人视觉系统的目标提取研究［J］.农机化研究，2013（10）：46-48.

［7］ 谢忠红.采摘机器人图像处理系统中的关键算法研究［D］.南京：南京农业大学，2013.

［8］ Arefi A，Motlagh A M，Mollazade K，et al.Recogni⁃tion andlocalization of ripen tomato based on machine vision［J］.AustralianJournal of Crop Science，2011（10）：1144.

［9］ 王玉翰.基于双目立体视觉的番茄识别与定位技术研究［D］.杭州：浙江大学，2012.

［10］ 张志强，张惠莉.基于神经网络和图像颜色、形状特征的绿色苹果图像分割［J］.农业网络信息，2013（10）：20-23.

［11］ 王玉飞，尹建军，仲苏玉，等.基于特征分析的番茄识别及其软件的快速开发［J］.计算机工程与设计，2011（11）：3824-3827.

［12］ 黄志开.彩色图像特征提取与植物分类研究［D］.合肥：中国科学技术大学，2006.

［13］ 郑向阳，何倩.基于信息熵原理的水果定位检测方法［J］.计算机仿真，2012（4）：279-281.

［14］ 谢忠红，郭小清，姬长英，等.基于颜色模型和纹理特征的彩色水果图像分割方法［J］.计算机工程与科学，2010（1）：64-66.

Overview of Image Features in Fruit Recognition

He Xun
（Machinery College,North China University Of Water Resources And Electric Power，Zhengzhou Henan 450045）

Image feature is the key of fruit recognition,and also the basis of picking robot.This paper ana⁃lyzed the characteristics of fruit image,introduced the image features of color,shape,texture and other rep⁃resentative,and described the application characteristics of each image,finally discussed the existing prob⁃lems and the development trend of image features,in order to provide reference for relevant scholars.

fruit recognition；color feature；shape feature；texture feature

TP391.41

A

1003-5168（2017）11-0034-02

2017-10-09

贺询（1992-）男，硕士在读，研究方向：采摘机器人视觉及控制系统。