[00996959]复杂彩色目标的模糊模式识别方法及其在植物果实自动实时检测中的应用研究

传统的目标识别理论强调形状信息的作用。然而，神经心理学的研究结果表明，色彩是物体的一个重要特征参数。人类可以分辨上千种色彩的深浅和强度的变化，却只能分辨二十几种灰度的变化。不能用灰度的不同来提取的目标常常可以借助色彩信息的不同来提取。因此基于色彩的目标识别得到了研究者的广泛重视。但是，基于色彩的识别系统还主要是对简单色彩的目标进行识别分类。在国家自然科学基金的资助下，该项目针对复杂彩色目标识别中遇到的识别速度低、不能实时化及由于照明光源及外界环境因素引起色彩畸变时识别率下降的问题，把反映客观世界模糊性及人类思维和识别特点的模糊模式识别原理与人工神经网络有机地结合，对不同应用深入研究了复杂彩色目标识别的各种方法。分别构建模糊综合判别函数和模糊推理系统，实现了复杂彩色目标的颜色、形态及尺度的融合识别；基于减法聚类和模糊C均值聚类，获得了复杂彩色图像中颜色的最佳聚类；借助灰色分割面获得的最佳颜色函数把三维问题转化成二维问题，实现了自然场景下苹果图像的快速有效分割，实验还表明了该方法对分割颜色畸变图像的有效性；分别基于小波变换和BP人工神经网络及该项目提出的一种级联弱分类器算法实现了复杂彩色图像中的文本定位问题，实验结果表明这两种定位方法从效率、准确率及召回率上要优于流行的算法。项目所建立或提出的方法不但在植物果实的检测中有重要的借鉴意义，而且在各类涉及动态远程安全检查或与网络传输有关的具有复杂色彩成分及分布的彩色信息识别或监控等中也将具有广泛的潜在应用前景。