论文部分内容阅读
我国作为塑料消费大国,塑料瓶的消耗量亦很大,塑料瓶燃烧和掩埋等处理都会造成环境污染,同时,也是对资源的浪费。回收时,单一颜色的塑料瓶可以使再生塑料用途的局限性降低,而且,目前我国主要依靠人工进行回收塑料瓶的分类,这种方法的分类效率低,工作环境恶劣。因此,研究回收塑料瓶的颜色分类具有十分重要的现实意义。本文将彩色图像处理和模式识别技术应用到回收塑料瓶颜色分类的自动识别中,提高自动分类的识别率,从而改变分类效率低的现状。本文采用彩色图像处理技术对回收塑料瓶图像进行了平滑和锐化处理,之后根据颜色空间的特点,在HSI模型下,提出了一种基于形态学梯度重构的分水岭图像分割算法。该算法将双结构元多尺度结构元素运用在形态学先开后闭的运算中,得到改进的形态学梯度算子,之后进行重构运算和分水岭分割,获得感兴趣区域。本文为了降低重叠塑料瓶对分类的干扰,提出基于轮廓形状特征的回收塑料瓶重叠识别方法,将分割后的图像进行二值化处理,再采用轮廓追踪算法获得轮廓点集,在极坐标下对轮廓点集进行归一化获得有效的描述子,通过曼哈顿距离进行形状匹配,从而达到重叠识别的目的。然后,通过回收塑料瓶图像色度和饱和度两个分量的颜色直方图得到样本矩阵,分析了直方图统计特征法、快速主成分分析法和核主成分分析法三种特征提取算法的原理,并分别对样本矩阵进行有效的特征提取。最后,针对支持向量机的参数对分类性能的影响和粒子群算法的优点,采用粒子群算法对参数进行优化,通过优化后的支持向量机对所提取的特征进行分类识别。通过LabVIEW和MATLAB进行混合仿真实验,验证了算法的可行性和有效性。本文所提出的分割算法得到的感兴趣区域,边缘清晰且目标区域较为完整,所提出的重叠识别方法可以快速且有效的达到识别的目的。将三种颜色特征提取算法所得的特征值分别用于颜色分类识别,结果显示核主成分分析法提取的特征值用于分类时识别率更高。同时,与传统支持向量机的分类识别结果相比,优化后的支持向量机算法分类识别率更高。