基于稀疏表示和卷积神经网络的水果图像分类与实现.pdf

文档介绍：学校代码：10564 学 号：EM20130021
分 类 号：TP391 密 级：





硕 士 学 位 论 文


基于稀疏表示和卷积神经网络
的水果图像分类与实现


吕 伟

第 一 指 导 教 师 ： 薛月菊 教授
第 二 指 导 教 师 ： 张南峰 研究员
学院名称： 工程学院
专 业 学 位 类 别 ： 工程硕士
领 域： 计算机技术
答辩委员会主席： 王卫星 教授


中国·广州
2016 年 6 月
学位论文原创性声明
本人郑重声明：所呈交的学位论文是本人在导师的指导下独立进行研
究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包
含任何其他个人或集体已经发表或撰写的作品成果。对本文的研究做出重
要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声
明的法律结果由本人承担。
作者签名： 日期：


学位论文提交同意书
本学位论文符合国家和华南农业大学关于研究生学位论文的相
关规定，达到学位授予要求，同意提交。
导师签名： 日期：
学科带头人签名： 日期：
III
摘 要

水果的分类技术一直是国内外农业信息化领域的研究热点问题，近年取得了突飞
猛进的发展。但在获取的水果图像规模大、数据特征复杂、局部遮挡、光照变化及场
景复杂情况下，水果识别率显著下降。因此，水果识别技术应用到实际农业中仍然面
临着诸多的问题和挑战。
针对大规模水果种类识别中存在特征冗余大、手工特征设计具有主观性的问题，
从水果特征表达和特征自动学****两个方面进行研究：在特征表达方面，研究了 RGB
水果图像的稀疏编码方法和 RGB 水果图像的局部约束线性编码方法；在特征自动学<br****方面，研究了 RGB 图像特征方法。本文的主要工作如下：
（1）提出基于稀疏编码的空间金字塔匹配模型（Sparse Coding Spatial Pyramid
Matching, ScSPM）的水果分类方法。首先采用 SIFT 特征对 RGB-D 水果图像进行局
部特征点提取，克服不同光照及尺度变换影响；然后采用稀疏编码和空间金字塔进行
特征表达；最后采用线性 SVM 分类器实现水果种类识别。实验结果表明，融合 SIFT
特征和 ScSPM 特征表达后，水果分类准确率达 %，比颜色直方图特征提取方法
的准确率高 %。
（2）提出基于局部约束线性编码的空间金字塔匹配模型（Locality-const