近年来,计算机视觉技术在水果图像识别方面得到了广泛的研究和应用,但随着经济的快速发展,人们生活的提高,农贸市场和超市里售卖的水果品种越来越多,而且其形状,纹理和大小都不相同。本文研究的其中的一个目的是,如何快速的提取水果的特征点和如何正确对水果识别分类。根据以上的问题和情况,本文采用了多种水果进行快速和自动识别分类实验研究:首先采集水果图像并建立数据库,接着其进行预处理,然后采用改进SURF算法对其进行特征提取,最后用BP神经网络进行分类。实验表明该方法对各种各样的水果可以进行有效的识别分类,它的识别率为96%。下面介绍本文所做的工作:在研究水果的对象方面,本文采用以多种水果为研究对象的模式并采集了多种水果图像,建立水果图像数据库。在对水果图像进行特征提取,有很多种方法,比如模板法和几何方法等。但是本文没有采用水果的形状参数来作为其特征进行提取,而是采用了改进SURF算法对不同的水果特征提取。在特征点检测时,为了在较小的时间内得到分部均匀和数量适当的特征点,该算法以特征点的数量和相互距离作为比较依据,同时在特征点匹配阶段采用最邻近向量匹配算法和随机采样算法,提高特征点匹配的准确度。实验结果表明:在水果任意摆放,不同光照,噪声等复杂环境下,改进的SURF算法提高了特征点检测和匹配时间,对水果识别率较高。分类器选择和应用方面,本文根据以前研究人员的论文和文献的参考没有采用很早的模式识别方法,而是采用了BP神经网络学对水果和蔬菜进行识别分类。BP神经网络是应用最为广泛的一种网络模型,它由输入层,隐藏层和输出层三层组成。为了提高BP神经网络的收敛速度,提出了权值和阙值的调节,这样就大大的提高了水果图像的识别率。