摘要：准确分割水果图像是采摘机器人实现视觉定位的关键技术。该文针对传统模糊聚类对初始聚类中心敏感、计算量大和易出现图像过分割等问题，结合机器人的视觉特性，提出了一种基于多尺度视觉显著性改进的水果图像模糊聚类分割算法。首先，选择适当的颜色模型把彩色水果图像转换为灰度图像；然后对灰度图像做不同尺度的高斯滤波处理，基于视觉显著性的特点，融合了多个不同尺度的高斯滤波图像，形成图像聚类空间；最后，用直方图和模拟退火粒子群算法对图像的传统模糊聚类分割算法进行了改进，用改进的算法分别对采集到的100张成熟荔枝和柑橘图像，各随机选取50张，进行图像分割试验。试验结果表明：该方法对成熟荔枝和柑橘的图像平均果实分割率分别为95.56%和93.68%，平均运行时间分别为0.724和0.790 s，解决了水果图像过分割等问题，满足实际作业中采摘机器人对果实图像分割率和实时性的要求，为图像分割及其实时获取提供了一种新的基础算法，为视觉精确定位提供了有效的试验数据。

关键词：图像处理 模糊聚类 模拟退火 多尺度视觉显著性 粒子群算法 

单位：华南农业大学南方农业机械与装备关键技术省部共建教育部重点实验室; 广州510642; 华南农业大学信息学院; 广州510642