基于LABVIEW的道路图像信息识别的研究

LABVIEW可视化编程软件,在图像处理上有很强大的应用,利用LABVIEW的视觉与运动模块,对夜间道路图像进行处理,通过灰度、二值化、图像切割后,再经过图像提取,即可得到道路的图像信息,应用前景广阔。     

田间枣树叶片复杂目标图像综合分割方法

设计了一种复杂图像分割的综合算法。首先对图像进行预处理,锁定大致目标范围,对图像进行增强,再基于阈值分割和Canny算子对图像进行初步分割。然后结合形态学处理方法及各种逻辑运算对分割结果进行优化处理,得到精确完整的目标图像。以田间枣树叶片图像为例进行实验,证明了该算法的可行性和有效性。该算法对叶片重叠、叶片灰度不均匀等复杂图像都有很好的分割效果,获得了边缘清晰、平滑、定位精确的边缘图像。     

基于图像玉米茎秆位置标记方法的研究

为实现田间作业过程中对玉米茎秆的定位，提出了一种基于图像玉米茎秆位置的标记方法。以3～5叶期的玉米秧苗为观测对象，利用相机获取玉米秧苗的彩色图像。首先，根据玉米图像样本进行灰度化、加权滤波、直方图均衡进行预处理；对图像进行Ostu阈值分割，提取玉米秧苗区域信息；通过形态学处理去除噪点，得到最大连通域作为玉米秧苗区域。然后通过投影法，对该区域进行列向和横向向量求和，得到的最大值标记为玉米茎秆根部近似位置。对100株玉米秧苗图像进行测试，与图像手动标注位置进行对比，横向误差平均值为7.55,标准差平均值为1.04%,列向误差平均值10.85,标准差平均值为2.26%,实际误差平均值为12.33。该研究可为需要保护玉米秧苗的田间作业提供参考。     

基于HSV空间再生稻植株与土壤背景图像分割

针对再生稻收割机视觉导航的稻田图像分割问题,结合再生稻植株的生长特点和再生稻避莊的要求,利用相机于农田采集再生稻图片,结合RGB、HSV、YCr Cb空间中的常用灰度化因子,进行灰度化对比试验并分析其直方图特征,得出在HSV空间的S分量灰度化;采用最大类间方差法(Otsu)得到初步分割阈值T,经进一步分析为保留较完整的不同成熟度再生稻植株特征,加入修正因子-a得到阈值T-a对图像二值化;再通过数学形态学,面积法过滤等后续处理,形成收割机行走的左右边界区域。结果表明:处理1副像素419×310的图像平均耗时0.053 s,可满足今后的实时性要求,分割出的图像基本上反应了再生稻植株的走势特征,与人眼判断植株边缘位置基本相符合。     

田间杂草识别中图像预处理方法的研究

为了改善农业喷洒机器人视觉系统中图像的处理效果,对视觉系统采集到的RGB彩色图像进行2G-R-B变换处理。对得到的超绿灰度图像,分别使用对比度拉伸变换和直方图均衡化两种方法进行图像增强处理。比较这两种方法的处理效果,结果表明：直方图均衡化法对田间杂草图像具有较好的增强效果。     

双通道近地遥感图像采集处理系

利用2CCD多光谱相机设计了近地遥感图像采集平台,同步获取小范围区域作物的可见光和NIR图像,通过图像处理技术从作物图像获得反射光谱信息.采集平台包括一个2CCD多光谱相机,两个采集盒,一台具有两个千兆网口的田间计算机.图像处理部分通过2GRB灰度化、中值滤波和Otsu二值化,从背景中分割出作物图像,结合作物原始R分量灰度图像,提取出作物红光图像平均灰度值,利用建立的灰度值与反射率的线性模型,计算得到作物红光波段的反射率.试验结果表明,图像采集平台工作稳定,利用图像处理方法提取的反射率与ASD光谱仪测量结果有较好相关性,为从作物冠层图像探测生长状况提供了理论依据.     

RGB与HSI颜色空间下番茄图像分割的对比研究

针对番茄收获机器人视觉系统在自然光照条件下对田间成熟番茄图像进行分割的问题,研究了基于(R-G)色差特征的阈值分割方法和基于HSI颜色空间H色调的统计阈值分割方法,并对其进行了对比分析。在RGB颜色空间,首先提取了RGB彩色图像的R、G分量并做代数减运算得到色差灰度图像RG,然后对该色差灰度图像RG使用Otsu阈值法进行自适应分割;在HIS颜色空间下,统计番茄与叶子的H色调分布差异,然后对H色调灰度图像进行阈值分割。通过大量试验表明:基于(R-G)色差特征的阈值分割方法能够实现自适应阈值处理,能对不同自然光照强度下的生长状态为相互分离的多目标番茄图像进行有效分割;同时,对番茄的成熟度及品种差异也具有很好的鲁棒性,其性能大大优于基于HSI颜色空间H色调的统计阈值分割。     

小麦病害图像识别处理及形状特征提取研究

以小麦条锈病为例,研究小麦病害部位的图像获取、处理和特征提取。通过图像灰度映射和反映射变换、非线性直方图均衡处理等方法进行病害图像噪声去除和图像优化;采用迭代阀值分割和微分边缘检测提取小麦病斑部位的形状特征,为农业作物病害诊断信息特征数据库的建立提供基础数据。     

基于颜色特征的牧草图像分割方法研究

针对自然光照条件下牧草图像的分割问题,分别研究了在RGB颜色空间和HSI颜色空间中牧草颜色特征的提取。在RGB颜色空间中,利用2G-B色差特征得到牧草和背景差值最大的色差灰度图像,使用最大类间方差图像分割法对色差灰度图像进行了图像分割。在HSI颜色空间中,根据牧草H分量的分布特点,使用模糊C-均值(FCM)的彩色图像分割方法对牧草的彩色图像进行了有效分割。实验表明,基于HIS彩色空间H色调的FCM方法对牧草的分割能够取得比较理想的效果,经二值化处理后得到的牧草轮廓要比基于2G-B色差特征的最大类间方差分割方法得到的牧草轮廓更加完整。     

基于传感控制的自动采棉机系统设计

为了实现棉花依据成熟度进行采摘，基于图像传感器设计图像处理方法，完成棉桃图像特征提取，进而实现棉花成熟度评估和空间棉桃定位。采用HSV方案进行图像灰度处理，采用二维大津法进行图像分割，提取棉桃特征参数。对成熟棉花和未成熟棉花图像样本分析发现，棉桃图像轮廓周长L和面积S比大于0.31时棉花成熟，从而建立棉花采摘标准，并采用双目图像系统，实现目标棉桃的图像坐标向空间坐标的转换。对图像分割精度，棉桃提取精度和视觉定位精度进行测试，结果表明：系统具有较高的可靠性。     

基于彩色转换的水果分类系统设计

提出了一种先将RGB图像转换为HSI图像,然后再对HSI图像灰度化,接着对HSI的灰度图像进行动态阈值分割的方法.此方法先将RGB图像转换为HSI图像,这样,可以有效地避免在将RGB图像直接转换为二值图像时,由于光线不均而造成的影响;同时,采用动态阈值进行分割,使分割出来的目标更加完美.最后,使用BP神经网络对目标进行识别.试验证明,此种方法识别率高,远远好于传统的直接对RGB图像灰度化,再对灰度图像进行分割识别的方法.     

基于ComⅥ和双阈值OTSU算法的农作物图像识别

针对农作物图像中依附泥土和杂质噪声呈现不规则性和复杂性特点,提出了一种基于植被指标合成双阈值OTSU算法的农田作物图像识别方法.该方法根据农作物充分显露和部分被遮盖2类图片特点,将图像识别过程分为3个阶段：首先利用植被指标合成获取农作物图像灰度图,然后根据双阈值OTSU自适应算法进行二值化处理与图像分割,再进行正常的形态学运算,将3个阶段所分割的图像叠加形成最终的农作物与土壤识别图像,并将该算法与双阈值迭代设定法进行了对比.试验研究表明该算法克服了传统灰度图算法和阈值迭代算法的缺点,能有效提取和识别过渡区域的边缘,图像识别的准确率为92.7%以上.最后,采用Visual Basic2010和Matlab 2012软件设计了农作物图像识别系统,从应用角度实现了图像识别的可视化与自动化.     

图像处理在割台高度控制系统中的应用

基于图像处理技术提出了一种倒伏小麦的检测方法.首先,对田间倒伏小麦进行图像采集,进而探讨了基于颜色特征的图像识别方法.通过对彩色图像灰度化以及灰度反色处理后,再选取中值滤波法去除噪声,最后用高斯-拉普拉斯算子边缘检测方法提取图像边缘,得出倒伏小麦与正常小麦之间的高度差,据此控制收割机割台的高度.此方法可降低倒伏小麦造成的颗粒损失,提高农业生产机械的自动化水平,降低劳动者的劳动强度.     

农田视觉导航基准线的识别与提取方法研究

提出了一种基于农田图像处理的视觉导航基准线的提取方法。该方法首先使用加权平均法(2G-RB)对原图像进行灰度化处理;采用改进最大化类间方差分割灰度图像;再用小面积法去噪;识别去噪后的图像的中心点,确定导航中心点位置。基于中心点的分布规律,将图像中识别出的中心点进行筛选,得到有效的导航基准中心点,使用改进霍夫变换与最小二乘法相结合的方法提取导航基准线。本文方法能够准确地识别和提取导航基准线,实验证明了该方法的有效性和实时性。     

基于Shannon-cosine小波的农田遥感图像纹理延拓

农田遥感图像一般都是大图像,对这种大图像进行后续的分析,分块处理是较常见的方法,而在进行分块处理的时候易产生边界效应。消除边界效应最常用的方法是进行图像延拓,常见的延拓方法有对称延拓、零延拓和周期延拓,但在边界处会引入大量高频信息。农田遥感图像中的纹理承载了重要的信息,因此,结合农田遥感图像纹理呈现出的直线特性,本文提出了一种基于纹理方向的图像延拓法。利用多尺度插值小波解偏微分方程的方法根据图像的灰度变化自适应选取配置点,即在图像平坦区域稀疏取点,在纹理细节处密集取点。然后根据配点利用包围盒识别农田遥感图像的纹理方向,进一步沿纹理方向进行延拓。试验结果表明,本文提出的图像延拓方法有效地克服了常规延拓方法的缺点,提高了计算效率,消除了边界效应。     

基于HIS颜色特征的田间成熟番茄识别技术

研究了一种基于HIS颜色特征的田间成熟番茄识别技术。将计算机视觉系统获取的番茄RGB图像转换成HIS图像，通过统计H、I、S分量的灰度分布找出成熟番茄、未成熟番茄和叶子(枝干)灰度分布差别；然后根据H分量的灰度分布用阈值法分割出成熟番茄区域；经过空洞填充后，计算出番茄质心坐标。该方法对田间成熟番茄之间相互分离的情况有很好的识别效果。     

波形复现吸能器的原理分析及仿真

对自行设计的波形复现吸能器的结构和原理进行分析,利用LS-DYNA有限元分析软件对该吸能器进行仿真。该吸能器利用销柱间钢筋预变形产生阻尼力,通过改变钢筋的类型、数量、长度和位置等复现出所期望的减速度波形。仿真与试验结果的比较表明:波形复现吸能器仿真模型复现的波形和台车碰撞试验的波形吻合较好。试验结果验证了吸能器仿真模型的正确性,仿真方法为吸能器的调试提供了依据,缩短了调试时间,提高了波形复现的精度。     

基于ANSYS Workbench纹杆式滚筒模态分析

纹杆式滚筒工作环境及工作载荷比较复杂,在脱粒作业过程中可能因设计、操作不当引起共振或谐振。采用Solid Works三维设计建模软件对纹杆式脱粒滚筒进行建模,导入ANSYS Workbench软件中进行模态分析。分析结果表明:甘草种子脱粒所用的纹杆式脱粒滚筒安全可靠,不会引发共振等问题而导致设备损坏,为种子脱粒机的样机加工制造提供依据。     

农田秸秆覆盖率检测方法与试验

针对秸秆覆盖率检测准确率易受光照不均匀影响以及现有检测方法对无秸秆图像检测精度较差的问题,提出一种基于图像行平均灰度标准差分类及图像分块可变阈值检测法。首先通过计算图像的行平均灰度标准差对图像进行分类,将标准差小于阈值的图像判断为无秸秆覆盖;然后将标准差大于阈值的图像划分成多个子块,对每个子块分别采用最大类间方差法进行阈值分割;最后将所有子块重新组合,用基本的形态学法计算目标图像的秸秆覆盖率。试验结果表明,该方法在很大程度上减少光照不均匀对检测结果的影响,对秸秆均匀分布图像的检测误差为2.87%,对无秸秆覆盖图像的检测误差为0.45%,能够提高农田秸秆覆盖率检测方法的适用性。