基于萤火虫算法的农业遥感图像增强研究

农业遥感图像增强有利于图像信息的提取与分析,萤火虫算法是近年来较为新颖的智能仿生算法,目前国内外关于其能否用于农业遥感图像增强的研究未见报道。文章首先利用非完全Beta函数建立农业遥感图像增强模型,结合人眼最小灰度分辨力函数进行图像细节增强,将每个输入区间的像素灰度值变换到适当的输出灰度级区间,最终生成对比度均衡的图像;然后通过萤火虫优化算法在其动态决策域半径进行伪差分操作更新;最后确定最佳参数的收敛条件,给出了算法流程。试验仿真结果表明,萤火虫算法的农业遥感图像检测在图像细节增强评价指标、相位一致性指标、通用质量评价指标等方面与直方图算法、Retinex算法、小波变换算法、模糊聚类算法等相比数据较优,能够用于农业遥感图像增强。     

一种改进的二值化分割算法及其在指纹识别中的应用

研究了指纹特征提取的原理及算法实现流程,它依次可分为指纹图像归一化、分割和二值化、图像增强滤波、图像细化、特征提取等几个步骤．在分割和二值化阶段提出了一种改进的基于图像分块和阈值迭代的二值化分割算法,新算法能有效提取局部图像的最优二值化阈值,可提高对明暗分布不均的图像的二值化分割的效果和指纹图像分割的质量．在图像增强和细化阶段引入细化邻域方法进行图像增强和细化,最后对指纹特征进行提取．利用ＭＡＴＬＡＢ工具进行了仿真,结果表明,采用改进的算法进行指纹特征提取基本能准确、快速找出指纹图像的特征．     

基于形态学融合滤波的农业图像改进MSR增强算法

农业图像增强对于提高图像识别与分析结果的准确性有很大帮助。多尺度Retinex(muti-scale retinex,MSR)算法由于对噪声具有较强的敏感性,容易在增强图像信息的同时放大噪声,为此结合形态学滤波思想对MSR算法进行改进。首先分别采用半径为1、2的棱形结构元素构建了开启-闭合、闭合-开启的形态滤波器,将它们分别对含有噪声的农业图像进行滤波,获得了滤波图像1、滤波图像2;然后根据局部像素最大化原则对滤波图像1、滤波图像2进行融合,得到滤波后图像;最后采用MSS算法对滤波后的图像进行增强。分别采用图像标准差(standard deviation,SD)、归一化均方根误差(normalized mean square error,NMSE)对增强后的图像进行客观性评价。结果表明,该算法对于低对比度且含有噪声的农业图像的增强效果明显优于形态学滤波、MSR算法。     

基于灰度梯度图像分割的单木树冠提取研究

树冠是树木的重要组成部分,基于遥感影像的树冠提取对于森林资源调查监测具有重要意义,但准确获得树冠的形状和边界比较困难。高分辨率影像具有丰富的纹理和光谱信息,基于高分辨率影像单木树冠勾勒技术为森林资源调查提供了一种快速有效的测树途径。但是,由于高分影像信息冗杂,面向对象的分割方法数据计算量大,并且需要人工设置光谱或纹理阈值才可以实现单木分割,导致工作效率下降,鲁棒性差。图像增强通过改变原始图像的结构关系,有选择地突出或者抑制图像中的某些特征,有效的图像增强有益于提高单木树冠分割的准确程度。因此,本文提出一种基于影像的灰度梯度图像分割的树冠提取方法,通过对比传统的罗伯斯、拉普拉斯算子与改进的数学形态学算子,利用目视解译与灰度直方图结合的方法确定最优选择为改进的数学形态学算子。然后,利用改进的数学形态学算子结合面向对象多尺度分割方法,简化原始影像复杂的背景信息,快速提取大范围单木树冠信息。以甘肃省张掖市大野口林区机载激光雷达系统携带的CCD影像为数据源,提取实验区单木树冠,并从空间和形状上验证效果。实验结果表明:在高分影像的灰度梯度图像上进行面向对象分割提取单木冠幅, 单木株数精度为83.19%,形状精度达到88.62%,优于传统林业调查精度,且冠幅获取速度快,效率高,并可以较为精确地提取树冠边界。      

基于直觉模糊C均值聚类算法的作物病害图像分割

针对作物病害图像的病斑分割问题,提出一种直觉模糊C均值(Intuitional Fuzzy C-means,IFCM)聚类算法。通过引入隶属度、非隶属度和犹豫度3个参数来表示模糊集,从而定义了用来表示模糊集的模糊度的直觉模糊熵(IFE)这一概念,对传统的FCM算法进行改进,克服了FCM算法分割时计算目标函数容易陷入局部极小值,而且聚类数目需要提前设定初值的缺点。将预处理过的作物(以黄瓜为例)病害叶片图像作为研究对象采用该改进算法进行病斑图像分割,得到了很好的分割效果。与其他分割方法进行比较,结果表明该算法分割出来的作物病斑图像准确率高达94%以上,分割效果明显。     

基于狮群优化的FCM图像分割算法研究

为了解决模糊C均值聚类(FCM)算法进行图像分割时容易陷入局部最优和随机初始化聚类中心的问题,研究人员提出了基于改进的狮群优化和模糊C均值聚类的混合图像分割算法。该算法首先利用改进的狮群算法优化模糊C均值的目标函数,增强算法全局最佳值搜索能力,使其避免陷入局部最优,同时引入聚类有效性指标,通过迭代更新搜索到合理的分割类别数实现自动确定图像分割最佳类别数,并根据最佳类别数确定最优聚类中心的选取,最终实现图像的自适应分割。实验结果表明,该方法可自适应地确定图像分割最佳类别数,能快速准确地实现图像分割。     

基于多尺度Retinex图像增强的羊体尺参数无接触测量

针对传统羊体尺参数测量中存在工作量大、精度低、应激反应强等问题,采用多尺度Retinex算法、Graph Cut算法和羊体尺测点识别相结合的方法,基于双目视觉检测原理对羊体尺参数的无接触测量进行研究。结果表明:1)带色彩恢复的多尺度Retinex算法能增强光照不均匀的羊图像,对羊图像的细节和颜色恢复表现出较强的处理能力;2)基于多尺度分水岭的Graph Cut算法准确地分割出羊体区域,获得光滑的羊体轮廓线;3)划分羊体轮廓线区域,采用包络线分析方法识别体尺测点,计算羊体尺参数,并与真实值比较,11只羊的平均相对误差为2.32%,除去绒山羊剩下9只羊的平均相对误差为1.95%,测量精度较高。试验证明本研究带色彩恢复的多尺度Retinex算法能增强羊图像亮度和色度,包络线分析方法能准确地识别体尺测点,算法稳定,能够实现饲养过程中羊体尺参数的无接触测量。     

改进的模糊C均值聚类算法和霍夫变换在榛子仁缺陷检测中的应用

以榛子仁为检测样本,采用模糊C均值聚类(FCM)算法进行图像分割;利用飞蛾扑火(MFO)算法改进其目标函数;利用函数对个体样本边缘提取,标记边缘拐点位置,计算拐点个数;对边缘图像进行霍夫(Hough)变换的椭圆曲线拟合,标记并输出饱满籽粒个数;依据试验数据,分析应用改进的模糊C均值聚类算法和霍夫变换对榛子仁缺陷检测的效果.结果表明:改进的模糊C均值聚类算法和霍夫变换,可以准确有效地对饱满、干瘪、霉斑、虫蛀、腐烂的5种榛子仁中的缺陷籽粒进行识别检测,提高榛子仁加工过程中的分拣效率.     

线扫描铁轨表面缺陷成像与检测

基于线扫描的机器视觉成像系统，用于采集铁轨表面图像，提出一种以图像增强和自动阈值分割为核心的缺陷检测算法，该算法能够准确检测出铁轨表面缺陷.图像增强采用局部零均值法，克服了铁轨表面光线反射不均的缺点，提高了缺陷和背景的区分度.自动阈值分割采用强调概率的最大背景类方差法，取到的阈值使背景类方差最大的同时保持缺陷出现概率较小.将本文的核心方法与传统方法进行对比实验，验证了该算法的有效性和快速性，具有一定的实用价值.     

基于IFOA算法和模糊熵的图像自适应增强研究

传统的医学图像增强算法存在适用性差、计算量大和参数人工设置等缺点。本文结合果蝇优化算法的良好的全局最优搜索性能,针对FOA算法存在局部最优问题,将改进因子引入FOA算法,提出一种IFOA优化模糊熵的自适应医学图像增强算法。实验结果表明,IFOA算法可以有效地突出图像的特征,改善图像的视觉效果,提高效率,避免手工调整参数的不便,在保证图像质量最佳的情况下,可以自动配置出最佳的模糊增强参数,实现医学图像的自适应增强。     

基于极限腐蚀的重叠苹果果实分割方法

针对采摘机器人无法对重叠苹果准确分割的问题,提出了一种基于改进极限腐蚀和控制标记符分水岭分割苹果图像的方法。首先,利用果实色差分量的关系,采取R-G颜色分量作为颜色特征向量对图像进行初分割,然后采用OTSU方法分割、孔洞填充、去除小面积等方法获得完整果实二值图像,对二值图像通过改进极限腐蚀的方法来获取种子点,即局部最小区域,通过获得图像的内外标记符使用控制标记符分水岭算法,形成最终的分割图像并标记出分割线。结果表明:这种方法能够很好地改善传统方法出现错误分割的问题,找出清晰的分割线,正确分割率能够达到96.5%,较传统分水岭法和快速聚类分割算法分别提高了7.8个百分点和4.9个百分点,能够满足采摘机器人对重叠苹果图像的分割要求。     

玉米生长期叶部病害图像识别预处理研究

针对玉米生长期叶部病害的图像,引入图像模式识别技术,实现病害图像的预处理。基于传统算法的不足,提出一种改进的小波图像增强算法,提高了图像的识别精度;深入研究了病害图像的直方图均衡化预处理、基于矢量中值滤波的图像增强操作算法,并引入超绿特征值进行图像分割,从而实现了对目标图像的去噪、增强,为下一步的特征提取与病害识别打下了良好基础。     

果蝇算法与改进蚁群算法优化模糊集的自适应图像增强

计算机视觉图像在采集和传输过程中,容易受到噪声的干扰而变得模糊不清,传统的模糊集图像增强算法具有计算量大、参数手动设置和适应性差的缺点,使得图像处理效率低下和增强质量较差,无法满足现实需求。本文将改进的蚁群算法引入计算机视觉图像模糊增强,以模糊熵为图像增强效果的评价指标,并对模糊图像增加参数进行自适应选择。结果表明,本算法可以提高图像的模糊熵、改善图像视觉效果和清晰度,同时可以较好地突出某些特征。     

基于Retinex的汽车牌照图像去雾研究

随着空气质量的严重退化,雾霭天气出现的频率越来越高。在雾天拍摄出的图像可辨别性很低,给车辆检测造成了困难。本文对汽车牌照识别的一般流程进行介绍,针对雾天拍摄的汽车牌照图像进行图像增强的去雾处理研究,其中重点研究Retinex算法。本文基于经典的Retinex理论提出修正的快速去雾方法,并与其它的去雾方法进行图像处理效果的比较。修正的快速去雾方法分别对照射分量和反射分量进行调节,提高全局的对比度同时增强图像的细节信息,达到较好的视觉效果。     

基于显著性检测与模糊C均值聚类算法的叶片病斑区域提取方法

针对自然场景下获取的叶片病斑图像,提出利用图像显著性检测与模糊C均值聚类方法相结合的叶片病斑区域提取方法。首先,利用SLIC(simple linear iterative clustering)方法结合马尔科夫吸收链进行图像显著性检测,获取显著图,实现符合视觉特征的显著区域检测;其次,利用模糊C均值聚类算法对显著图进行分割,进而获取二值化后的叶斑图像;最后,结合原始图像获取最终叶片病斑区域。试验结果表明,叶片病斑区域提取比较准确,满足病斑进一步处理和分析的要求。     

基于模糊聚类的番茄目标快速识别算法

为准确而又快速地识别图像中的番茄目标,提出一种基于模糊聚类算法(fuzzy clustering means,简称FCM)的番茄目标识别方法,在目标函数中引入隶属度约束项,加快模糊聚类算法的收敛速度,快速分割番茄目标图像。为验证算法的有效性,利用多张番茄图像进行图像分割试验,并将本算法与FCM算法、Otsu算法的分割效果进行对比,结果表明,本算法对番茄目标的识别速度与识别准确率都得到了一定程度的提高。     

基于机器视觉的新生仔猪目标识别方法研究与实现

[目的]新生仔猪目标检测是母猪分娩监测的关键环节。[方法]通过自制图像采集器采集母猪分娩视频图像,机器视觉系统获取分娩图像信息,选取Canny算子对图像进行边缘检测,采用Otsu算法对图像进行二值变换,应用滑动平均算法和形态学开运算对二值图像滤波消噪,提取图像最大连通域,利用团序列检测算法对母猪目标进行分割,对分割后区域进行仔猪目标识别。[结果]试验结果表明,团序列检测算法能够准确分割出母猪目标,检测仔猪目标的正确率达到95.5%。[结论]提出一种能够有效识别新生仔猪目标的方法,为仔猪的出生预警提供了技术支撑。     

基于增益控制Lucy-Richardson算法的脐橙模糊图像复原

在利用机器视觉系统对脐橙进行变袋长包装的过程中,脐橙的匀速直线运动会造成图像模糊进而导致脐橙边缘细节等特征信息丢失,极大地影响了脐橙尺寸检测精度。针对该问题,本文提出了一种求解脐橙图像模糊长度及恢复模糊图像的方法。对退化图像进行傅里叶变换(fourier transforn,FT),估计退化图像点扩展函数(point spread function,PSF),利用傅里叶频谱特性对运动模糊长度进行了计算,并采用了基于增益控制的Lucy-Richardson改进算法对运动模糊图像进行了Matlab复原仿真实验,结果表明:当算法迭代次数为8时,去振铃效应(ringing artifacts,RA)最明显,其图像分割误差最小。综合运用RGB颜色分量线性运算对传送链上的脐橙进行背景分割,对图像进行去噪处理以及二值形态学运算,利用最小外接矩形法(minimum enclosing rectangle,MER)计算脐橙本体的最大横径。实验结果表明,相对于原始未处理的模糊图像,使用本文算法使脐橙最大横径平均测量误差从5.1%下降至0.81%,提高了脐橙的包装精度。     

基于改进蚁群算法和指数熵算子的三类阈值图像分割

针对多目标图像分割问题,采用了1种基于二维灰度直方图的三类阈值分割方法,将图像划分为暗、灰和亮3种不同的区域,分别给出了其模糊隶属度函数,引入概率分析,定义了基于指数熵算子的最大模糊熵准则,通过改进的蚁群算法,搜索最优模糊参数组合,以此确定图像的分割阈值。实验结果表明,该算法能快速、有效的分割图像。     

1种基于Otsu算法的植物病害叶片图像分割方法

植物叶片图像分割是植物分类和植物病害检测中的一个关键步骤,旨在把叶片图像分成各具特性的区域并提取出感兴趣的部分。在分析自然场景下植物叶片图像几种分割方法的优缺点的基础上,基于Otsu算法,提出了1种叶片图像分割方法,并进行分割算法试验。结果表明,该叶片图像分割方法对叶片中目标(叶片或病斑)-背景类的图像具有较好的分割效果。