镰刀菌图像识别系统的研究与开发

镰刀菌是导致多种农林植物病害的病原,对人类和牲畜也有极大的危害。为此,根据镰刀菌显微图像的独特特征,应用模板向量的边缘检测、形态学边缘检测和特征点匹配提取等方法,设计实现了镰刀菌图像识别系统,为镰刀菌的鉴定提供了一定的理论与实验依据。     

自然场景下植物叶片图像分割方法研究

图像分割是一种重要的图像分析技术,旨在把图像分成各具特性的区域并提取出感兴趣的部分.图像分割的结果是图像特征提取、识别等图像理解的基础.介绍阈值分割和边缘检测的分割方法,并进行分割算法试验,分析自然场景下植物叶片图像几种分割方法的优缺点,为该分割方法的应用提供依据.     

基于分块阈值和边缘检测的叶片分割算法

针对复杂的植物叶片图像,提出了一种分块阈值、边缘检测相结合的图像分割算法。首先,根据预先确定的子块的大小,把整幅图像划分成若干数目的子块,对每个子块用大津法进行分割,把分割好后得到的子图像拼接起来形成目标图像;然后,用改进的Sobel边缘算子对原图像进行边缘提取分割;最后,把分块阈值得到的结果与边缘检测得到的结果结合起来得到较优的结果;在此基础上再进行腐蚀、填洞等形态学操作,得到最终的分割结果。实验表明:与传统的分块阈值、边缘检测相比较,此算法的抗噪性较好,细节上分割得也较为清楚,具有较好的分割效果。     

细胞显微图像处理研究

针对BHK21细胞图像的预处理,在采用直方图增强技术后,运用中值滤波、领域平均滤波和自适应维纳滤波等方法对细胞图像进行了去噪,并进行了分析和比较,最终采用了自适应维纳滤波法对细胞图像进行去噪.针对BHK21细胞图像分割,找出最适合BHK21细胞图像分割的算法为Canny边缘检测算法.     

农田蛾类图像分割方法研究

介绍了已有的农田蛾类昆虫检测装置和相关研究技术.在已有技术的基础上,介绍了图像的预处理和杂质点的消除方法.在对提取的图像进行分割时,首先介绍使用Otsu方法来对图像进行分割,接着采用sobel算子提取蛾类对象的边缘,以边缘像素为种子点,使用区域生长来对蛾类图像进行分割.通过比较这两种分割方法可知,使用区域生长方法对蛾类图像分割的效果较好.     

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。     

基于数学形态学的图像边界检测方法研究

本文研究了数学形态学理论在图像边界检测中的应用。在分析了数学形态学运算理论的基础上,提出了一种基于形态学理论的图像边缘特征提取方法。仿真实验结果表明,该方法能够很好地去噪,检测图像中的细节,定位准确,连续性好,并且易于编程实现,运算速度快。     

高分辨率棉花异性纤维彩色图像的快速分割方法

针对传统的图像分割方法较难分割棉花异性纤维的问题,提出了一种高分辨率棉花异性纤维彩色图像的快速分割方法。该方法通过改进的数学形态学的边缘检测方法得到灰度梯度图,再选取迭代过程中的最佳经验值得到最佳分割阈值,从而实现了灰度梯度图的分割。实验结果表明,该方法可以直接对高分辨率棉花异性纤维彩色图像进行分割,且分割效果较好,并使此环节的计算速度提高2倍以上。     

基于目标检测及边缘支持的鱼类图像分割方法

对图像中的鱼类目标进行分割是提取鱼类生物学信息的关键步骤。针对现有方法对养殖条件下的鱼类图像分割精度较低的问题,提出了基于目标检测及边缘支持的鱼类图像分割方法。首先,设计了基于目标检测的完整轮廓提取方法,将具有完整轮廓的鱼类目标从图像中提取出来作为分割阶段的输入,使得整幅图像的分割问题转化为局部区域内的分割问题;然后,搭建Canny边缘支持的深度学习分割网络,对区域内的鱼类实现较高精度图像分割。实验结果表明,本文方法在以VGG-16、ResNet-50和ResNet-101作为主干网络的模型上的分割精度为81.75%、83.73%和85.66%。其中,以ResNet-101作为主干网络的模型与Mask R-CNN、U-Net、DeepLabv3相比,分割精度分别高14.24、11.36、9.45个百分点。本文方法可以为鱼类生物学信息的自动提取提供技术参考。     

基于显著性检测的黄瓜叶部病害图像分割算法

针对复杂背景下黄瓜叶部病害分割精度不高的问题,提出了一种基于显著性检测的黄瓜叶部病害图像分割算法。首先利用超像素将黄瓜图像分块,获取黄瓜叶片的边缘,并提出了一种超像素间权重计算方法和显著种子选取方法;然后通过流形排序计算显著图,对得到的显著图进行阈值分割,得到二值图像;再将二值图像与原图像进行掩码运算,得到黄瓜病害叶片;最后利用超绿特征和数学形态学对病害叶片进行分割得到病斑。对常见的黄瓜病害(白粉病、褐斑病、霜霉病、炭疽病)图像进行测试,结果表明该算法与Otsu算法和k-means算法相比,有效解决了冗余分割问题,错分率均在5%以内,算法平均执行时间均小于4 000 ms,分割效果更加精确,为后续构建黄瓜病害自动识别系统奠定了基础。     

基于支持向量机理论的植物根系图像边缘检测方法

由于传统边缘检测方法中存在噪声大、粗糙边缘和不准确边缘等缺点,因此在植物根系的研究中,采用传统的图像边缘检测方法检测出来的边缘信息都无法达到令人满意的效果.为此,基于支持向量机方法给出了一种改善的边缘检测算法.同时,提出了边缘检测算法流程,然后使用支持向量机分类方法对图像进行边缘检测;用所得到的边缘检测算法与Canny算法和Prewitt算法的性能进行了比较.仿真结果表明,给出的算法与Canny算法和Prewitt算相比,不仅边缘检测性能得到提高,而且可以一定程度地克服噪声干扰.     

基于亚像素定位的图像边缘检测策略研究

针对图像处理与计算机视觉技术中低对比度、边缘模糊图像的边缘检测问题,参考局部极值与梯度方向两种因素,并结合图像边缘方向趋势,提出了一种单像素边缘跟踪策略。相较于应用广泛的Canny算法,该跟踪策略无需设置全局阈值,实现方式更为简洁、高效;提取的图像边缘连续、平滑、完整,并有效地减少了图像边缘的冗余像素,进而提升了图像后续处理的效率;边缘跟踪方向抗干扰性强,具有较强的鲁棒性。为了减小检测的图像边缘与真实图像边缘之间的偏差、提高图像边缘检测的精度,参考边缘像素点的相邻区域灰度,以边缘像素点的梯度分布为依据对该像素点进行亚像素定位。经实验验证,经过亚像素优化的图像边缘检测策略可用于检测边缘模糊、对比度低的图像,检测的图像边缘完整、连续且平滑。该策略有效地消除了程序运算中引入的截断误差,提升了图像边缘检测精度,且适用于亮度5~100000lx的高动态成像场景中。     

基于机器视觉的试管液位检测方法研究

利用目前机器视觉技术,提出一种基于数字形态学结合Laplacian算子的边缘检测算法,将其应用到对试管液面检测中,得到了精度高、定位准的液面位置,从而可以得出液面高度与试管内试剂体积。通过CCD工业相机拍摄试管图像,对图像进行灰度化、滤波,图像增强后,利用LoG边缘检测算法结合数字形态学操作得到清晰的边缘图像,最后得出准确的图像液位高度,可以在无外界辅助测量设备的情况下完成试管液位检测。通过对80张不同液位高度的试管图像进行测试,结果表明,该算法可以有效完成液位非接触测量,并可以快速地得出准确的测量结果。     

基于计算机视觉的水果大小检测方法

通过计算机视觉技术获取水果的图像，对该图像进行边缘检测等处理后，以其自然对称形态特征为依据。确定水果的检测方向，进一步检测水果的大小，试验表明，该方法检测速度快，正确率高，适用范围宽，能够满足水果自动检测要求。     

基于图像处理的大米粒形检测技术研究

传统的大米颗粒检测的方法存在一定的局限性,尝试应用计算机图像处理技术来直接获得大米颗粒的信息.首先对获取的大米图像进行增强处理,在此基础上,研究几种不同的边缘检测算子来实现对大米粒形的检测并比较其结果.实验结果表明,Canny算子对大米粒形检测效果良好,该方法用于大米粒形的识别时对大米的判定正确率较高.     

计算机视觉技术在微小尺寸测量中的应用

应用计算机视觉技术快速测量微小零件的尺寸,研究了CCD图像预处理、图像二值化、边缘处理、标定等技术,发现中值滤波平滑处理图像的精度更高,轮廓跟踪能使图像边缘确定时的运算更简单。图像检测结果与工具显微镜测量进行了比较,结果表明该测量方法可以快速、准确地实现大批量同类零件的尺寸测量及合格度的检验,并可满足100%在线检测要求,检测误差不超过0.0119mm,每件检测时间不超过2s。     

采摘机器人水果检测及定位研究——基于图像处理和卷积神经网络

首先,设计了一种采用K-means聚类算法和图像处理相结合的目标边缘识别算法,可以获得完整的目标边缘轮廓;然后,利用卷积神经网络和双目视觉技术实现了采摘机器人水果检测及定位方法。实验结果表明:该采摘机器人水果检测及定位方法较好,计算量小,处理速度快,误差较小,能够满足采摘要求。     

基于RealSense深度相机的多特征树干快速识别方法

针对农业机器人在果园定位和导航中,环境背景复杂、光照强度变化大等问题,本文提出了一种基于RGB-D相机并利用颜色、深度、宽度和平行边特征的树干快速识别方法。首先,使用RealSense深度相机获取果园的彩色图像和深度数据;然后,将彩色图像转换为HSV颜色空间,再对HSV颜色空间中的S分量进行超像素分割,并将颜色特征和深度特征相近的相邻超像素块进行合并;随后,对深度图像进行树干宽度特征检测,对宽度置信率大于阈值的物体看作是待处理物体;最后,对待处理的物体进行平行边特征检测,在待处理物体边缘区域选择感兴趣区域窗口（ROI）进行边缘检测,搜索可能的树干边缘直边,当物体边缘的置信率R_B大于设定的阈值T_LB时,则识别为树干。通过对树干的多特征提取,有效提高了在不同环境下树干识别准确率。利用移动机器人平台在果园环境进行试验测试,以检验在强光照、正常光照和弱光照条件下树干识别算法的性能。试验结果表明,本文的树干识别算法在强光照、正常光照和弱光照条件下,树干识别的准确率分别为92.38%、91.35%和89.86%,每帧图像平均耗时分别为0.54、0.66、...     

排种器试验台检测系统的设计与试验

基于计算机视觉和自动控制技术,设计了排种器试验台检测系统.该系统适用于各种排种器的精播、穴播及条播性能的试验和检定,并可生成丰富翔实的试验数据报表.为此,论述了检测系统的设计与构成,对排种图像采集处理的总体流程、图像的拼接、阈值分割和种子边缘提取等内容一一做了叙述,并讨论了数据的综合处理、各种统计和评价的依据等.同时,为了检验该系统的可靠性和准确性,在JPS-12排种器试验台上进行了多种速度下的玉米精播性能检测试验.     

基于边缘检测的数字图像拼接实现研究

图像拼接在天文图像处理、日常照片扩展、大型图像的获得等方面应用极其广泛,是地理、人文、科技发展的重要标志。本文采用基于特征的图像拼接算法,利用Canny算子进行边缘检测提取数字图像特征,通过图像预处理(去噪,边缘提取,直方图处理等)、图像配准、图像重构融合等操作,在Matlab平台下实现两幅大小一样、光照条件一致的灰度图像的拼接。