无遮挡重叠柑橘目标分割与重建

自然环境下重叠果实的精准识别是智能采摘面临的难题之一。本研究针对无遮挡重叠柑橘,提出了一种基于凹区域简化和距离分析的果实分割与重建方法。该方法提取、分割果实轮廓凹区域,对其进行多边形简化,利用角点检测提取多边形顶点,通过分析各顶点到轮廓凸壳曲线的距离确定轮廓分割点,采用最小二乘圆拟合方法对分割后的轮廓进行重建。结果表明,基于凹区域简化和距离分析的无遮挡重叠柑橘重建轮廓的平均误差为3.12%,不重合度为4.55%,时间为0.291 s,优于RANSAC算法和Hough变换算法,能够满足自然环境下无遮挡重叠果实的智能识别需求。     

鸭蛋动态图像预处理和获取颜色特征参数的算法

研究了动态鸭蛋图像预处理及图像颜色特征参数的提取算法。其中预处理包括去图像边缘毛刺和蛋壳污点信息；提取鸭蛋图像颜色特征参数需要通过鸭蛋轮廓识别和圆形搜索算法实现，对于鸭蛋图像的轮廓识别是以彩色图像的红色分量R来判定图像边界点，并以此计算出鸭蛋图像蛋内像素和，用圆形搜索法求出蛋芯颜色特征区域并提取图像特征颜色参数。试验结果表明，通过该算法，得到的蛋重模型相关性达到0．95，建立的颜色模型相关性达到0．92。     

基于图像处理的番茄识别方法

针对重叠番茄识别的特点和要求,提出一种新的田间环境下重叠番茄的识别方法。该算法融合了最小二乘法曲线拟合以及Hough变换,首先获取重叠番茄的轮廓曲线,并进行凹点检测,实现了轮廓曲线的分段;再利用最小二乘法对轮廓曲线进行分段拟合,得到重叠情况下的多个目标圆;再利用Hough变换方法对轮廓曲线进行变换识别,获取Hough变换识别的结果;最后利用最小二乘法得到的分段拟合结果修正Hough变换的结果。算法既保留了Hough变换获得的目标整体性,又保证了最小二乘法分段拟合的精确性。通过试验证明,算法识别的平均误差为5.1%。     

昆虫图像几何形状特征的提取技术研究

为进行昆虫图象的识别和分类，对昆虫图象几何形状特征的提取及测量进行了研究。提取了区域面积、边界周长、孔洞数、偏心率、形状参数、圆形性、似圆度、球状性和叶状性9个直观易测的特征。采用判别分析方法对这些特征进行筛选得到6个具有判别意义的特征，分别为区域面积、偏心率、形状参数、周长、似圆度、叶状性；剔除了与似圆度具有相关性的圆形性和球状性等特征。利用这6个特征对3种昆虫进行了识别，准确率均达到100％，表明本研究所提取的6个昆虫图象特征用于昆虫图象识别是有效的。     

基于HOG与支持向量机的成熟苹果自动识别

由于采摘目标背景复杂多变,采摘机器人提取目标时经常会出现轮廓不均匀以及分割不准确的现象。针对前期背景和目标物的分离处理,选取了最大类间方差法即Otsu算法提取目标物的粗轮廓,引入目标轮廓的HOG梯度方向特征训练支持向量机,进而对提取的轮廓进行细筛选,实现自动识别目标。以识别成熟苹果的试验证明,支持向量机能够准确识别单个苹果的轮廓,准确率在93%以上,并获得了较好的识别效果。     

基于机器视觉的八角颜色与果形识别研究

为了提高八角外观检测精度及效率，基于机器视觉技术对不同果形和颜色的八角进行识别和处理。果形在RGB、HSI颜色空间中，根据棕红、黑红、褐红在H颜色空间的区别，提取了不同颜色的八角H分量值，识别正确率为95.12%、95.12%、97.56%。利用极坐标变换思想建立极坐标模型，通过对极坐标模型错位相减、归一化、角数判别，有效的识别八角的角数，识别正确率为94.73%；在角数识别的基础上通过余弦定理实现了粗短八角角瓣、瘦长八角角瓣的判别，识别正确率分别为94.29%、97.14%；通过对极坐标变换后的轮廓进行傅里叶变换识别了粗短八角角瓣和瘦长八角角瓣，识别正确率分别为94.29%、94.29%；通过对八角波峰点进行标准差分析，有效地识别了八角是否均匀。以上方法识别率高且精确，为八角的外观检测技术提供了理论基础和前景。     

基于图像识别技术的南疆红枣品种识别研究

通过Matlab图像处理和识别技术,根据不同品种的红枣的形状特征不同,分别对5种不同品种的红枣进行识别。首先对红枣俯视图像预处理提取红枣的表面轮廓,然后利用轮廓计算矩形度,圆形度,偏心率等7个几何特征和8个图像的不变距。利用PNN和BP神经网络作为分类器,对不同品种的红枣图像进行识别。结果表明,两种神经网络能够对不同品种红枣进行识别,PNN网络的平均识别率为90%,BP网络的平均识别率为80%,PNN神经网络比BP神经网络分类效果好。     

基于圆弧的原木轮廓的识别与验证

针对原木端面存在相交圆、阴影等导致原木轮廓难以获得完整的圆轮廓问题,提出了基于圆弧的原木轮廓识别方法.首先分析了圆弧在数字化图像中的性质,从各种边缘线条中区分出圆弧边缘;其次,定义验证模型,以判断识别结果是否为合格圆.结果表明,该方法可以从大量干扰的边缘中找到轮廓,并利用部分轮廓边缘识别原木端面.     

车辆轮毂直径和圆度的图像法检测

[目的]直径和圆度作为车辆轮毂的基本参数,对车辆行驶的平顺性和安全性有重要影响。研究轮毂尺寸在线测量技术,可以为工厂化轮毂生产及尺寸检测提供高效、准确的方法。[方法]以上海大众桑塔纳轿车轮毂为研究对象,以Matlab图像处理为技术手段,采集自然光状态下车辆轮毂图像,通过灰度化、二值化处理,从原始图像中初步提取出车辆轮毂,再利用imclearborder、bwareaopen等函数对图像进行相应后处理,得到边缘锐利、清晰、平滑、完整的轮毂二值图像,为精确测量轮毂尺寸提供保证。经标定后,利用regionprops函数可以准确计算出轮毂直径及圆度值。[结果]检测结果表明,轮毂直径测量的相对误差为0.6%,圆度为2.47mm,检测精度较高,检测结果可靠。[结论]该研究一方面为轮毂尺寸在线测量提供一种准确性好、精度高的方法,另一方面,也可为解决类似图像处理问题提供参考和依据。     

基于KL变换的汽车车型的识别方法

提出了一种基于KL变换的汽车车型的识别方法．首先对车辆图像进行预处理，然后通过KL变换构造特征车，将样本投影到特征车子空间，得到的投影系数即为待识别车型的代数特征．最后利用K近邻法进行车型识别．实验结果表明了中提出的车辆识别方法是简便、快捷、有效的。     

基于形状特征的玉米苗期杂草识别方法的研究

为了从玉米苗中准确识别杂草,在获取其轮廓图像的基础上,提取了叶片的5个形状参数,包括周长、叶片长和宽、宽长比、圆形度和矩形度,并通过试验验证了其中的3个无量纲参数(宽长比、圆形度和矩形度)。结果表明,宽长比能将玉米、窄叶杂草、宽叶杂草三大类植物区分开来,圆形度能将宽叶杂草从三大类中区分开来。     

养殖松江鲈鱼车轮虫病的病原种类鉴定

为了鉴定出一种寄生于松江鲈鱼(Trachidermus fasciatus)鳃表的车轮虫种类,采用显微镜活体观察的方法,并分别对车轮虫活体形态、运动状态进行了描述,结果表明虫体侧面观为帽状,口面和反口面均为圆形,虫体以反口面的附着盘吸附于鳃丝表面,离开鳃表时以反口面向前作螺旋式游动;采用吉姆萨染色法观察了车轮虫的细胞核形态,结果显示大核为马蹄形;采用统一特定法和定位描述法对于银法染色标本的附着盘结构进行了描述和测量,结果表明该虫齿沟略弯曲,外缘光滑,齿锥嵌合紧密,具锥突,齿棘光滑平直,末端圆钝,附着盘中央有1个近圆形颗粒,主要形态学特征统计数据为:虫体直径(48.68±3.93)μm、附着盘直径(38.61±2.68)μm、齿环直径(24.31±1.84)μm、齿体数21～26个、辐线数6～8根、口围绕度360°～380°.通过与其他几种车轮虫进行形态差异比较,鉴定出本种车轮虫为小袖车轮虫(Trichodina murmanica Poljansky).     

枝条遮挡下单个苹果目标识别与重建的研究

【目的】研究枝条遮挡情况下单个苹果目标的识别,为复杂生长环境下苹果目标的准确识别与定位及实现自动采摘提供支持。【方法】针对果实目标受枝条遮挡影响被分割成几个部分,从而严重影响果实目标准确识别的现状,以枝条遮挡下的苹果目标为研究对象,选用基于Lab颜色空间的Kmeans聚类算法对苹果目标进行分割,再通过数学形态学方法对目标苹果轮廓进行提取,然后根据最小外接矩形法去除目标苹果的伪轮廓,最后利用轮廓的曲率特征对目标苹果进行重建,并对分割与重建结果进行了方法验证。【结果】利用基于Lab颜色空间下的Kmeans聚类算法和最小外接矩形法可有效提取出苹果目标的真实轮廓,能够与苹果目标边缘线达到高度重合,同时可获得较准确的重建结果。对10幅枝条遮挡果实目标的识别、定位与重建的验证结果表明,该方法对目标苹果进行分割与重建的平均分割误差为13.83%,平均重叠系数为88.08%,假阳性率和假阴性率分别为1.22%和11.92%,目标苹果重建准确率均在84.00%以上,平均重建时间为24.40 s。【结论】应用本研究中的方法可对枝条遮挡下的苹果目标进行准确识别、定位与重建,有效缩短重建时间。     

基于轮廓特征的猪行为识别方法研究

[目的]提出一种基于轮廓特征的目标识别方法对猪的行为进行分类和识别。[方法]先采用背景减除法提取运动目标的轮廓,并利用HSV彩色空间模型的色度和饱和度信息消除阴影对目标检测的影响,再运用其轮廓的边界矩特征构建一个轮廓特征向量模型,分析比较待测行为姿态轮廓特征向量与每类标准模板之间的欧氏距离,对猪的4种行为即正常行走、低头站立、抬头站立和躺卧进行分类。[结果]该方法能够有效对猪的4种行为进行分类,准确率达80%以上。[结论]该项研究对养殖场中猪的精神状态和异常行为识别进行了有益的探索。     

枝条遮挡下单个苹果目标识别与重建方法的研究

【目的】研究枝条遮挡情况下单个苹果目标的识别,为复杂生长环境下苹果目标的准确识别与定位及实现自动采摘提供支持。【方法】针对果实目标受枝条遮挡影响被分割成几个部分,从而严重影响果实目标准确识别的现状,以枝条遮挡下的苹果目标为研究对象,选用基于Lab颜色空间的K-means聚类算法对苹果目标进行分割,再通过数学形态学方法对目标苹果轮廓进行提取,然后根据最小外接矩形法去除目标苹果的伪轮廓,最后利用轮廓的曲率特征对目标苹果进行重建,并对分割与重建结果进行了方法验证。【结果】利用基于Lab颜色空间下的K-means聚类算法和最小外接矩形法可有效提取出苹果目标的真实轮廓,能够与苹果目标边缘线达到高度重合,同时可获得较准确的重建结果。对10幅枝条遮挡果实目标的识别、定位与重建的验证结果表明,该方法对目标苹果进行分割与重建的平均分割误差为13.83%,平均重叠系数为88.08%,假阳性率和假阴性率分别为1.22%和11.92%,目标苹果重建准确率均在84.00%以上,平均重建时间为24.40s。【结论】应用本研究中的方法可对枝条遮挡下的苹果目标进行准确识别、定位与重建,有效缩短重建时间。     

重叠苹果果实的分离识别方法

针对苹果采摘机器人重叠果实识别误差较大的问题,设计了一种分离识别方法。首先在苹果图像分割获取其二值果实区域的基础上,基于横、纵投影图实现重叠形态果实的判别,而后基于边缘曲线通过SUSAN算法检测果实轮廓上的角点,再通过迭代腐蚀和瓶颈准则挑选重叠果实的分离点,并采用Bresenham算法连接分离点实现重叠果实的分离。提取分离果实边缘曲线的有效轮廓后,通过改进的随机Hough算法拟合果实圆心及半径。最后选择15幅重叠果实区域二值图像,通过不同角点检测计算结果的比较,验证了SUSAN算法相比于其他角点检测方法更为有效;通过改进的随机Hough算法识别11幅图像中的21个果实,其圆心相对误差平均值、半径相对误差平均值和相对偏差平均值分别为6.90%、4.12%和6.07%,比传统Hough算法分别低4.03、2.75、1.14个百分点,说明改进的随机Hough算法得到的拟合圆更接近实际苹果果实区域。     

高清视频车辆检测及跟踪系统的设计与实现

针对目前视频车辆检测与跟踪系统存在检测精度低、跟踪稳定性差等问题,设计基于数字信号处理器(DSP)和现场可编程门阵列(FPGA)结构的高清视频车辆检测和跟踪系统。该系统采用高清摄像机为图像采集单元,利用现场可编程门阵列对采集到的IP视频图像进行实时图像解码和图像预处理,高性能DSP做为系统主控单元实现前景提取、车辆检测、识别和跟踪等功能,DSP与FPGA之间的数据交换通过两路高速串行接口连接,以满足运算处理时大批量中间数据的交互;采用基于背景图像差分检测方法进行运动目标的实时检测,通过计算目标物体的紧密度对运动目标进行分类,利用区域特征跟踪法来快速跟踪图像序列中的车辆目标。试验结果表明:与普通视频相比,高清视频条件下对视频图像进行处理,在定位及寻找物体边缘方面具有优势,提高检测精度10%以上,能够实现对运动车辆的实时、准确、快速跟踪。     

基于图像的番茄识别与几何尺寸测量

介绍了一种基于图像的番茄识别算法,比较了几种常用的边缘提取算法的效果,最终选择Canny算子进行边缘提取,在对番茄进行轮廓提取的基础上,以像素为单位,对番茄的面积、形心、半径等参数进行统计,然后用一个圆来完成对番茄的拟合。这种识别算法可以识别各种光照条件下的果实,并且可以在一定程度上恢复番茄被枝叶遮挡住的部分。最后在Matlab上进行了算法设计和几何尺寸测量。     

一种基于圆形标志点的摄像机标定方法

摄像机标定是估计成像过程中的摄像机参数,它直接影响测量的准确性。本文针对圆形标定板的特性,提出了一种基于圆形标志点的摄像机标定方法。首先,提取图像中目标轮廓,用区域属性函数获得图像中目标的属性,计算出标志圆质心的坐标;然后用Zhang提出的基于平面两步标定法进行摄像机标定,并对内参数运用最大似然估计求解;外参数运用最小二乘法和最大似然估计算法求解;最后,对标定结果进行评价。实验结果表明,标定残差的平均误差在0.3以下,验证标定方法的可行与有效性。     

葡萄干轮廓的图像检测方法研究

葡萄干的轮廓检测是葡萄干其他特征提取的基础,研究通过与经典的边缘检测算子检测轮廓的方法进行比较分析,提出了最佳阈值分割与形态学运算相结合的轮廓提取新方法,实验证明,该方法能够有效的提取葡萄干的轮廓特征,为后期图像的分析打下了基础。