基于EXG因子的水稻秧苗图像分割

针对水稻稻田图像中秧苗和背景分割问题,采用基于最大类间方差法(OTSU法)的分割方法,成功地把水稻秧苗像素和背景像素分割开.首先用CCD相机获取水稻插秧机插秧作业后的水稻稻田图像,选择超绿特征因子(EXG因子)将水稻秧苗RGB彩色图像转化为灰度图像,使用OTSU法计算阈值,成功地将灰度图像转变为二值图像.又采用该方法分割了20幅水稻秧苗图像,结果表明,EXG因子可以对水稻秧苗图像有效分割.     

基于控制标记符分水岭的医学图像分割

提出了一种适合医学图像分割的改进分水岭算法,针对分水岭算法存在的过分割问题,采用数学形态学重构滤波器和Ostu阈值分割方法对图像中感兴趣的目标和背景进行标记。根据标记的二值图像,运用形态学极小值标定技术对原有梯度图像进行修正。最后,使用分水岭算法对修正的梯度图像进行分割。该方法能有效抑制过分割现象,而且计算复杂程度较低、分割效果较好。     

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．     

自然环境下嫩芽与茶梗自动分割方法的研究

在茶叶智能采摘过程中,实现嫩芽与鲜梗的自动分割可以减少制茶工序和提高茶叶质量。以自然环境下茶叶嫩芽图像为研究对象,利用G-B灰度图结合直方图阈值法实现了新茶(嫩芽与鲜梗)分割,对新茶二值图像进行形态学腐蚀操作确定嫩芽与鲜梗的分割点,通过逐行扫描实现了自然环境下嫩芽与鲜梗的采摘点标记。实验表明,该方法可以为自然条件下茶叶嫩芽与鲜梗的自动分割提供理论基础。     

基于二维阈值向量的木材表面缺陷分割方法

根据木材表面缺陷图像的自身特点,提出了基于灰度—梯度二维阈值向量的缺陷区域分割方法。该方法以灰度—梯度共生矩阵为模型,通过计算基于灰度—梯度共生矩阵的二维熵并使边缘区域的熵最大化来选择二维阈值向量。该方法不仅利用了图像的灰度信息,也利用了图像的梯度信息。采用形态学运算对分割后的二值图像进行分割后处理,试验表明,分割效果良好。     

玉米病害图像分割系统开发

为了提高玉米病害叶片图像分割的准确性和设计相应的图像分割系统,采用迭代阈值分割算法和形态学中的开闭运算相结合的方法对玉米病害图像进行分割,使用VB和MATLAB的混合编程设计开发玉米病害图像分割系统.运行结果表明,该分割方法对玉米病害图像有很好的分割效果.     

基于形态学梯度的细胞图像自动分割

提出一种自动分割细胞图像的方法,利用数学形态学梯度运算对图像边缘进行锐化。再利用判别分析法自动确定梯度图像阈值,经后处理,可得单像素宽度细胞图像边缘。该边缘可描述医学图像中细胞的有效区域,实现细胞图像自动分割。为验证该方法的有效性,对30幅实际细胞图像进行分割试验。结果表明,该方法对细胞图像分割有较好的适应能力。     

基于HSI空间的生长状态下茄子图像的分割方法

茄子识别是茄子采摘机器人视觉系统的关键技术,利用Matlab软件中的图像处理函数,将在自然光照条件下拍摄的大棚中成熟茄子图像进行分割。对H、I通道分别进行自动阈值法和固定阈值法分割,将分割后二值化图像进行逻辑与运算,获得最终分割结果。去除噪音部分,使用形态滤波的开运算消除图像中其他的噪音部分。结果表明,该分割方法正确率大于91%,是一种较实用的茄子分割算法。     

基于二维熵的农业图像目标分割

农业图像的目标分割是在农业领域应用机器视觉技术的基础,采用阈值法进行图像的目标分割,能够克服一些图像缺陷。首先将彩色数字图像转换成像素灰度级分布与其邻域平均像素灰度级分布所构成的二维灰度图,再根据图像分割后的最大熵计算分割阈值,然后由计算出的阈值分割农业田间图像,分割的结果显示,二维熵法分割农业田间图像的效果很好,分割质量的优秀率达到了98%。     

基于机器视觉的田间水稻苗列识别算法的研究

利用YUV色彩空间模型,以完全查表法对水稻秧苗列图像进行灰度化,通过基于傅里叶变换指导生成图像形态学运算的结构元素,提出一种结合傅里叶变换进行膨胀和腐蚀的方法,提取秧苗列轮廓,采用改良的逆投影变换对苗列图像进行垂直俯视投影,得到实际田间苗列位置,进而利用苗列实际走向信息,实现机器视觉导航系统跟踪苗列行进。对摄像机不同角度获取的苗列图像的处理结果表明,在容许识别定位误差小于50像素点、角度偏差小于6°的前提下,对苗列中心线识别与提取导航基准线的准确率为95.2%,可较好地实现田间自然环境下秧苗图像背景分割和苗列中心线提取。