基于机器视觉的禽蛋图像分割方法研究

探讨了一种新的图像分割算法,可对禽蛋表面图像中脏斑、血斑等信息进行高效、准确的分割.文中将由CCD摄像机获取的禽蛋图像首先采用改进的中值滤波方法去除噪声,然后将去噪后的图像使用Sobel边缘检测算子检测边缘,运用分裂合并算法对去噪图像进行多区域分割,从而得到较为明显的多区域图像,最后利用图像融合技术将Sobel算子检测...     

基于改进Prewitt算子的农业图像去噪算法

农业图像的获取受到气候、光照、拍摄角度、拍摄器件电压等因素的限制,所获取的图像含有噪声,无法直接用于判读分析。对该类图像去噪进行研究,首先,将经典Prewitt算子的检测模板由2个方向扩充为8个方向,进一步丰富了Prewitt算子的检测模板序列,将其应用于农业图像边缘轮廓检测,获得边缘图像和非边缘图像;其次,对边缘图像采用经典中值滤波算法进行处理,剔除其中的噪声点;再次,在对经典中值滤波特征分析的基础上,提出了一种具有噪声检测功能的改进加权中值滤波算法,将其应用于处理非边缘图像;最后,将处理后的边缘图像、非边缘图像进行充分融合。试验结果表明,本研究算法对于农业图像的处理效果明显优于经典中值滤波以及2种改进型中值滤波。     

一种改进的LoG图像边缘检测方法

对LoG算子边缘检测算法的性能进行分析,指出LoG算子在实际应用中的不足.针对LoG算子的缺点,通过实验数据得出图像灰度共生矩阵的熵与高斯空间系数的关系.实现使用LoG算子对图像进行检测边缘时能根据具体的图像的熵值自动获取适合该图像的高斯空间系数的值.因此,提出的改进算法既能有效的抑制噪声又能较精确的定位边缘.     

一种基于Daubechies小波变换的图像边缘检测算法

基于Daubechies小波变换提出了一种图像边缘检测算法,并将其应用到岩芯图像的边缘处理中,以很好地获取了岩芯的裂缝、颗粒等信息。实际应用结果表明,基于Daubechies小波变换的图像边缘检测算法非常适合于岩芯的边缘检测。     

数学形态学在种子图像边缘检测中的应用

通过分析播种机性能检测的方法和种子目标的图像特点,提出一种基于数学形态学的种子图像边缘检测方法.利用开闭运算的级联对种子图像在生成过程中因传送带上的杂质等的干扰进行滤波后,采用3×3八方位方形结构元边缘检测算法获取种子的边缘.试验表明,与经典的边缘检测算子相比,该算法不仅具有很好的边缘提取能力,而且具有很强的抗噪能力.     

融合梯度幅值和置信度的鸡蛋裂纹图像检测

提出一种融合梯度幅值和置信度的鸡蛋裂纹检测新方法.采集褐壳鸡蛋的裂纹图像,运用提及边缘检测算法获取感兴趣区域图像,采用最大边界算法挑选边界轮廓,融合二者获取裂纹区域图像.对3种典型鸡蛋裂纹图像进行边缘检测新方法与传统边缘检测算子(Log算子、Sobel算子及Canny算子)对比试验,结果表明:融合梯度幅值和置信度的鸡蛋裂纹检测新方法能够克服固定阈值适应性较差的缺陷,提高检测准确率,在消除噪声、增强弱边缘信息方面优于传统边缘检测算子.     

计算机视觉系统中图像外边缘检测的新方法

提出了图像外边缘检测的2种新方法：邻域灰度检测算法和模板检测算法。利用新方法对水果图像进行了检测，结果表明，2种方法检测边缘能力都很强，检测出的边缘清晰，连续，边缘图像点有充,阮须进一步细化处理。该方法处理图像面积小于传统方法的1／2，检测速度快，适合计算机视觉进行实时检测。     

基于多策略融合技术的水稻叶片边缘检测算法研究

农作物边缘检测问题是基于图像处理技术的农作物检测技术的重要内容之一.在分析已有边缘检测方法的基础上,将图像区域最小外接矩形算法、中值滤波、Canny算子和闭运算有机结合,提出一种基于多策略融合技术的水稻叶片边缘检测算法,将该方法应用于单叶片、背景为白板的叶片、背景为土壤的叶片、重叠叶片等不同特征的图像,有效地获取连续、光滑的水稻叶片边缘,表明该算法具有高效、准确和鲁棒的特性     

改进的小波变换模极大值检测图像边缘的方法

提出了一种改进的基于小波多尺度多分辨率特征的数字图像的边缘检测算法，分别利用不同尺度小波变换后的水平方向和垂直方向高频信息，根据李氏指数与小波变换关系，采用小波模极大值在不同尺度下传播的特性，检测出图像在2个方向的极大值，然后利用模糊算法构造相应的隶属函数，提取弱边缘信息，最后得到不同尺度下的边缘图像。本算法可以兼顾良好的边界定位、噪声抑制和弱边界检测等性能指标，可以有效解决传统边缘检测方法中存在的搞定为精确及强去噪能力之间的矛盾。     

基于小波变换的图像边缘检测技术的改进

边缘检测是图像处理的主要内容之一.由于存在噪声,经典算法的图像边缘检测效果不好,针对其缺陷,应用小波变换对图像边缘进行检测,能得到较好的边缘,但是去掉了一些模糊的、弱的边缘.因此,采用自适应阈值的改进型小波边缘检测算法,在消噪的同时,可以很好地保留微弱的边缘.通过实验结果的比较,证明了这种方法的有效性.     

支持向量机理论在植物根系图像边缘检测中的应用

由于传统边缘检测方法中存在的比如粗糙边缘、噪声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。本文基于带高斯径向基核函数的最小二乘支持向量机方法,得到了一簇梯度算子和零交叉算子,用来定位图像边缘,从而得到一种有效的图像边缘检测算法。用所得到的边缘检测算法与Sobel算法和Prewitt算法的性能进行了比较。仿真结果表明本文给出的算法与传统算法相比,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。     

一种基于支持向量机的植物根系图像边缘检测算法(英文)

由于传统边缘检测方法中存在的比如粗糙边缘、噪声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。本文基于支持向量机方法给出一种新型、简单有效的边缘检测算法。基于带高斯径向基核函数的最小二乘支持向量机,得到了一簇梯度算子和相应的二阶导数算子。用所得到的边缘检测算法与Canny和Prewitt算法的性能进行了比较。仿真结果表明本文给出的算法与传统算法相比,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LoG算子的棉花图像检索算法研究

针对基于边缘检测的图像检索中边缘点容易受到噪声干扰的问题,提出一种基于LoG边缘算子的棉花图像检索算法.首先在求取边缘检测前进行滤除噪声处理,然后根据欧式距离衡量图像间的相似性.棉花图像数据集的试验结果表明,算法能够有效去除边缘噪声,提高了图像检索的查全率和查准率,尤其适用于高噪声环境下的棉花图像检索.     

基于分形特征的图像边缘检测算法

基于分形图像的自相似特征,提出了一种新的图像边缘检测算法,实验结果证明该算法能有效提取图像边缘,具有较强的抗噪声性能。     

基于分形特征的图像边缘检测算法①

An image edge detection algorithm based on fractal character was developed. The method was rooted in the self-similarity of fractal image. The results of experiment showed that the proposed new algorithm for image edge detection was valid and effective.     

基于蚁群优化算法的图像边缘检测

图像边缘携带了图像的大部分主要信息。通过对图像进行边缘检测不仅能有效地提取图像信息降低计算的复杂度而且是图像测量、图像分割、图像压缩、模式识别等图像处理的基础。本文尝试将蚁群优化算法（Ant Colony Optimization, ACO）用于图像边缘检测，通过选取经典house图像和SAR机场图像设置阈值进行自适应边缘提取，实现了边缘的精确检测。实验结果显示，该算法能够有效地提取图像目标的轮廓信息，很好保持图像纹理，具有理想的抗干扰性能，保证了检测结果的准确性。     

基于ICA阈值优化耦合信息熵的边缘提取算法

为了解决传统边缘提取算法对噪声敏感和阈值难以选取,边缘清晰度不高以及边缘不平滑等问题,提出了一种基于ICA阈值优化耦合信息熵的边缘提取算法.首先,基于灰度分布模式将图像分成若干子块,并计算每个子块的分段阈值;然后,为了从大量的分段阈值选择合适的阈值,引入了帝国主义竞争(imperialist competitive algorithm,ICA)优化算法,计算图像的最优阈值,根据获得的最优阈值将每个图像子块划分为不同的均匀区域;最后,通过计算每个均匀区域的信息熵,利用信息熵检测所有处于不同均匀区域的边界像素来提取边缘.实验结果表明:与当前常用的边缘提取算法比较,本文算法具有更高的品质因数与边缘连续性,能够抑制过于微小和琐碎的细节,突出有效的边缘信息,边缘定位精度高且平滑连贯,能够准确地提取目标轮廓.     

染色体图象分析系统对大麦N带的带型分析

本文用染色体图象分析系统对大麦N带染色体进行分析,同时用传统的人工方法分析,并将二者进行比较。结果表明：染色体图象分析系统可以消除在显微摄影、照像、测量等过程中造成的误差,还可以消除不同研究者之间人工判断的差异,能够更客观、准确、迅速地得到染色体带型模式图,这些都是人工方法所不及的。染色体图象分析系统还将在植物染色体高分辨显带染色体的分析中起重要作用。     

A fast segmentation method for high-resolution color images of foreign fibers in cotton

Foreign fibers in cotton seriously affect the quality of cotton products. The identification of foreign fibers in cotton is a critical step in the automated inspection of foreign fibers in cotton; image segmentation is crucial in this identification process. This paper presents a new approach for segmenting images of foreign fibers in cotton. Firstly, color images were captured, and the edge of color images were detected by an edge detection method based on improved mathematical morphology. The color images were subsequently converted into a gradient map, the law of experience values was analyzed, and the best thresholding value of the gradient map was chosen by selecting the best experience value iteratively. The experiment results indicate that the proposed method successfully segments the high-resolution color images of cotton foreign fibers both directly and precisely. Furthermore, the speed of image processing is much faster than that of conventional methods.     

车牌字符提取中的矫正和切割算法研究

针对车牌字符提取中的图片矫正和切割关键部分,提出了一种基于Hough变换的车牌字符倾斜角度的自动检测矫正算法．在此基础上提出了一种基于边缘分析的二值化算法的投影判断法．对字符目标的灰度和纹理分布进行优化提取．经实地测试检验,字符切割的正确率提高了15％．