基于机器视觉的苹果果袋检测方法

针对机械手摘除苹果果袋时的图像识别问题,提出了一种通过转换颜色空间的分割算法:将RGB颜色空间的图像转换到L*a*b*颜色空间,进行自适应阈值分割、去噪、面积提取等处理后,获得果袋分割后的图像,并计算出果袋的重心坐标。实验结果表明,当果袋遮挡面积不大于果袋总面积的25%时,重心坐标水平方向误差≤10.5 mm,垂直方向误差≤8.8 mm,满足机械手进行果袋摘除的定位要求。利用该方法进行果袋图像分割可解决光照强度对图像检测影响的问题。     

遗传算法改进的KSW熵法计算黄瓜叶部角斑病密度

[目的]去除复杂背景影响,提高角斑病病斑分割精度和速度。[方法]首先对预处理后的b*通道图像采用大津法进行初分割,去除大部分背景和噪声。再对目标部位的灰度图,用基于遗传算法改进的KSW熵阈值分割法进行二次分割,得到病斑的二值图像,并计算病斑面积,最后与叶片面积做比得到病斑密度。[结果]该方法计算的病斑密度与方格板手动计算的结果的绝对误差约为0.02,而病斑的分割速度提高了45%以上。[结论]该方法为黄瓜角斑病病害程度自动诊断提供技术依据。     

支持向量机和最大类间方差法结合的水稻冠层图像分割方法

针对田间多变光照强度给水稻冠层图像分割带来的难题,探讨了一种基于支持向量机(SVM)和最大类间方差法(OTSU法)相结合的水稻冠层图像分割算法。首先,从不同光强条件下的水稻冠层图像中采集代表性水稻和背景像元构建训练图像S1和S2,通过分析水稻S1和背景S2两类图像在RGB色彩空间中R、G、B色彩特征值的分布频率,rgb(标准化RGB)色彩空间中r、g、b色彩特征值的分布频率,CIE L*a*b*色彩空间中L*、a*、b*色彩特征值的分布频率,以及HSV色彩空间中H、S、V色彩特征值的分布频率,筛选出具有明显双峰特征的g、a*、b*和S作为关键色彩特征;然后,在由g、a*、b*和S色彩特征构成的多维色彩空间中采用支持向量机学习算法获得分隔水稻和背景像元的优化超平面Z(Z=0.421g+0.753 a*+0.152 b*+0.051S+0.085);最后,计算水稻冠层图像中每一像元的Z值,并用最大类间方差法计算分割阈值Z_t,从而实现水稻冠层图像分割。为了评价该分割方法,以90幅不同光强(阴天、多云和晴天)条件下采集到的田间水稻冠层图像作为测试图像,并以常用的ExGOTSU分割方法作为对比,分析该分割方法的分割精度和光强稳健性。结果表明,Ex GOTSU方法的精确度显著受光强条件影响,随着光强强度的提高而显著降低,光强稳健性差;该研究所提分割方法对阴天、多云和晴天条件下水稻冠层图像的分割误差为7.30%、8.72%和8.98%,分割精确度较高,且具有良好的光强稳健性。因此,该基于支持向量机和最大类间方差法相结合的水稻冠层图像分割方法具有较高的分割精度和光强稳健性,可为田间多变光照条件下水稻冠层图像精准分割提供技术参考。     

基于MATLAB的茄子图像分割方法

针对茄子图像的灰度和颜色特点,利用MATLAB中丰富的图像处理函数,分别进行了色差分割和色调分割。在色调分割中,采用了自动选取阈值的Otsu法。在去除残留噪音的处理中,采用标注的方法对二值图像的各连通区域进行面积统计。保留最大面积的区域,从而使分割效果大大改善。利用多参数来衡量分割效果,使评价做到最大程度的客观、合理。     

航拍油菜花图像的自动聚类分割方法

为了实现航拍大田油菜花的准确分割,本文提出了一种基于HSI颜色空间阈值和X均值自动聚类算法相结合的分割方法来有效提高分割精度。先将待分割的原始图像转换到HSI颜色空间,通过设定的颜色阈值对目标区域进行定位,实现初步分割,得到候选目标区域;然后将候选目标区域的像素转换至LAB颜色空间,计算候选区域的a、b通道的均值和方差;最后利用得到的均值和方差作为聚类的约束条件,利用X均值自动聚类算法对原图像的a、b通道进行聚类。实验结果表明,本文提出的方法能够克服变化的背景的影响,准确提取油菜花区域;相对于传统的聚类方法,本方法不需要预先设定聚类数,从而实现完全自动的分割。     

基于图像增强和α角度模型的K均值小麦冠层分割算法的改进

[目的]本文旨在克服光照不均引起的低对比度、反光、阴影、光斑及遮挡等对大田复杂背景下小麦冠层图像分割的干扰。[方法]设计了一种结合脉冲耦合神经网络(pulse coupled neural network,PCNN)与同态滤波的自适应图像增强和基于L*a*b*颜色空间α角度模型的K均值聚类分割算法。首先,将小麦冠层图像转换到HSI颜色空间,采用自适应算法对HSI空间的I分量进行增强处理,适当调节饱和度S分量,补偿光照强度分布不均,去除阴影及拉大对比度;其次,将增强处理后的图像映射到L*a*b*颜色空间,提取a*、b*分量建立α角度模型;最后,基于α进行K均值聚类分割处理。[结果]拔节前后光照强度不一、光照不均的冬小麦冠层图像的分割试验结果表明,该算法可一定程度避免基于L*a*b*颜色空间α角度分量K均值聚类的过分割现象;改善基于HSI空间H分量K均值聚类的欠分割缺陷,且对光斑、阴影遮挡、反光突出的图像分割更完整准确。[结论]本算法可为大田复杂背景下光照多变的作物冠层图像分割提供参考方法。     

基于G-MRF模型的玉米叶斑病害图像的分割

【目的】图像分割是作物病害自动识别系统实现的难点之一,前人研究大多采用基于阈值或聚类的分割算法,方法简单、易于实现,但分割精度较低。本文引入高斯模型的Markov随机场分割模型(G-MRF),对玉米叶部病斑图像进行分割试验,以期提高分割精度。【方法】在VC6.0下实现了G-MRF分割模型,G-MRF既利用了图像像素的灰度信息,又通过像素类别标记的Gibbs光滑先验概率引入了图像的空间信息,是能较好地分割含有噪声图像的算法。采用该算法对大斑病、小斑病、灰斑病和弯孢菌叶斑病等4种主要玉米叶部病害的图像进行了分割测试,并与基于阈值和基于Gauss模型的分割算法进行比较。【结果】基于G-MRF分割模型的分割,目标区域的一致性和边缘的清晰方面明显好于基于阈值和Gauss模型的分割算法,其平均正确分类率达96.35%,分别较基于阈值和基于Gauss模型的分割算法高出3.75%和4.03%,差异达到显著水平。【结论】基于G-MRF模型的分割算法鲁棒性高,能够有效地将病斑区域从叶片部分离,分割正确分类率达96.35%,可用于玉米叶斑类病害图像的分割。     

基于图像处理的黄粒稻米自动检测研究

应用大津算法自动选取分割阈值，对稻米图像进行两次分割，分别得到正常子粒和黄色子粒的二值图像，再根据区域内部像素的连通性，将不同区域赋予不同的标记，计算出正常子粒和黄粒数，以及二者对应的面积（像素）。研究结果表明，该算法的自动检测结果与人工检测相关性大于90％，可用于黄粒稻米的自动检测。     

利用多重-大津阈值算法和扫描电镜分割CT图像

XCT(X-ray computed tomography)是一种高效评价页岩三维特征和非均质性的方法。阈值通常用于在背景图像上分割孔隙-裂缝,但是很少对多元素分割体CT(computed tomography)图像进行研究。为了获取不同元素在三维尺度上的分布特征,综合利用大津阈值分割算法和场发射环境扫描电镜提出了一种新的分割方法:首先确定不同元素分布的灰度值,根据灰度值把页岩分成几个不同的矿物组分区域,利用大津阈值算法求取每个矿物组分区域,利用分割方法处理的页岩样品叠加形成CT图像,另一个CT图像用于验证该方法。结果表明,多元素分割方法可以利用C_T计算的数值成功分割叠加的CT图像,该方法与实验室进行的XRD(X-ray diffraction)、总有机碳质量分数、孔隙度测试等结果相符;相同物源和矿物组分的样品在背散射电子(BSE)和CT图像上有相同的灰度区域分布;该方法根据灰度区域分布原理对相同物源、矿物组分的页岩样品进行分割,比人为CT图像叠加分割样品方法更有效、更准确。因此,在页岩XCT图像分割中,进一步采用扫描电镜和多重-大津阈值算法进行多分量分割,能更好地提高页岩XCT图像分割的精度,同时该算法也能对其他区块页岩XCT图像研究起到一定的指导作用。     

基于机器视觉的成熟柑橘自动识别研究

针对自然生长状态下成熟柑橘图像的识别问题,采用2R-G-B色差分量,通过Ostu自适应阈值算法进行图像分割,用面积阈值的方法消除噪声来获取成熟柑橘图像的目标区域,然后利用最小二乘拟合方法拟合出目标区域的质心及半径等特征参数。结果显示,识别正确率在90%以上。     

利用图像处理技术计算大豆叶片相对病斑面积

为了定量化评估大豆作物的病害程度,提出一种基于图像处理测量大豆叶片相对病斑面积的方法。通过HSV、L~*a~*b~*特征空间聚类法逐步分离目标叶片和病斑区域,并采用区域填充法减少叶面水珠、菌碟和菌丝等干扰,最后根据目标叶片和病斑区域像素数计算相对病斑面积。利用该方法分别对培养皿和背光板叶片图像进行试验,结果表明,该方法处理一幅800×800大小的彩色图像只需约20 s,叶片病斑区域与健康区域分割准确度达97%以上,相对病斑面积计算准确度达99%以上;与传统阈值分割方法相比,该方法能有效分割目标叶片与病斑区域,快速准确地计算相对病斑面积。     

毛竹秆茎维管束结晶图像的分割

介绍了基于模糊推理和形态特征的图像分割算法,并综合两种算法实现了毛竹秆茎维管束横切面结晶图像的分割.在基于模糊推理算法对图像进行初次分割的基础上,应用形态特征算法对初次分割结果进行了区域标识和面积形态特征的量测,最后应用阈值分割实现了对维管束结晶区的分割.试验表明:综合应用两种算法的分割效果良好,维管束信息保存完整.     

改进的Canny算法对猪胴体特征有效分割的研究

对猪胴体的图像分割是实现猪胴体自动分级技术实现的基础,针对猪胴体图像的特点,提出了一种基于改进Canny算法的分割方法,改进Canny算法中阈值选取和边缘连接,实现了图像分割的自动化。并与根据阈值分割的局部阈值分割方法的效果进行比较,实验表明对于猪胴体改进Canny算法的分割方法优于局部阈值的分割方法,取得较好的分割结果。     

基于量子粒子群优化的加权平均倒数熵阈值法参数选取

考虑到目标和背景对图像分割的不同影响,提出了一种对目标和背景类的倒数熵进行加权平均的阈值分割方法。同时,针对该方法中权重参数m的选取问题,给出一种利用量子粒子群优化算法自适应选取参数的优化策略,依据图像分割质量评价均匀性准则对权重参数m在(0,1)区间进行全局寻优,进而实现了加权平均倒数熵阈值分割方法的自动阈值选取。研究结果表明,该方法可获得比传统熵阈值法更好的分割效果。     

基于无人机的田间地膜识别算法研究

为了满足基于机器视觉的田间地膜智能识别要求,对垂直拍摄的6叶期单垄单行烟田图像进行研究,分析图像中地膜、烟苗和土壤的RGB和HSV分量的直方图,发现B分量和V分量采用阈值分割法能分割出地膜。对地膜图像进行手动阈值分割、迭代阈值分割、大律法分割和基于遗传算法的最大熵值法等分割算法比较,发现迭代阈值分割算法目标识别率最高,为71%,且处理过程用时较短。通过对无人机不同飞行高度下地膜识别情况分析,发现50 m飞行高度下的地膜识别率最高,为80.06%,地膜识别面积为246.83 m²,地膜覆盖率为30.12%。该研究为残膜的智能识别提供方法和参考。     

基于视觉注意机制的黄绿色苹果图像分割

针对近色背景黄、绿色苹果图像难以分割的问题,设计了一种基于视觉注意机制的分割方法。首先基于RGB(Red,Green,Blue)采集图像将R-B、2R-G-B色差分量分别作为黄、绿色苹果图像的颜色特征分量,采用基于频率调谐的显著检测模型(Frequency-tuned salient region detection,FT)算法提取以光线正常区域为主的显著图,然后通过基于标记的分水岭算法处理原图像,再用FT算法提取以高亮区域为主的显著图,将2部分显著图分别进行自适应阈值分割,去除小面积等操作获取其二值图像,最后将2个二值图像合并,由此获得黄色和绿色苹果的果实区域。最后进行本研究方法效果图的主观判断和基于分割误差(Af)、假阳性率(FPR)、假阴性率(FNR) 3个评价指标的定量分析。结果表明该方法能更有效地分割出黄、绿色苹果果实,Af、FPR、FNR分别为8. 1%、10. 56%和10. 18%。     

融合同态滤波与马尔可夫随机场的棉花图像分割

对机器人图像处理系统中的图像进行准确分割具有重要实用价值,提出融合同态滤波与马尔可夫随机场的图像分割算法。(1)将读入的图像从RGB模式转换到HSI模式,进行同态滤波处理以凸显图像细节与目标区域;(2)将同态滤波后的RGB模式彩色图像转换成灰度图像;(3)将利用了图像区域信息的马尔可夫随机场模型以及对图像中的少量模糊和不确定点具有良好适应性的约束聚类方法相结合,对图像进行分割;(4)在分割图像的基础上通过对连通区域面积阈值的设定以获取目标区域。选取不同角度与光照采集的图像,使用本研究算法进行分割试验,并分别与OTSU算法、模糊聚类图像分割算法和马尔可夫随机场图像分割算法进行比较,结果表明,本研究算法对图像进行分割的效果更好。     

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。     

Otsu分割与区域标记相结合的菠萝图像分割研究

以菠萝为研究对象,提出了一种结合最大类间方差(Otsu)阈值分割和区域面积标记的菠萝果实图像分割方法,并针对生长环境下和实验室环境下的菠萝图像进行分析研究,结果表明,该方法能够较好地实现对成熟菠萝果实与背景的分离,比单独采用阈值分割效果好。     

基于二叉树结构聚类算法的彩色图像分割研究

提出了一种基于二叉树结构的彩色图像分割方法,首先对待分割图像采用最优阈值化方法获取R,G,B 3个颜色空间的最佳阈值,然后通过构造自适用二叉树进行一次粗分割提取目标区域,最后采用C-均值聚类算法对二叉树的每个叶子节点进行精确分割.试验表明,该算法可以在保留原图像中大部分的信息的基础上,对目标物体进行有效的分割.