基于MATLAB的玉米果穗颗粒统计方法

颗粒统计与自动识别检测在现代农业中发挥关键作用,玉米果穗品质好坏与颗粒多少呈正相关。计算机技术特别是图像技术在玉米果穗中的应用多样化趋势明显,采用图像分割技术对玉米果穗进行颗粒统计能实现快速对玉米特征进行识别。由于玉米果穗颗粒之间往往存在粘连现象,采用传统分水岭分割方法对玉米果穗进行分割就会导致不能对粘连区域实现良好分割。而改进的分水岭分割算法,引入扩展极大值变换,既能避免过分割现象,又能实现对粘连区域的正确分割,本研究利用MATLAB对玉米果穗图像进行转换、灰度化、滤波降噪、区域增强等一系列处理后,采用改进的分水岭分割算法,准确实现玉米果穗颗粒统计。     

基于凹点寻找标记的分水岭算法分割粘连谷粒

针对标记分水岭算法分割粘连谷粒出现欠分割现象,提出一种基于凹点寻找前景标记的分水岭算法对谷粒进行粘连分割。首先,对谷粒图像进行canny边缘检测,获得谷粒的轮廓,并在低尺度下计算轮廓线的曲率来获取候选凹点,通过自适应阈值和角度去除伪凹点;然后,对经过预处理的图像进行欧式距离变换,按照距离梯度的方向对轮廓曲线进行像素扩充,在凹点处加快速度,再对减去轮廓的二值图进行前景标记;最后,对原二值图应用基于标记的分水岭算法进行分割。利用手机采集5种谷物的图像进行粘连谷粒分割,结果表明,可获得96.4%的谷粒计数准确率。该方法可满足于日常利用手机拍摄的谷粒图像计数的需求。     

基于欧拉数的谷物颗粒图像目标计数方法

为了解决谷物选育品种过程中人工计数存在的操作费时、精度不高等问题，提出一种利用计算机处理谷物颗粒图像进行计数的方法。首先对所采集到的谷物颗粒图像进行二值化，将图像中背景和目标区域分开；然后对图像进行形态学运算、目标分割等预处理，最大程度减少图像中的谷物颗粒黏连现象；在最终的计数环节，为了提高计数速度，基于经过预处理后的谷物颗粒图像没有孔洞这一重要特征，利用图像欧拉数算法代替传统的连通域标记算法实现计数工作。结果表明，利用图像欧拉数算法的计数结果与利用传统连通域标记算法的计数结果完全一致，但在计数速度方面，利用图像欧拉数算法进行计数明显优于传统的连通域标记算法。     

基于Camshift跟踪算法与SVM的大输液杂质检测识别方法研究

针对我国医药生产检测包装线上大输液杂质智能检测技术问题,提出了一种利用实时视频图像处理技术检测识别大输液杂质的方法.该方法对连续多帧被旋转的大输液瓶图像运用差分图像运动分析方法提取目标杂质;运用图像处理技术去除气泡噪声,准确分割目标杂质,采用Camshift跟踪算法连续跟踪几帧运动杂质以确保检测准确率;根据Camshift跟踪算法提取出的杂质运动和几何特征,应用SVM(Support Vector Machine)准确识别杂质类型.实验结果表明,该方法检测识别直径大于等于4个像素的杂质的检测识别率平均可达到95.4%,检测识别速率平均可达到581 ms/瓶.     

基于改进K-means算法的冬小麦覆盖度提取研究

为快速、精准地提取冬前分蘖期冬小麦覆盖度，提出了一种基于改进K-means算法的冬小麦覆盖度提取方法。首先将冬小麦图像转换到Lab色彩空间，其次利用蜉蝣算法（Mayfly Algorithm, MA）获取K-means最优初始聚类中心，并用马氏距离代替欧氏距离进行算法改进，最后利用分割得到的二值图像计算冬小麦覆盖度。结果显示，该方法的平均分割精度和平均处理时间分别为94.66%和2.03 s，与过绿指数（excess green,EXG）自适应阈值分割和基于粒子群优化算法（particle swarm optimization,PSO）的K-means(PSO-K-means)分割相比，分割精度分别提高了12.04%和4.18%，处理时间分别减少了2.26和2.94 s。该方法分割效果优于EXG和PSO-K-means分割方法，可用于提取冬小麦覆盖度。     

一种粘连牛乳体细胞图像的分离算法

粘连细胞的分割是细胞精确计数的关键,针对牛乳粘连体细胞的特点,首先利用k-means方法分割细胞和背景并运用数学形态学算子对图像做预处理.然后对分割后的二值图像进行距离变换和图像重构,最后用Watershed算法分离粘连细胞,以得到最终结果.实验结果表明该方法能准确、快速地分割粘连牛乳体细胞,并能有效改善分水岭(Watershed)的过分割现象.     

玉米生长期叶部病害图像识别预处理研究

针对玉米生长期叶部病害的图像,引入图像模式识别技术,实现病害图像的预处理。基于传统算法的不足,提出一种改进的小波图像增强算法,提高了图像的识别精度;深入研究了病害图像的直方图均衡化预处理、基于矢量中值滤波的图像增强操作算法,并引入超绿特征值进行图像分割,从而实现了对目标图像的去噪、增强,为下一步的特征提取与病害识别打下了良好基础。     

基于广义Hough聚类的粘连猪头尾识别

为了通过形状特征对群养猪进行个体分析,首先必须获得每个猪个体的完整轮廓和主要特征部位。提出了基于距离变换的粘连猪体分割和基于广义Hough聚类的头部和尾部的识别方法。首先利用形状因子判定出图像中粘连猪体,然后对粘连猪体利用距离变换进行外轮廓逐层剥离,确定分离点和分割线,最后利用椭圆拟合对分割后的猪体轮廓进行局部修复,分割过程中轮廓失真较小,能准确地实现粘连猪体的分割。在分割的基础上根据猪体身长来截取头部和尾部的轮廓,根据猪体头尾形状的差异性,采用广义Hough聚类的方法识别头部和尾部,识别的平均正确率为87.28%。     

基于K 均值聚类的小麦腥黑穗病菌冬孢子图像分割

图像分析技术能够实现对小麦腥黑穗病菌冬孢子特征的定量分析,冬孢子区域的分割则是分析的前提.针对小麦腥黑穗病菌图像的特点,考虑到传统分割方法的局限性,提出了一种基于彩色图像的分割算法.研究以病菌彩色图像B分量为聚类对象,以R、G、B分量值之和不变为迭代终止条件,利用K均值聚类的方法分割病菌图像,使类内像素均值的距离和取得局部极小值.与其他分割方法进行比较的结果表明,该分割算法既分割出亮度不均匀的背景,对噪声的敏感度较小,又减少了分割后的冬孢子粘连,分割出的冬孢子数目增加.     

基于马氏距离的荔枝图像分割设计方法

在基于颜色特征和聚类的马氏距离算法基础上，利用MATLAB软件设计了人机交互式可视化计算机图像分割程序。运用该程序，对荔枝照片进行了图像分割，分离出复杂背景下的荔枝果实图像。结果表明：该程序能较好地解决复杂彩图中目标图像的分割问题，可以消除因不慎而修改源代码的风险；通过数据分析器和滤波器能准确的对采样数据进行判断以及对含噪声的目标图像作进一步处理。     

基于脉冲耦合神经网络的粘连玉米种子图像分割

为解决玉米种子内部机械裂纹检测过程中存在的种子间粘连问题,提出一种基于自适应脉冲耦合神经网络(Pulse coupled neural net)模型与熵值最大原则相结合的图像分割算法。运用直方图均衡化和布特沃斯低通滤波器进行频域增强预处理,以提高玉米种子与图像背景的对比度;运用PCNN模型,结合最大熵值原则对预处理后的粘连玉米种子图像进行分割,并引入图像像素的拉普拉斯能量(Energy of laplace)作为PCNN网络各神经元之间的连接系数,以增强图像分割效果;采用维纳滤波和数学形态学对分割后存在的噪声和断点进行处理,得到最终的分割效果。试验结果表明:PCNN与熵值最大原则相结合的图像分割算法的分割准确率为92.5%,运行时间为1.166 2s,分割准确率高于改进分水岭算法、OTSU算法和最大熵直方图分割算法,用时略长于其他分割算法。     

Identification of insect-damaged wheat kernels using short-wave near-infrared hyperspectral and digital colour imaging

Healthy wheat kernels and wheat kernels damaged by the feeding of the insects: rice weevil (Sitophilus oryzae), lesser grain borer (Rhyzopertha dominica), rusty grain beetle (Cryptolestes ferrugineus), and red flour beetle (Tribolium castaneum) were scanned using a near-infrared (NIR) hyperspecrtal imaging system (700-1100 nm wavelength range) and a colour imaging system. Dimensionality of hyperspectral data was reduced and statistical and histogram features were extracted from NIR images of significant wavelengths and given as input to three statistical discriminant classifiers (linear, quadratic, and Mahalanobis) and a back propagation neural network (BPNN) classifier. A total of 230 features (colour, textural, and morphological) were extracted from the colour images and the most contributing features were selected and used as input to the statistical and BPNN classifiers. The quadratic discriminant analysis (QDA) classifier gave the highest accuracy and correctly identified 96.4% healthy and 91.0-100.0% insect-damaged wheat kernels using the top 10 features from 230 colour image features combined with hyperspectral image features.     

基于混合颜色空间和双次Otsu的黄瓜靶斑病图像分割

为快速、准确地分割黄瓜叶部病害图像,提出一种基于混合颜色空间的双次Otsu算法。算法根据病害图像各部分的颜色特征,首先选取原始彩色图像的R分量进行初始Otsu分割和形态学相关操作,将R分量图分割为背景类和非背景类;然后选取非背景类图像的Cr分量进行第2次Otsu操作,将非背景区域分割为正常叶子类和病斑区域类,得到最终的分割结果。将该算法应用于黄瓜靶斑病图像的分割中,并与R_Otsu算法、H_Otsu算法以及图切割算法进行比较。试验结果表明:与对比算法相比,本算法在分割精度及处理速度2方面的综合分割性能最优,错分率均值和方差分别为2.12%和0.08%,平均处理时间0.2s,算法对光照变化具有一定的鲁棒性。本研究算法可为自然光照条件下黄瓜病害图像实时、准确分割提供技术参考。     

基于支持向量机的水稻稻瘟病图像分割研究

水稻稻瘟病图像的分割是水稻稻瘟病自动分析与识别的关键环节,其分割效果直接影响后续处理。提出一种基于支持向量机的水稻稻瘟病病害彩色图像分割方法。首先选取叶子正常部分的像素点以及颜色相对复杂的病斑像素点作为负训练样本和正训练样本,提取像素R、G、B彩色分量作为特征向量,对支持向量机进行训练,然后在RGB空间利用训练好的支持向量机对待分割图像的所有像素点进行分类,实现水稻稻瘟病彩色图像的分割。为了获得最佳的分割效果,采用网格搜索法对径向基核函数下的不同核参数分割效果和性能进行比较与分析,确定最佳模型参数。利用此模型进行水稻稻瘟病图像分割实验,获得较好的分割精度,结果优于最大类间方差分割算法。     

自然背景下的梅花图像分割算法研究

针对梅花数据的特点，提出一种基于自然背景下的梅花花朵分割算法TC(Texture Color)。该算法综合运用了分形纹理和颜色2种特征，有效分割背景图像中的干扰物，实现梅花图像分割。首先，采用双毯子方法计算图像的局部分形维数图，并对分形维数图采用大津阈值分割去除背景中大部分的干扰物；然后，利用颜色特征对剩余的干扰物进行有效分割。在采用颜色特征进行分割时，改进了色度直方图累加算法，并融合了饱和度特征，取得了很好的分割效果。在分割过程中，算法还采取了形态学操作、去噪和填充等处理技术，得到最终的分割结果。对9种梅花图像（每种20幅，共180幅）进行了分割实验，采用误分率对实验结果进行评价，并分别和2RGB模型分割方法、GrabCut算法进行了实验对比。实验结果表明:TC算法平均误分率控制在3%之内，比2RGB模型分割方法更加有效，并且该算法所耗费的时间比GrabCut算法要少很多而且无需人工交互。因此，本文提出的TC算法针对梅花图像的分割是非常有效的。      

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.     

水稻表层根系图像分割算法研究

水稻根系形态特征的定量研究对于改进农田管理方式、水稻品种选育和遗传改良等具有重要意义。近年来,随着表型组技术迅速发展,利用图像处理技术对水稻根系生长情况进行测量和分析,同时配合施肥、灌溉、光照、温控等环境监控技术已成为水稻育种和功能基因组研究新型技术手段,而根系图像分割技术是进行后续表型组学分析的重要基础之一。由于生长在土壤中的水稻根系图像具有对比度低、信噪比低、纹理复杂的特点,分割十分困难。针对此问题,研究了主干-分支连接算法、基于形态特征的局部阈值分割算法和基于形态特征的自适应阈值分割算法,对生长在土壤中水稻根系图像进行分割处理和比较。实验结果表明,主干-分支连接算法虽然保留了大量细节,但是受噪声影响严重,其结构略显杂乱,毛刺现象严重;基于形态特征的局部阈值分割算法能保留更多根部的细节,但轮廓断裂的现象比较严重;自适应阈值分割算法分割的图像根系连续性较好,毛刺现象也得到了抑制,但是细小的须根无法保留。最终将两种算法结合起来,提出一种适用于水稻表层根系图像分割的综合算法,则可以获得较为理想的分割结果,为后续水稻根系性状提取奠定了重要基础。