基于图像信息熵的自适应Harris角点检测算法

为了克服Harris角点检测算法在提取角点时需要人为设定响应函数参数和阈值的问题,本文提出一种基于图像信息熵的自适应角点检测算法,利用合适尺度下的图像信息熵能够反映较多图像纹理信息的特点,在非极大值抑制时采用了图像信息熵的自适应阈值,并修改了角点响应函数,避免了阈值设定和参数设定的随机性。通过对添加盐粒噪声的图像进行角点检测并计算角点重复率,表明本文的算法在提取图片角点时有更好的稳定性,能够用于角点检测。     

基于切比雪夫不等式的紫色土彩色图像分割

野外采集的机器视觉图像往往包含复杂背景,会对机器视觉识别紫色土产生影响,为了避免背景干扰,分割提取紫色土区域图像是首要的工作.本文应用3×3小子阵的标准差测度,建立模型优化紫色土区域的土壤与杂质类间和类内方差比,获得优化的置信概率P和H域分割阈值,提出了一种基于切比雪夫不等式的自适应H阈值分割算法,实现基于图像自身紫色土特征的自适应分割,提升初分割出紫色土区域图像的精度.针对初分割结果中的孤立点、离散小土块和空洞,提出了从图像中心点出发的剔除背景区域孤立点和离散小土块的螺旋生长算法和基于4方向边界点确认的紫色土区域的空洞填充算法.仿真实验结果显示:自适应切比雪夫阈值分割算法与螺旋生长算法和空洞填充算法结合,分割提取出紫色土区域图像的误分率降低到3.24%,总时间花销更少,算法是有效的.     

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。     

基于模糊数学的公路路面裂痕检测技术

根据公路路面实际裂痕灰度值比背景灰度值低,而路面非背景和非裂痕像素灰度值比背景灰度值高或低很多,设计了一种基于模糊数学的公路路面裂痕检测的新技术.首先使用改进的基于乘性模型的灰度校正算法对原始图像进行预处理,接着根据OTSU最大类间方差法计算得到原图像前景与背景的最佳阈值作为渡越点,构造一个新的模糊隶属度函数对预处理后的图像进行模糊处理,然后用Sobel算子对模糊后的图像边缘检测判断得到含有裂痕信息的区域,最后用图像分割算法区域分割出含有裂痕信息的图像子块.实验证明,新提出的方法在处理速度和检测准确性方面基本能够满足实际需要,能实时、自动检测出模糊图像的裂痕.     

基于改进遗传脉冲耦合神经网络的玉米病害图像分割方法

作物病害图像分割是利用数字图像处理技术进行病害识别的关键性技术环节之一,现有病害分割方法存在病害区域外部形态特征细节保留程度差和颜色纹理信息丢失等问题.针对上述问题,提出一种基于改进遗传算法的脉冲耦合神经网络分割方法.首先改进遗传算法,以信息熵的加权线性组合作为优化适应度函数用以在每次迭代过程中评价脉冲耦合神经网络对于病害区域的分割效果,通过计算种群适应度方差和适应度均值自适应调整遗传算法的交叉概率和变异概率;然后将改进遗传算法与脉冲耦合神经网络相结合,实现网络连接系数、衰减系数和幅值系数的自动优化调节;最后利用改进遗传脉冲耦合神经网络分割算法,在RGB子空间分别对病害图像进行病害区域分割,将分割结果利用RGB颜色空间子图合并策略实施合并,从而得到最终的图像分割结果.将此算法、最小交叉熵阈值化算法和GA-PCNN算法用于玉米黑瘤粉病彩色图像病害区域分割.结果表明:从主观视觉评测角度,此算法分割效果较好,能够较为细致的呈现病害区域的外部形态特征和较为完好的保留病害区域的颜色纹理特征;从客观量化评测角度,此分割算法在目标区域分割匹配率、错分率和正确率上明显优于最小交叉熵阈值化算法和GA-PCNN算法.     

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.     

基于划区域暗通道算法的农田图像去雾研究

为了提高农田图像去雾的效果,提出划区域暗通道算法.通过双阈值把有雾图像划分为远景区域、近景区域、中间区域;不同区域采用不同的透射率计算方法,远景区域的透射率计算基于非线性容差机制,近景区域的透射率计算基于修正因子,中间区域的透射率计算基于引导滤波;再利用全局大气光照度和各区域的透射率得到去雾图像,并给出算法流程.试验仿真结果表明,与其他去雾算法相比,该算法提高了去雾图像的可见性,平均梯度评价指标值为0.106,均方误差评价指标值为20,结构相似度评价指值为0.97,评价指标较优.     

基于RELIEF算法和极限学习机的苹果轻微损伤高光谱检测方法

采用高光谱成像技术(400～1 000 nm)对苹果轻微损伤进行快速识别及无损检测。采集苹果正常及不同损伤时间的高光谱图像,选择图像中合适的区域作为感兴趣区域并提取平均光谱反射率及图像熵信息,将采集的样本按2∶1的比例分为训练集和测试集。使用RELIEF算法基于光谱平均反射率及图像熵信息提取了8个特征波段(17、30、35、51、61、66、94和120),分别基于全波段和特征波段进行极限学习机(extreme learning machine, ELM)建模分析,并与支持向量机(support vector machine, SVM)和K-均值聚类算法进行比较。结果表明,基于全波段的ELM模型最终测试集识别率为94.44%,基于特征波段的RELIEF-极限学习机(Re-ELM)模型识别率为96.67%,基于特征波段的Re-SVM及Re-K均值模型的最终测试集识别率分别为92.22%和91.67%,证实了Re-ELM是一种更为有效的苹果损伤分类判别方法。在此基础上,基于图像处理技术和特征波段提出了一种苹果轻微损伤高光谱检测算法,使用该算法针对特征波段进行独立成分分析(independent component analysis, ICA)变换,选取ICA第3成分图像进行自适应阈值分割,从而获得损伤图像。对全部高光谱图像进行检测表明,该算法的最终识别率超过94%,说明该算法能够较为有效地识别苹果损伤区域。     

图像拼接技术在茶树病虫害防治研究中的应用

为较好地实现茶树全景图像的拼接,针对图像拼接过程中存在同名点检测时间长、非同名点基数大的问题,提出一种顾及排列顺序的图像拼接算法。该算法以基准图像为起始,采用相关性原理,以矩形块为计算单位,提取图像间相关区域;后序图像区域提取基于前序图像区域位置计算;最后在目标区域中完成同名点检测,并实现特征匹配、图像配准与融合。试验结果表明,顾及排列顺序的图像拼接算法基于目标区域提取同名点能有效地减少非同名点数量,缩短同名点查找以及特征匹配时间,能够有效提高图像配准速度并实现茶树全景图像的无缝拼接。     

基于改进形态学人脸图像的边缘检测算法

如何确定人脸特征并对这些特征进行有效提取是至关重要的。本文提出的形态学边缘检测算子,能够有效地检测出人脸图像边缘,并保持人脸边缘的平滑性。与传统的边缘检测算子相比,该算法性能好,计算量小,实用性强。     

一种高空间分辨率的遥感变化检测方法在智慧农业中的应用

传统方法在确定影像对象的异质性时,根据整幅遥感影像以及判别经验所确定的全局固定阈值往往不能很好地适应各种不同属性的检测对象。针对这一问题,该研究提出了一种自适应的双模糊阈值的判别方法,在传统的图像变化检测预处理的基础上,利用Q型因子在整幅影像中获取具有代表性的训练样本,分别计算各样本的变化强度和相关系数的最优阈值以及熵的二值化阈值,建立样本的变化阈值集合,选择集合的中位数作为整幅影像的变化阈值,利用模糊识别算法分别对所得到的2幅变化影像进行运算,求交集建立混淆矩阵,最终得到变化检测的结果。试验结果表明,该算法对不同属性的影像对象具有良好的适应性,较传统的阈值变化检测方法其平均正确率提高了31.12%,有效地减少了错判或漏判。     

局部均匀模式描述和双加权融合的人脸识别

目的 针对LBP算法对边缘及噪声信息比较敏感,提出一种统一化的局部均值模式(ULMP)描述算子。考虑到全局和局部特征在识别上的互补性,提出一种ULMP描述和双加权融合的人脸识别方法。方法 首先利用ULMP算法获得整幅图像的编码图,接着将其分块,统计每一子块的直方图获得局部纹理特征,并结合BP神经网络得到局部分类结果。引入云模型求取不同子块的权值,对局部分类结果进行加权融合。整体纹理特征的获取是将不同子块的直方图特征串联。在得到全局和局部的分类结果后,将两者加权集成,获得最终的识别结果。结果 在ORL和Yale人脸库上进行实验,ULMP具有很好的识别性能。5幅测试样本时,在ORL库上取得了95.9%的平均识别率,分别比局部二值模式(LBP)、MCT、局部方向模式(LGP)、统一的LBP(ULBP)和局部中心二值模式(CSLBP)高11.3%、10.6%、9.5%、8.9%和3.9%;在Yale库上取得了97.4%的识别率,分别比LBP、MCT、LGP、ULBP和CSLBP高19.9%、17.7%、10.7%和0.7%。在ORL和Yale人脸库上,本文提出的双加权融合模式分别取得了98.5%和98.34%的平均识别率,高于任何单一模块。结论 本文提出的纹理提取算法ULMP,具有很好的平滑噪声及边缘信息的作用,适用于面部纹理特征的提取。利用云模型求取的权值的方法能够较好地发挥局部分类器间的集成作用,最终有效地提高了系统的整体性能。双加权融合模式是一种精确且有效的人脸识别方法,适用于静态人脸图像的匹配识别。     

植物叶脉组织的数字化建模与静动力学分析

基于植物叶脉自然选择的结构优越性,构建叶脉的数字化模型,研究其组织结构的力学性能。选取具有典型耐候性和清晰叶脉结构的荷花玉兰叶脉进行叶脉组织结构三维多孔模型的构建,通过图像阈值分割方法对组织结构扫描电镜图进行处理,采用基于狄洛尼三角剖分的面积权重方法对阈值分割后的二值图片进行网格化,形成组织结构的数字化模型;采用有限元法对叶脉横截面多孔组织进行拉伸模拟和冲击仿真。结果表明,叶脉最外缘的区域对叶脉组织力学性能的贡献最大,而具有细胞壁厚度呈梯度变化的叶脉模型在小位移情况下对能量吸收表现出良好的优越性,其冲击破坏过程是依层进行的。     

基于区域亮度自适应校正算法的脐橙表面缺陷检测

【目的】针对类球型水果表面亮度分布不均现象,传统算法难以有效直接分割水果表面缺陷区域问题,提出一种基于区域亮度自适应校正的脐橙表面缺陷检测算法。【方法】选择区域经济价值较高的纽荷尔脐橙为研究对象,对其采集原始可见光RGB图像。试验中发现R-B融合分量图像灰度呈明显双峰分布,故根据直方图信息利用单阈值法（分割阈值T₁=60）去除图像背景,获得R-B目标图像;基于本文提出的一种区域亮度自适应校正算法对脐橙表面缺陷进行检测,首先设定目标图像邻域窗口大小为w×w（邻域窗口大小w=13）,通过对其窗口大小内较亮像素点的集合提取脐橙表面亮度信息,然后基于此表面亮度信息对去除背景的R-B目标图像进行均一化校正,经亮度校正后的图像发现其表面缺陷区域与正常组织区域灰度对比度大,宜采用单阈值法（分割阈值T=194）直接对亮度校正后的脐橙图像进行表面缺陷分割提取;最后对表面缺陷分割后的二值化图像进行面积滤波以去除杂散点及噪声。【结果】采用双峰法可在有效去除图像背景的同时完好保留目标脐橙表面信息;基于区域亮度自适应校正算法对溃疡病果、蓟马虫果、介壳虫果、虫伤果、黑星病果、风伤果、炭疽病果、裂伤果等8种常见脐橙表面缺陷果,共计356幅样本图像进行亮度校正,采用单阈值法对亮度校正后的图像进行表面缺陷分割,其分割率高,整体缺陷准确识别率达到了95.8%,平均处理每幅图像耗时0.29 s。与直方图均衡化算法、基于Retinex理论算法以及基于照度-反射理论算法得到的亮度校正图像相比,本文算法亮度校正效果最优且算法简单、缺陷识别率高、计算速度快,其运算速度分别减少了0.27、0.14和1.45 s,缺陷识别率提高了2.6%—8.2%。【结论】基于区域亮度自适应校正的脐橙表面缺陷检测算法有效解决了脐橙类水果表面亮度分布不均导致的表面缺陷难分割问题,为脐橙在线精确分级提供了技术支持,也为其他类球型水果表面缺陷快速检测提供了一种新方法。     

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。     

小波和傅里叶相融合的彩色木材图像增强

针对现实生活中彩色图像普遍存在不清晰和对比度差的情况,在RGB模型上提出了一种新的彩色图像增强算法,并且应用到了木材图像领域。将彩色木材图像分解为RGB3个通道,首先使用滤波器把3个通道分别分解成高低频子带;然后使用傅立叶变换和小波变换相融合的方式进行锯齿检测,同时进行阈值判断;之后对检测到的锯齿进行消除,低频子带使用方向自适应滤波器,高频子带使用小波收缩函数进行消除;再使用小波逆变换返回3个通道;最后将3个通道还原成彩色图像。结果表明,该方法和传统方法相比较,可以有效保持图像的边缘特征,达到增强效果。以樟子松微观横截面为例,峰值信噪比PSNR提高了5.05,信息熵提高了3.14。本研究同时采集了榆木微观横截面、杨木宏观横截面和云杉微观横截面,其图像均得到增强。     

关于利用小波变换对稻米图像进行边缘检测的改进方法研究

为了进一步提高稻米图像边缘检测效果,本文在小波变换和双阈值相结合的方法基础之上,提出了利用边缘长度提取有效边缘的方法,并利用该方法对稻米图像进行边缘检测,取得了较好的边缘提取效果。     

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。     

基于模糊Tsallis熵和混沌蛙跳算法的快速红外目标分割

针对红外图像的模糊性和非广延性,提出一种基于模糊Tsallis熵的快速阈值分割方法。先用模糊隶属度函数把图像灰度直方图转换到模糊域,分别定义图像背景与目标的模糊Tsallis熵,并根据不可加熵的伪叠加原理求出图像总熵。在参数寻优过程中,提出一种基于Logistic映射的混沌蛙跳优化算法,根据最大熵原理对模糊隶属度函数进行参数优化,进而得到图像的最佳分割阈值。与典型的阈值法进行对比试验,结果证实了该方法的有效性和鲁棒性。