基于图像处理检测抑菌圈边缘的研究

提出了一种自动检测抑菌圈边缘的新方法．在对灰度图像进行中值滤波及锐化处理后，用灰度阈值二值化为黑白图像．然后用圆环形模板在黑白图像上扫描，确定抑茵圈中心的位置．在该位置附近，通过对半径直方图数据的处理，消除抑茵圈内部茵落的影响，用曲线拟合，可自动地检测到抑茵圈的边缘．对于3种不同的图像获取设备，成功率分别为100％，100％，91％．     

1种农产品图像二维多级中值滤波改进算法

农产品图像在采集过程中由于拍摄系统电压不稳定、成像环境的复杂性等因素导致获取的图像中存在一些颗粒噪声点,这些噪声点存在极大模糊了图像中果实复杂的边缘信息。针对该类图像,在对二维多级中值滤波算法(two-dimensional multi-stage median filtering)原理深入分析的基础上,结合农产品图像的特点,提出了一种改进二维多级中值滤波算法(improved two-dimensional multi-stage median filtering)。该算法首先提出一种新型噪声自适应检测方法对图像中的噪声进行检测和标记;然后对检测出的噪声点分别采用8个多方向滤波模板进行处理;最后对8个模板的滤波结果在进行适当取舍的基础上分别进行基于像素点间几何距离的加权滤波,以获得清晰度较高的图像。理论分析和试验结果表明,改进的二维多级中值滤波算法对于农产品图像处理效果优于中值滤波算法、二维多级中值滤波算法、已有的改进二维多级中值滤波算法。     

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。     

温室蔬菜病害智能识别图像预处理及其特征提取方法的研究

采用计算机图像处理技术对温室蔬菜病害进行了智能化识别,并以黄瓜霜霉病为例研究了温室蔬菜病害智能识别图像预处理和特征提取的方法。试验选择白色作为病害叶片的背景,利用中值滤波法有效地去除了噪声的干扰,利用双峰法从背景中分离出病害图像,再对图像进行边缘检测,准确地提取了病斑的几何特征。该方法能够实现对病害图像的预处理,并且能够准确地提取病害特征。     

一种基于噪声点检测的自适应中值滤波方法

针对中值滤波在图像去噪时会造成图像细节丢失的问题,提出了一种新的基于噪声点检测的自适应中值滤波法.该方法对噪声点采用两级判断的方法:首先根据椒盐噪声的特点将图像像素点分为可疑噪声和信号两类;对于可疑噪声点,根据噪声与细节在图像中的表现,将可疑噪声分为噪声和边缘细节;然后采用不同的中值滤波窗口对噪声点进行滤波,对于两次判断得到的信号和边缘细节不进行处理以保持图像的细节.测试结果表明,与常用的中值滤波法相比,该方法不仅具有较好的去噪特性,还具有较强的细节保护能力.     

煤粒图像检测的Matlab实现

传统的煤粉颗粒测试的方法存在一定的局限性。尝试应用图像分析来直接获得颗粒的信息。首先对利用数码相机获取的煤粒图像进行图像类型转换、插值运算、二值化运算、灰度增强、滤波运算等预处理。在此基础上,通过边缘检测、形态学方法对煤粒图像进行图像分割实验,进而选取分水岭算法作为图像分割方法。最后利用Matlab特征提取函数提取该图像中煤粒面积,得到煤粒数据,实现了煤粒数据检测。     

基于颜色差异性的植物叶片病害图像分割方法

针对植物叶部病害图像的复杂性,结合植物叶部病害彩色图像的特点,提出了一种基于颜色差异性的植物叶部病害彩色图像分割方法。对采集的植物叶部病害图像,利用GrabCut算法对其进行背景分割,去除田间复杂环境背景;对其采用中值滤波和图像锐化处理,以尽可能保留图像的病害区域和边缘细节;再对处理后的图像,分别转换到基于生理特性的Lab颜色空间和YUV空间,结合Otsu方法,分别对图像的Lab灰度图及YUV空间的单通道灰度图进行二次分割;对二次分割的两幅图进行与操作,将其转换到RGB空间,即可得到最终的分割结果。利用该方法对常见的大豆、玉米、油菜、黄瓜等多种植物常见的多种叶部病害彩色图像进行了分割试验。结果表明,该方法取得了比较精确的分割图像,并且在抗噪性能、边缘细节保护和分割效率等方面也有很好的效果。     

基于机器视觉的蜡质巢础的破损检测系统

[目的]采用机器视觉技术,对蜡质巢础片进行破损检测。[方法]首先对采集到的巢础片图像进行二值化、中值滤波和图像增强等预处理,然后采用区域生长法提取破损区域。根据破损区域的面积剔除破损巢础片。软件系统编写采用Labview及Imaq vision。[结果]经试验,破损区域的检出率可达到98.4%。[结论]采用机器视觉技术进行巢础片的破损检测,系统平均响应速度快、检测精度高,完全满足巢础自动化生产的要求。     

基于视觉滤波算子的农业图像去噪研究

[目的]农业图像中难免存在噪声,噪声会干扰有用目标的识别。为了准确提取农业图像中的有用信息,拓展图像处理技术在农业工程中的应用,有必要去除农业图像中的噪声。[方法]本文将一种改进的中值滤波与视觉滤波LOG算子结合起来,用于对农业图像进行去噪。首先,通过LOG算子将图像分为边缘图像和非边缘图像,然后采用一种改进的加权中值滤波处理非边缘图像,边缘图像与处理后的非边缘图像融合为最终的去噪图像。[结果]利用本算法对农业图像进行测试,与传统的中值滤波算法进行对比,并采用峰值信噪比作为滤波算法性能的客观评价指标,本算法的峰值信噪比高于传统中值滤波算法8.15%,有更好的降噪效果。[结论]因此,该算法的滤波效果优于传统中值滤波算法,可有效去除农业图像中诸多因素产生的噪声。     

基于脊波变换域BDND的农作物图像改进中值滤波算法

实地获取农作物图像对于农作物长势以及病虫害进行监测具有重要作用,对此,结合脊波变换这一多尺度图像分析方法,在图像脊波变换域引入了边界判别噪声检测方法(Boundary discrimination noise detection,BDND),对经典中值滤波算法进行了改进,提出了一种基于脊波变换域BDND改进的中值滤波算法。该方法首先对图像进行多尺度脊波变换,获得了低频和高频分解图像,考虑到低频图像的视觉特征,采用同态滤波方法进行增强处理;然后对高频图像结合区域灰度值分布特征,设定2个自适应阈值,将经过2次噪声检测后处于该2个阈值间的像素点标记为非噪声点,对其余像素点分别进行中值滤波;最后,对视觉效果改善的低频图像和滤波后的高频图像进行逆脊波变换。分别采用C++语言对中值滤波、脊波域阈值去噪以及本文算法进行编程试验。结果表明,本文算法对于农作物图像的滤波效果稍优于其余2种方法。     

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     

女贞高颈网蝽几何形态特征的提取与分析

拟利用图像处理与分析技术,对女贞高颈网蝽几何形态特征进行提取与分析,研究该技术在其雌雄鉴定中应用的可行性。通过扫描仪获取到女贞高颈网蝽雌雄各50头成虫的图片,利用Bug Shape V1.0软件自动获取该昆虫的面积、周长等10个几何形态特征参数,并使用该软件手动测量其体长和体宽,计算体长和体宽的比值,比较不同分辨率下各参数的差异和雌雄个体间的差异。结果表明,女贞高颈网蝽图像长轴长度、叶状性和圆形度不受分辨率高低的影响,虫体面积、等效圆半径、偏心率、球状性和圆形度在两性别间差异达到极显著水平。在利用面积、等效圆半径、偏心率、球状性和圆形度进行两性判别时,不同分辨率下的交叉判别正确率为84%~87%;使用手动测量参数时(1 200 dpi),交叉判别正确率为86%;而使用软件自动获取的10个参数进行判别时,交叉判别正确率为88%~90%。因此,利用该技术不但可以成功获取女贞高颈网蝽几何形态特征,而且初步实现了女贞高颈网蝽成虫雌雄个体的鉴定。     

基于数学形态学的植物叶片图像分割方法研究

传统的边缘检测算子均属于线性滤波方法.数学形态学是一种非线性滤波方法,能够保持图像的基本形状特征,在图像处理各个领域广泛应用.仅用边缘检测算子或者数学形态学处理都不能得到理想的分割效果.根据边缘算子检测的结果,进行形态学滤波、数学形态学运算,采取不同的结构元素反复实验对植物叶片边缘信息进行提取.不用传统目测方法而是通过定量的分析实验结果,表明了边缘检测基础上进行形态学处理的分割方法的有效性.     

黄瓜侵染性病害图像处理及特征值提取方法的研究

为了实现温室植物病害的智能化防治,采用数字图像处理技术对植物病害进行诊断已成为主要技术之一。就黄瓜侵染性病害的图象处理及特征值提取方法进行了研究。研究在图像预处理中,由于病变叶片形状大小不一、背景的存在和病状的不同,必然套对图像处理造成影响。本研究以选择图像的背景为切入点,分离了叶片与背景；利用边框裁减算法进行了图像处理窗口的确定,从而有效地提高了处理速度；比较了两种滤波的效果：选择邻域均值法作为颜色特征提取前的预处理,选择中值滤波作为纹理特征提取前的预处理；根据RGB三体对人眼的刺激程度的不同对图像进行了灰度化处理,从而简化了图像的处理难度．并提高了处理速度；利用双峰法从背景中分割出有效分析叶片部分,利用OSTU法将叶片正常部位与病态部位分割出来。从而为后续提取有效的病害诊断特征参数和建立模式识剐系统奠定了基础。     

蚕茧图像滤波效果定量分析

基于OpenCV和C＋＋，采用均值滤波、中值滤波和高斯滤波3种方法对采集到的多幅蚕茧图像进行降噪处理，通过计算峰值信噪比（PSNR）和均方误差（MSE）进行定量分析，结果表明，采用3×3模板的高斯滤波算法适用于蚕茧图像的降噪处理。     

基于机载LiDAR数据的林下地形提取算法比较与组合分析

激光雷达(LiDAR)克服了传统测量技术的缺点, 成为了获取DEM的新型手段。针对不同地形林区，选择合理的点云滤波算法，是提取林下地形的关键步骤。本研究在黑龙江省凉水自然保护区内选择了3块具有代表性的区域，分别为平缓山地林区、陡峭山地林区和复杂地区。以1:10 000地形图矢量化生成的高精度DEM为参考，评价了迭代线性最小二乘法、基于坡度法、不规则三角网法(TIN)点云滤波算法在3种地形的适应性。结果表明:不同算法有不同的适应区域。3种方法在平缓山地林区都具有良好的效果，决定系数(R2)均达到了0.98，均方根误差(RMSE)均低于0.21 m。迭代线性最小二乘法在复杂地区滤波效果最好，R2为0.94，RMSE为0.21 m；不规则三角网法在陡峭山地林区效果最好，R2为0.99，RMSE为1.43 m。但是，单一的方法在复杂区域情况下、陡峭山地林区，有明显的分类误差，会将植被分为地面点。为提高林下地形提取精度，本文提出不同滤波方法的组合双重滤波，结果表明，迭代线性最小二乘法和不规则三角网方法组合可以在减少参数调整情况下得到良好滤波效果，对复杂地区、陡峭山地林区滤波效果大大改善。      

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.     

基于阈值的极值中值新型滤波方法

针对图像滤波中去噪与细节保护的矛盾,在分析极值中值滤波方法的基础上,提出了一种基于阈值的极值中值新型滤波方法。该算法将受脉冲噪声污染图像中的像素点用预判断算子法进一步分为噪声点、边缘细节区和平坦区3种类型,然后做不同的处理以获得良好的细节保护效果。仿真试验结果表明,该方法在去除噪声的同时,能更好地保持图像边缘细节,具有较好的处理效果。     

耐辐射球菌抑菌圈试验过程中出现的问题与分析

[目的]分析耐辐射球菌抑菌圈试验过程中出现的问题并提出解决方法。[方法]采用已发表的基因组序列作参考，对来自于耐辐射球菌的所有菌株均用TCY培养基或者TGY平板在30℃条件下进行培养，参照Debabrota等的方法进行抑菌茵圈试验，所用突变体源于以前的试验。[结果]分析认为，在做耐辐射球菌抑菌圈试验的过程中，首先需要注意的是严格灭菌，每次重新拿到超净工作台上的离心管和钢圈都要进行严格的灭菌处理。试验前对上清液要进行高速离心，以防止在上清液中混有菌体，从而造成结果不准确。最好在进行抑菌圈试验以前，先对上清液中是否含有菌体做一个前期试验，以免造成后面不必要的麻烦。[结论]该研究所提出的解决方法对做好以后的试验具有借鉴意义.     

数字图像处理技术在叶面积测量中的应用

传统测量叶面积方法费时、低效,叶面积仪法高成本、维修不便。本研究利用图像处理技术测量叶面积,从解决图像阈值的分割、叶片阴影去除以及叶片边缘检测算法等问题出发,应用大津法求得阈值,中值滤波法去除杂点,采用Roberts算子检测边缘,进而计算叶面积。叶面积仪法与图像处理法比较叶面积值相关系数R²为0.962,剪纸法与图像处理法比较叶面积值相关系数R²为0.949,最后验证本方法适合大量叶面积的测量工作,且具有速度快、数据准确、精度高的特点。