基于冻融循环的土壤物理状态的自动判别

以东北典型黑土区土壤为研究对象,采用CT扫描技术与图像处理相结合的方法,通过灰度共生矩阵和主成分分析法提取图像特征,计算测试图像特征向量与训练图像特征向量间的欧氏距离,以此为依据,实现对经历不同冻融循环次数土壤的自动判别。研究结果表明:面向土壤CT图像数据库,基于灰度共生矩阵和主成分分析提取的图像特征,均能实现对土壤的自动判别,但灰度共生矩阵法的判别正确率要高于主成分分析法。     

谷物检测中机器视觉技术的应用进展

谷物自动检测的基本思路是利用数字图像处理技术和模式识别技术,首先对获取的谷物子粒图像进行预处理,其次提取谷物子粒图像的特征,然后对提取的特征进行分析和处理之后送入分类器中识别.以图像处理、图像分析、图像识别这3个步骤为主线综述在谷物自动检测中机器视觉相关技术的应用进展,并说明了各种方法的适用范围.     

基于图像特征的猪肉新鲜度无损检测方法

以计算机视觉为基础,研究使用图像特征检测猪肉新鲜度的方法,通过对采集到的猪肉图像进行消噪和图像分割处理,从背景中分离出猪肉样本图像用于进一步处理;提出颜色区域比作为检测猪肉新鲜度的图像特征,使用聚类算法检验图像特征与新鲜度的相关性,并计算出分类阈值用于新鲜度检测.经试验验证颜色区域比与猪肉新鲜度间有较高的相关性,且本方法能够实现对猪肉新鲜度的检测和分类.     

汽车牌照雨点和喷溅泥噪声图像的去噪研究

图像通常都存在着各种不易消除的噪声,在图像处理中,寻求1种既能有效地减少噪声、又能很好地保留图像边缘信息的方法,一直是人们追求的目标。本文对图像去噪进行了综合分析,对汽车牌照的雨点和喷溅泥噪声图像建立数学模型,并用小波阈值去噪的方法对含噪图像进行去噪研究,指出研究的技术路线和实验方法,并给出研究的初步结果。     

基于图像处理的中华绒螯蟹性早熟问题的研究

研究了规格和颜色特征与中华绒螯蟹性早熟的关系,运用图像平滑、HSI选取、膨胀与腐蚀、颜色量化等方法对其图像进行处理,得到中华绒螯蟹的规格和颜色特征,为鉴别中华绒螯蟹的性早熟提供了方便、快捷、客观的依据。     

基于颜色和纹理特征的柑橘自动分级

以柑橘为供试对象,研究了计算机视觉分级中的柑橘图像采集和图像信息处理方法。利用单个摄像机对每个柑橘从4个侧面采集4幅图像,利用4幅图像特征的平均值作为该样本的最终特征,研究基于果实颜色和表面纹理的柑橘图像快速处理分级技术。以人工感官鉴评结果作为分级标准,以训练好的概率神经网络对60个柑橘样本进行了分级试验。结果表明:系统对各级水果的识别成功率略有不同,对一级果和四级果的识别率最高,二级和三级果的识别率稍低,整体识别率约为85%。     

基层农技员信息特征分析 ——以江西省景德镇市基层农技推广体系为例

利用定性研究与定量研究(主成分分析法、多维度偏好分析法)相结合的方法,以江西省景德镇市基层农技员信息特征实地调研数据的处理和分析为基础,深入了解基层农技员的基本情况、农技推广现状、存在问题以及信息需求、信息获取渠道、媒介使用倾向性等方面信息,并根据这些特征从多个角度提出了未来工作展望,以促进基层农技员业务水平及综合素质等各方面的提升。     

利用图像处理对滚筒料幕完整性分析的一种方法

为了研究烟草加工过程中滚筒内物料料幕的完整性,建立了一种图像分析的方法:通过适当的方法拍摄下滚筒内的物料料幕图像,使用Image-pro plus图像处理技术对图像处理、测量,比较固定截面内露出筒壁的面积占固定图像面积的比例。对图像特征进行量化,从而对不同条件(物料流量、滚筒转速等)下料幕的完整性进行比较,确定了较优的工艺参数。     

成品油上倾管道油水两相流相分布识别方法

成品油携水沿上倾管道流动会产生复杂的流动型态,准确识别油水两相在上倾管道中的分布特征是深入认识油携水规律的基础。针对实验中采集的上倾管油水两相流图像,提出一种基于图像处理的上倾管道油水两相分布特征识别方法:将原始图像转化为灰度图像,剔除图像中的无用信息;调整图像的灰度,以提升对比度,凸显图像细节;对图像进行中值滤波处理,消除图像拍摄过程中的随机噪声;对图像进行边缘检测,分割出油水两相边界,识别出相分布特征。该方法可以分割出清晰的油水两相边界,从而识别出管道中油水两相流的相分布特征。研究成果适用于各种工况下油水两相相分布特征识别,为多相流图像处理特别是流型识别提供了指导。     

图像处理技术在提取玉米图像骨架上的应用

作物的形态特征对于作物的育种工作、生长状况监测、分类方面都有很重要的意义,然而通过人工计数、测量的方法来获取这些信息费时费力.本文研究利用图像处理的方法来获取单株玉米图像骨架的技术.     

多重分形理论在玉米病害图像特征提取中的应用

【目的】分析不同玉米病害图像特征,提取病害图像特征参数,探讨准确、快速的病害图像特征数据提取方法。【方法】采用多重分形的分析方法和提升格式的多小波变换对玉米病害图像进行预处理,去除图像噪声。利用多重分形谱理论对去噪后的玉米病害图像进行局部边缘提取,并采用玉米病害图像多重分形谱的特征值作为玉米病害的形状特征。【结果】该方法可以获得玉米病害图像对应的多重分形谱曲线,并采集N8个特征值作为病害图像的特征参数。发现不同玉米病害图像的特征参数有较大差异,而同类玉米病害图像的形状特征参数有一定的规律性。【结论】基于多重分形理论的玉米病害特征参数的提取方法能快速、有效地提取反映病害图像特征的参数,可为玉米病害图像智能识别的进一步研究提供参考。     

一种使用多特征的鱼类图像检索方法

为解决数量巨大、特征复杂的鱼类图像难以用单个特征准确描述,以至于给鱼类图像检索带来困难的问题,提出了一种基于多特征的鱼类图像检索方法——MFFIR,并针对鱼类图像的特点设计了由颜色直方图、特征矩和Gabor特征构成多维特征向量。在此基础上,采用MFFIR法通过计算多维特征向量的特征相关性,实现了鱼类图像的匹配与检索。为验证此方法的有效性,使用"QUT_fish_data"数据集和"DLOU_fish_data"数据集进行了仿真实验,实验结果表明,MFFIR法具有较好的准确率和较强的鲁棒性。     

基于纹理特征的SPOT-5影像马尾松毛虫害信息提取

以福建沙县为研究区,以SPOT-5影像为数据源,采用灰度共生矩阵方法提取健康林分与受害林分的纹理特征,构建最佳纹理量,分别采用像元统计和面向对象的方法进行虫害信息提取,结果精度分别为72.00%、74.75%。研究结果证明了利用遥感影像纹理特征进行马尾松毛虫害监测的可行性,为利用融合影像光谱信息与纹理信息进行虫害信息提取研究提供了实例支撑和技术参考,同时面向对象的方法优于传统的基于像元统计的分类方法,精度稍高,"椒盐现象"也有所改善。     

黄顶菊种子的图像分割及特征提取

针对黄顶菊种子人工识别时存在的主观性强、效率低、可重复性差等缺点,提出利用计算机视觉和图像处理技术提取黄顶菊种子特征参数的方法,研究了黄顶菊种子图像的分割方法、目标提取及种子图像中形态和颜色特征的提取方法,分析了各形态特征参数的相关性,筛选出了能精确反映黄顶菊种子几何特征的参数,验证了各特征参数提取方法的有效性,为后期的种子自动识别提供了依据。     

最佳特征影像组合综合选择指数的研究

最佳特征影像组合的选择是决定遥感影像信息提取与影像分类效果的关键环节之一。本文在分析多种定量选择方法的基础上，对不同方法的相关性及其存在的差异进行了深入的探讨，提出了综合选择指数法，经试验初步认为综合选择指数能较好地进行最佳特征影像组合的选择，并提出了构建综合选择指数模型的方法与原则。     

长白落叶松人工林木材构造计算机视觉分析的研究

应用计算机视觉技术对长白落叶松人工林木材解剖特下及其材性变异规律进行分析，建立了木材解剖特征计算机视觉分析系统，提出了适合木材解剖牲的图象处理分析方法。对木材解剖特征灰度图象的二值化处理过程中，最佳阈值的判定与选择、图象质量的改善等提出了具体的实现方法。测量了长白落叶松人工林木材分子的几何尺寸，如管胞的径向和弦向外径和内径，管胞的壁厚，以及生长轮内木材的胞壁率等，并对管胞分子的边缘进行检测。得出了     

基于机器视觉的茶叶等级区分

提出利用机器视觉和matlab图像处理技术来区分茶叶的等级。以4个等级的绿茶为实验对象,通过提取不同等级茶叶的图像形状特征参数,采用多类逐步分析法进行特征优化并建立区分模型,实现了室内条件下茶叶等级的区分,正确率达81.25%。     

基于图像处理技术的四种苜蓿叶部病害的识别

基于图像处理技术,对4种苜蓿叶部病害进行识别研究。利用结合K中值聚类算法和线性判别分析的分割方法对病斑图像作分割,获得了较好的分割效果。结果表明:该分割方法在由4种病害图像数据集整合成的汇总图像数据集上综合得分的平均值和中值分别为0.877 1和0.899 7;召回率的平均值和中值分别为0.829 4和0.851 4;准确率的平均值和中值分别为0.924 9和0.942 4。进一步提取病斑图像的颜色特征、形状特征和纹理特征共计129个,利用朴素贝叶斯方法和线性判别分析方法建立病害识别模型,并结合顺序前向选择方法实现特征筛选,分别获得最优特征子集;同时利用这2个最优特征子集,结合支持向量机(Support vector machine,SVM)建立病害识别模型。比较各模型的识别效果,发现利用所建线性判别分析模型下的最优特征子集,结合SVM建立的病害识别模型识别效果最好,训练集识别正确率为96.18%,测试集识别正确率为93.10%。由此可见,本研究所建基于图像处理技术的病害识别模型可用于识别上述4种苜蓿叶部病害,为苜蓿病害的诊断和鉴别提供了一定依据。     

水稻稻瘟病图像识别预处理方法研究

为了实现计算机对水稻稻瘟病病害的自动识别,研究了水稻稻瘟病病斑图像的预处理和形状特征提取方法。试验中利用灰度变换、直方图均衡化及中值滤波法有效去除了噪声和增强了图像,利用拉氏算子对病斑图像进行边缘检测,准确提取了病斑的形状特征,实现了稻瘟病图像目标分割。这些研究为进一步的特征参数提取及最终病害确定打下基础。     

针叶苗木计算机视觉特征提取方法

为解决基于计算机视觉技术的针叶树种苗木自动分级系统的关键技术问题,提出了一种应用精确定位的苗木图像特征标志点提取苗木计算机视觉特征的新方法。该方法通过分析苗木的形态特征。利用苗木图像灰度矩阵和背景分离的灰度矩阵分别得到了５个特征标志点和苗木轴向边缘标志点矩阵。并在标志点的基础上,应用相应的计算方法实现了苗高、地径、根长、冠投影面积、根投影面积等１２个苗木视觉特征量的提取,为苗木自动分类器提供了有效的特征输入。实验结果表明,本方法具有计算速度快、易于实现、测量准确等优点。