基于Matlab7.0的大豆苗期土壤背景与杂草分割算法

解决大豆苗期图像中的土壤背景分割是大豆田间杂草识别的前提和基础.为了解决大豆苗期田间杂草识别中受光照影响及环境适应性差等问题,通过对400幅不同环境下苗期大豆图像的植被颜色和背景颜色分量的统计分析,得出用3基色红(R)绿(G)蓝(B)合成的同一像素点,绿色植被图像的颜色分量G值都大于R和B值,而背景则恰恰相反.研究表明,采用G-R和G-B双阈值颜色特征分割进行土壤背景分离取得了很好的效果,此方法较2G-R-B颜色特征分割法对绿色植物和土壤背景的分离更为有效,可广泛应用于处于各种农作物田间杂草识别及其它绿色植被分割中受光照变化影响较大的领域.     

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.     

基于机器视觉的水稻秧苗图像分割

水稻秧苗的识别是水稻插秧机自主导航系统的关键内容之一。针对插秧机机器视觉导航中稻田图像秧苗与背景分割问题,建立了基于RGB（红绿蓝）颜色空间的秧苗表面颜色模型。通过颜色特征对秧苗图像进行处理,使用Photoshop软件获取秧苗部分和背景R,G,B分量值;通过对G R值与G B值的分析统计,发现两者之间存在分界关系：各自的权重与各分量的乘积之和为某个定值;为方便分析,选取权值a,b为05,即ExG因子,采用Otsu法获取定值最佳值,最大程度分割出目标和背景。与适合于大多数绿色作物的传统RGB法进行比较,并采用分割质量因子和算法运算时间作为评判标准,分析各算法的综合性能。试验发现,ExG因子结合Otsu分割法分割效果相对理想、稳定性更高,而且耗时更短。     

基于图像处理的青冈栎叶绿素含量检测系统研究

为了实时、便捷、经济地获取植物叶绿素含量,研究了基于OPENCV机器视觉库的青冈栎叶绿素含量实时检测系统。首先通过数码照相机获得叶片图像,对图像进行阈值分割,图像噪声处理和图像遍历,获得图像R、G、B值。然后对图像R、G、B进行各种组合变化获到不同的图像颜色特征参数,分析各图像颜色特征参数与青冈栎叶片叶绿素含量的相关性,并对相关系数较高的叶片图像颜色特征参数与叶绿素含量进行拟合分析,结果显示图像特征参数R、R-B、(R-B)/(R+B)均达到非常显著相关。在此基础上建立叶绿素含量检测模型,基于C++程序语言,OPENCV视觉库以及QT4界面程序,编写青冈栎叶绿素含量检测系统。最后将系统检测结果与其他方法进行了比较,系统检测结果平均误差为7.19%,最大误差为12.65%,验证了该系统的有效性和准确性。     

基于改进Bernsen 二值化算法的 植物病害叶片病斑检测

针对大区域田间复杂背景下植物病害远程识别中的叶片病斑检测难问题,提出一种基于改进Bernsen二值化算法的植物病害远程检测方法。通过物联网采集不同区域的植物叶片图像,根据在RGB和HIS颜色空间中叶片病斑与正常叶片和背景的色调差异的特点,利用改进Bernsen二值化算法分别在图像的R、G、B、H 4个颜色通道上提取病斑,然后进行病斑图像融合,得到病斑图像。采用该方法对多幅物联网视频植物病害叶片图像进行病斑分割。实验结果表明,该算法在复杂背景环境下能够有效分割植物病斑图像,去除大量复杂背景,得到病斑图像。该方法能够为大区域植物病害远程智能监控系统提供技术指导。     

基于MATLAB获取甜菜冠层图像信息的研究

采用数字图像处理技术对作物进行氮素营养诊断已经成为主要技术之一。由于应用数字图像技术进行营养诊断需要前期数据支持,本文研究了基于MATLAB的图像预处理方法,图像分割方法,对原始RGB图像进行了有效的提取。使用MATLAB编程,首先对原RGB图像应用中值滤波法对原图像进行去噪处理,再进行后续图像分割工作,采用Otsu阈值分割方法去除阴影图像,利用HIS颜色模型中H通道图像选取特定阈值进行土壤分割,利用YCbYr颜色模型中Cb通道,选取Cb通道特定阈值进行白板阈值分割,最后得到只含有绿叶的RGB图像,再利用MATLAB编程统计得到绿叶所有像素点的R、G、B平均值,为后续甜菜营养诊断提供数据支持,创造了可行的前提条件。     

基于RGB颜色空间的猪肉大理石纹分割

自然光或白炽灯照射下的猪肉图像会因反光作用导致亮斑噪声,且猪肉大理石纹纹理具有细小、分布较散等特点,不利于大理石纹识别。针对上述问题,通过对比多种光源条件,找到最佳拍摄环境,避免图像出现亮斑噪声。提取猪背最长肌横截面图的RGB颜色空间的R、G、B 3个颜色分量图,分别用阈值分割法、模糊C均值聚类分割算法(FCM)和基于高斯核的模糊C均值聚类分割算法(KFCM),对R、G、B分量图进行分割试验,通过图像处理技术自动识别出猪肉大理石纹,研究结果表明KFCM算法在R分量图上的分割结果最优。     

利用数码相机测定苹果果实着色方法的研究

本研究提出的方法可用于测定田间、树上果实或在室内测定已采摘的果实,其原理是在生长发育期,苹果果实颜色主要涉及红色和绿色,利用数码相机拍照获取苹果果实的图像,利用软件对图像进行处理可得到表示果实红色的R值、表示果实绿色的G值,以及反映果实亮度的L值,以R/G比值(或者R/L比值)可表示苹果果实着色状况。在三个苹果品种上检验,结果表明一天内不同时间的测算结果重复性好;在12个苹果品种上进行实验,结果表明R/G比值小时果实为绿色,R/G比值大时果实为红色,其分界值大约是1.12,R/G比值≥1.55时果实着色好,R/G比值与果实颜色存在直观对应关系;在果实发育期对果实进行动态测定,结果表明随着果实着色增强,R/G比值增大,R/G比值是表示苹果果实着色状况的一个理想指标。R/L比值也可以表示苹果果实着色,R/L比值小时果实为绿色,R/L比值大时果实为红色,其分界值大约是1.14,R/L比值≥1.34时果实着色好。     

基于颜色特征的马铃薯绿皮检测

提出了一种基于颜色特征的马铃薯绿皮检测方法,该方法以颜色特征分析为基础,结合BP神经网络,实现对马铃薯绿皮缺陷的检测.首先建立马铃薯图片采集系统,采集丰富的绿皮马铃薯和优质马铃薯图像并对图像进行彩色图像增强.对绿皮缺陷和优质区域的颜色特征进行深入分析,提取出相对独立的特征参数R、G、B、H、P/G、B/(R+G).构建...     

水稻插秧机视觉导航基准线识别研究

针对水稻插秧机视觉导航的基准线提取问题,探索采用基于垂直投影法为基础的识别算法识别水稻稻田图像导航基准线。首先人工读取稻田图像中秧苗、水、秸秆残茬、泡沫和泥的R、G、B像素值,绘制RGB、HSI、I1I2I3颜色空间的各颜色分量灰度直方图,分析差异,选取正交彩色空间的I3颜色分量灰度值分割图像;用最大类间方差法求取分割阈值,成功地把秧苗和背景分割开得到二值图像;在分割后的二值图像上添加掩膜,去除图像上部左、右角断垄秧苗图像,提高基准线识别精度;采用垂直投影法提取定位点,经过分析判断后用稳健回归法拟合成直线,该直线作为水稻插秧机自主行走的导航基准线。将20幅稻田图像采用该算法提取基准线,并与人工提取的基准线进行比较。结果表明:单幅图像最小平均误差率为0.78%,20幅图像均误差率为2.33%,说明该方法具有一定的可行性,能够为水稻插秧机自主行走提供导航信息。     

猪肉背最长肌切面图像背景去除研究

 去除猪肉图像背景常采用图像分割技术来实现。基于阈值分割理论,对特定条件下的猪肉图像,进行了不同的阈值分割方法的比较研究。通过实验比较,去除猪肉图像背景的有效方法是利用RGB图像的R分量和G分量差进行灰度化处理,再利用阈值分割法,能较好的把背景和肌肉区域分离。     

基于改进颜色特征的小麦病害图像识别技术研究

[目的]介绍一种根据小麦病害图像的颜色特征进行病害识别的方法。[方法]首先对小麦叶部图像进行预处理,利用小波变换进行病害部位增强和去噪;然后基于病害部位的非绿特征进行图像分割,得到只包含病害像素的图像;对病害图像颜色进行统计,得到R、G、B分量的均值,并用相对于绿色分量的均值比作为颜色特征值;最后通过分析样本图像得到每种病害的特征值范围,利用颜色特征值对未知样本进行病害识别。[结果]采用该方法对小麦叶锈病、条锈病、白粉病进行识别,平均准确率达到98%。[结论]为小麦病害的诊断与诊治提供了理论依据。     

基于颜色指数与阈值法的稻田图像分割

为系统、全面地分析不同颜色指数对南方稻田图像分割的适应性,以分蘖期、拔节期稻田图像为研究对象,选择36种常用的颜色指数,采用Otsu阈值法开展基于颜色指数和阈值的图像分割研究,通过比较各颜色指数的分割结果,明确分蘖期和拔节期图像分割的主要干扰因素,筛选最适宜稻田图像分割的颜色指数。结果表明:水稻倒影、浮萍是分蘖期稻田图像分割的主要干扰因素,叶片镜面反射、浮萍和土壤阴影是拔节期稻田图像分割的主要干扰因素;组合指数COM2、MxEG、CIVE和GMR在分蘖期图像和拔节期图像均具有较好的分割精度。因此,基于颜色指数COM2、MxEG、CIVE、GMR和Otsu阈值的稻田图像分割方法对稻田图像分割的干扰要素具有较强的区分能力,分割精度较高,更适宜于南方稻田图像处理研究。     

基于可见光光谱的幼龄沉香图像分割与特征提取研究

为促进数字图像处理技术在珍贵树种营养分析中的高效应用，以幼龄沉香为研究对象，运用大津法与K-Means算法分别对试验获取的幼龄沉香可见光图像进行分割，对2种分割算法进行比较研究。基于图像分割结果，提取R、G、B等8种颜色特征并进行主成分分析，同时计算沉香图像的最小外接矩形的矩形度RE。结果表明，1）大津法与K-Means算法均可实现对多张幼龄沉香可见光图像的分割，大津法较K-Means算法分割速度快，但分割精度小于K-Means算法，在具体分割时应根据实际需要对2种算法进行选择。2）提取的8种颜色特征的3个主成分累计贡献率可达到99%，可作为颜色特征；最小外接矩形的矩形度RE能够表达沉香轮廓内面积CA与最小外接矩形面积LA的比值，可作为形状特征，将这种特征因子用于构建沉香微量元素含量预测模型，有利于缩短建模时间并提高模型的精度。综上所述，研究结果可促进数字图像处理技术在珍贵树种营养诊断中的进一步发展，为精准林业提供参考。     

基于颜色分量与直方图的玉米苗期背景分割方法研究

对土壤背景进行有效分割是玉米苗期田间杂草识别的前提和基础。本研究利用颜色分量G-R和G-B与灰度直方图来实现玉米苗期图像与背景图像的分割,解决了玉米苗期田间杂草识别中受影响及环境适应性差等问题。通过对不同环境下苗期玉米图像的植被颜色和背景颜色分量的统计分析表明,采用G-R和G-B双阈值颜色特征分割,进行土壤背景分离取得了很好的效果。     

利用G/R分量比值图分割水稻植株图像

在非实验室的环境下,利用水稻作物植株的RGB彩色图像计算的R分量与G分量的比值图分割水稻植株.比值图中水稻植株与周围环境的差异比较大,利用这一特点,用阈值分割的方法对图像进行分割,提取水稻植株,结果比较理想.对于大量图片水稻植株的提取,使用迭代的方法自动选择最佳的分割阈值,分割成功率较高.     

数码图像技术在杂交榛氮素营养诊断中的初步研究

为了研究利用数码图像技术进行杂交榛氮素营养诊断的可行性,采用数字扫描仪获取杂交榛叶片图像,分析不同时期杂交榛叶片含氮量与叶片色彩参数及SPAD值之间的相关性。结果表明,展叶后期和子房膨大期的SPAD值与叶片N含量间呈极显著正相关;展叶后期,H、B、NBI与叶片N含量呈极显著正相关,NGI、G/B、R/B与叶片N含量呈极显著负相关;子房膨大期,H、B、NBI与叶片N含量呈极显著正相关,NGI、G/R、G/B、R/B与叶片N含量呈极显著负相关;幼果迅速发育期,I、R、B与叶片N含量呈极显著正相关。可见,应用数字图像技术进行杂交榛氮素营养诊断是可行的。     

基于神经网络的植物图像分割算法的研究

图像分割是计算机视觉领域的关键技术之一,BP神经元网络被认为是好的学习分类方法之一。文中以6种植物图像为例,结合数字图像处理技术,采用BP神经元网络方法在植物图像颜色较复杂,且受周边环境影响较大的情况下,实现了植物图像与背景图像的分割。实验证明,与传统的分割方法比较,该方法是高效准确的。