苹果树图像分割算法研究综述

在国内外图像处理和机器视觉技术在苹果树图像分析应用相关研究的基础上,总结了专门针对苹果树图像分割技术的研究进展。按照图像分割的技术体系,分析了苹果树图像分割技术的主要研究进展,系统地总结了图像分割算法及其在苹果树图像应用上的特点,提出了苹果树图像分割算法的演进图,展望了苹果树图像分割算法研究发展的趋势,为基于图像处理及机器视觉技术的苹果信息化技术研究提供了参考。     

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。     

用于CMOS图像器件的超分辨率算法研究

提出一种基于CMOS图像器件的超分辨率图像合成算法,该方法将4幅沿水平、垂直及对角线方向错位获取的CMOS图像重新组合,得到一幅重建的新图像.对重建图像的像素灰度进行了理论分析和计算,求出了重建超分辨率图像的算法.结果表明,在不提高CMOS工艺水平的条件下,该算法能将重建的CMOS图像的分辨率提高到原图像的2×2倍.实现了CMOS图像器件的超分辨率图像合成算法.对该算法进行了计算机仿真,结果同理论分析计算的结果完全一致,证明了所提出的CMOS图像器件超分辨率算法是正确的.     

多帧图像融合提高分辨率的方法研究

多帧图像融合的目的在于复原截止频率之外的信息,以使图像获得更多的细节和信息,提高图像的分辨率.本文阐述了提高图像分辨率的关键技术,从图像匹配和运动估计入手,应用共轭梯度多帧图像融合方法对楔形空间分辨率测试图像进行了方法实验,证实了该方法的可行性与有效性.     

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。     

一种基于网络学习的图像特征融合新方法

提出了一种图像特征融合新方法,应用于分析和挖掘图像中蕴含的丰富信息.基于神经网络学习功能构建图像特征与内涵之间的映射关系,达到挖掘图像内涵的目的.研究以文物图像为研究对象,选择了100幅古建筑图像,提取图像特征信息及其蕴含的语义信息,构建神经网络学习样本库,训练神经网络学习.实验选取了6幅测试样本,神经网络学习结果验证了本文方法的可行性和实用性.     

图像分割技术之迭代算法在杂草识别中的应用

计算机图像处理是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。图像分割技术是图像处理之基本技术,图像分割就是在一幅影像中查找同类的区域。图像分割的应用范围涵盖了图像噪声的过滤以及特征的提取和识别。在介绍图像分割的主要特征的基础上,针对农田杂草识别中图像分割特点,提出了应用迭代算法的分割方法,并开发了相应的软件。实验验证该方法用于农田杂草识别前的图像的二值化处理,能够很好地消除图像噪声,得到连续的图像边界,可以有效地实现图像的二值化处理,为后续的杂草识别打下良好的基础。     

复杂背景下的树木图像提取

树木图像提取是将树木地面摄影图像中的单株树木与其周围景物分离的技术,为计算机技术在林业中的应用提供基础数据和技术支撑。在自然场景中拍摄的背景具有不确定性的树木图像,其提取是一项探索性很强的工作,具有重要的实用价值和现实意义。本文分析了复杂背景下树木图像的特点和提取的难点等问题;把近年来出现的树木图像提取方法按照图像分割和自然图像抠图分成两大类,并分别对每种方法中的典型算法进行了详细阐述。在此基础上,对图像分割与自然图像抠图技术在树木图像提取应用中的优势和局限性进行了分析和比较,提出把图像分割和自然图像抠图技术合理结合,针对树木图像特征,设计出准确、快速、实时的树木图像提取技术是未来研究的重点和难点。     

血液细胞图像分割方法综述

图像分割是图像处理的基础,是图像工程技术中的一个重要问题。本文简单介绍了图像分割的原理,系统地回顾了血液细胞图像分割的方法并进行了讨论。近年来,人们越来越重视血液细胞图像的分割算法,并期望寻求一种实时性、鲁棒性较好的算法。     

图像智能识别在水位监测中的研究与应用分析

图像智能识别在水位监测中起到关键的作用,图像智能识别取代了人工监测的应用,适用于各种类型的水位监测工作中。图像智能识别具有远程监控的功能,识别水资源中的水位图像,表现出了智能化的工作优势。图像智能识别解决了水位监测中的诸多难题,由此本文主要研究图像智能识别在水位监测中的相关应用。     

改进遗传算法结合Otsu算法的大田作物分割

针对部分田间图像由于其背景复杂、光照不均匀等导致很难确定图像分割的最佳阈值问题,提出了一种基于结合遗传算法Otsu算法改进的图像分割方法。首先对采集的图像进行预处理,基于预处理图像通过改进遗传算法中的选择、交叉、变异三种方法以及基于Otsu优化个体适应度函数,实现了可以自动调整遗传控制参数,既确保了物种的多样性又加快其收敛速度,为Otsu图像分割提供了最佳阈值,最后经过图像形态学对图像进行填充。将改进遗传算法的Otsu算法与基于遗传算法+Otsu算法进行图像分割以及基于遗传算法+Ksw熵值图像分割进行了对比,发现该算法得到的阈值范围较为稳定,使得分割后的图像准确、清晰,对于后期进行作物株数的统计或者植株的覆盖度有一定的帮助。     

多任务学习框架下的单帧图像超分辨率重建（英文）

为了充分利用图像的自相似性质,针对图像的超分辨率重建问题构造了一个多任务学习的问题,并基于高斯过程回归进一步扩展,提出了一个新颖的单帧图像超分辨率重建算法.该算法能够在图像的超分辨率重建结果中有效地抑制图像显著边缘处出现的噪声和伪影,并能生成视觉效果更为自然的高分辨率图像.实验表明该算法产生的高分辨率图像结果能够相当于甚至超越当前先进的算法.     

基于统计模型和方向小波的图像认证水印算法

设计了一种基于统计模型和方向小波的图像认证水印算法.提出了用方向小波变换生成图像方向流的算法,应用图像的方向流来刻画图像特征.并应用高斯分布统计模型构造出了水印修改的噪声可见强度.通过噪声可见强度筛选出含纹理信息较多的图像分块隐藏图像方向流.用户利用提取出的隐藏方向流信息和用方向小波生成的方向流作相关性检测,实现对图像的认证.该算法有较强的抗JPEG和噪声攻击能力,保证了水印图像的视觉质量和鲁棒性,并实现了盲检测,隐蔽性和安全性好.     

薏米视觉检测中图像采集环境的研究

[目的]优化薏米视觉检测中图像采集条件。[方法]在薏米视觉检测中通过图像采集设备采集薏米图像,以灰色、黑色、红色背景,在0～80 lx的光强区间,对采集后的图像进行阈值分割,采用阈值分割算法对图像进行处理。以分割图像薏米粒误差率为评价标准,分析了背景颜色、光照强度2个因素对薏米图像的影响,以确定薏米视觉检测中图像采集的最佳环境。[结果]较好的图像采集环境是黑色背景下50～60 lx的光照强度,其误差控制在6%,且在该光照区间旁光照强度上下浮动10 lx内误差也在10%内,这种环境能有效提高薏米图像的质量。[结论]优化薏米图像采集环境可大幅度降低图像噪声的影响,提高了薏米图像的质量。     

基于灰值形态学的不同聚集图像融合方法研究

提出了一种基于灰值形态学变换的多聚焦图像融合方法。针对不同聚焦的灰度图像,对其进行灰值形态学变换,先进行形态开运算再进行形态闭运算,然后对其采样,重复该过程可以得到不同大小的子图像;在相同的图像分解级上采用局部灰度值最大准则融合相应的子图像,对融合子图像先进行形态闭运算再进行开运算,然后降采样,最后重构得到融合结果图像。并将融合结果图像与标准测试图像进行了分析对比,对比结果表明,对不同聚焦灰度图像进行灰值形态学运算,所得到的图像融合效果好,运算效率高。     

用Quickbird图像划分可燃物类型

用高空间分辨率Quickbird图像对塔河林业局森林可燃物类型进行了划分,并将分类结果与TM图像划分结果进行了比较.结果表明:用Quickbird图像划分可燃物类型总体分类精度为79.35%,用TM图像划分总体分类精度为72.90%.使用Quickbird图像划分可燃物类型比TM图像分类精度提高了6.45%.     

关于我国电子政务与数字城市建设的思考

遥感图像受各种因素的干扰而影响解译精度.根据人类视觉和认知心理学的特点,在遥感解译过程中需要对遥感图像进行增强处理.本文结合机器视觉、图像处理领域在图像增强方面已经提出的一些方法,采用方向加权二维多级中值滤波方法进行图像处理.该方法突出了视觉处理目的,减少了运算量,达到了令人满意的增强效果,在原始图像比较复杂的情况下,可以改善、提高后期图像处理过程,如图像分析(解译)的正确性和有效性,为遥感图像解译提供良好的增强图像.同时该方法还可以很好地抑制图像噪声,突出边缘信息,达到了增强图像的目的.     

基于FPGA的实时图像边缘检测器的设计

利用Quartus II软件和VHDL语言实现了基于FPGA器件的实时图像边缘检测器的设计。设计的图像边缘检测器利用Sobel算子,通过基于乒乓操作的SDRAM图像存储模式以及全硬件实现,有效的提高了边缘检测的速度,实现了实时图像边缘检测的功能。实验结果表明所设计的实时图像边缘检测器能够快速准确的检测图像边缘信息,达到时处理的要求,可以应用于实时图像边缘检测以及其他实时图像处理的前端设计。     

图像处理中边缘检测技术的研究

图像的边缘是图像的基本特征之一,边缘检测是图像处理中的重要处理技术,分析了几种典型的图像边缘提取方法,对这些算子进行边缘检测时进行了性能比较。     

一种图像增强的混合算法研究

针对直方图均衡化方法增强图像时往往会同时增强噪声的问题,提出了一种新混合增强算法:首先对图像进行直方图均衡;然后对经直方图均衡处理后的图像做梯度锐化;最后将锐化后的图像进行灰度扩展,增大图像对比度。选取X射线成像和卫星图像作为待处理图像,分别用2种不同的方法以及笔者提出的方法对其进行处理,然后将处理后的图像进行对比。试验结果表明,该混合算法比其他几种方法效果更好,不仅增加了动态范围,增强了对比度,还丰富了图像细节,而且不会增强噪声。同时还分别用4邻域对比度、8邻域对比度、平均灰度和方差这4个参数对原图和处理后的图像进行对比。从对比结果可见,该算法可以显著提高图像对比度;对于整体灰度较低的图像,该算法还可以提高图像整体灰度;从方差对比结果来看,经该算法处理后,图像质量得到显著提高。