作物叶片面积检测算法的比较分析与MATLAB实现

利用MATLAB软件对作物叶片图像分别进行Sobel算子、Prewitt算子、Canny算子、形态学处理4种算法的处理,选择Sobel算子算法的处理结果进一步去噪,从而得到较适合进行图像面积运算的结果。     

基于机器视觉的禽蛋图像分割方法研究

探讨了一种新的图像分割算法,可对禽蛋表面图像中脏斑、血斑等信息进行高效、准确的分割.文中将由CCD摄像机获取的禽蛋图像首先采用改进的中值滤波方法去除噪声,然后将去噪后的图像使用Sobel边缘检测算子检测边缘,运用分裂合并算法对去噪图像进行多区域分割,从而得到较为明显的多区域图像,最后利用图像融合技术将Sobel算子检测...     

复杂背景与天气条件下的棉花叶片图像分割方法

为实现自然条件下棉花叶片的精准分割,提出一种粒子群(Particle swarm optimization,PSO)优化算法和K-means聚类算法混合的棉花叶片图像分割方法。本算法将棉花叶片图像在RGB颜色空间模式下采用二维卷积滤波进行去噪预处理,并将预处理后的彩色图像从RGB转换到目标与背景差异性最大的Q分量、超G分量、a*分量;随后在K均值聚类的一维数据空间中,利用PSO算法向全局像素解的子空间搜寻,通过迭代搜寻得到全局最优解,确定最佳聚类中心点,改善K均值聚类的收敛效果;最后,对像素进行聚类划分,从而得到棉花叶片分割结果。按照不同天气条件和不同背景采集了1 200幅棉花叶片样本图像,对本研究算法进行测试。试验结果表明:该算法对于晴天、阴天和雨天图像中目标(棉花叶片)分割准确率分别达到92.39%、93.55%、88.09%,总体平均分割精度为91.34%,并与传统K均值算法比较,总体平均分割精度提高了5.41%。分割结果表明,本研究算法能够对3种天气条件(晴天、阴天、雨天)与4种复杂背景(白地膜、黑地膜、秸秆、土壤)特征混合的棉花叶片图像实现准确分割,为棉花叶片的特征提取与病虫害识别等后续处理提供支持。     

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PLSA和颜色命名的小麦图像分割方法

为减少大田环境下光照不足对小麦图像分割的影响,以及提升小麦图像中偏黄叶片的提取效果,提出了将白平衡调整、局部同态滤波预处理和基于概率潜在语义分析(PLSA)模型的颜色命名算法相结合用于小麦图像分割的方法。首先,对大田采集的小麦图像进行白平衡调整,得到准确无偏色的图像;然后对光照不足的图像在HSI彩色模型下对亮度分量I进行局部同态滤波处理,以减少光照不足对图像的影响;最后在RGB彩色模型下基于PLSA模型构建的颜色名RGB值字典,提取图像中绿色和黄色像素点对应区域作为目标区域。结果表明,经白平衡调整后F1值提高1.61个百分点;光照不足图像经局部同态滤波处理后F1值提高12.43个百分点,分割效果明显提升;所提方法对绿色、叶片偏黄及光照不足的小麦图像分割的F1值分别为96.39%、97.29%和96.22%,均达到了较好的分割效果;所提方法与K-means聚类算法相比,虽点状噪音和细小孔洞相对较多,但在分割叶片偏黄小麦上F1值提高4.42%,整体分割效果较好,且稳定性强。     

基于全变分去噪和八方向sobel算子的叶脉提取算法

分析了已有的sobel边缘检测算子在植物叶脉提取不准确的原因。针对在主干叶脉及一些细小叶脉处理效果的不足,提出了一种新的改进算法。该算法首先结合全变分(TV)去噪模型对叶片进行去噪处理,然后基于叶脉走向的多方向性特点,在已有的2个或4个方向模板的基础上,增加其他方向的模板,构造新的包含8个方向的模板算子,利用此模板算子实现植物叶片的叶脉提取。试验结果表明,提出的算法与传统的叶脉提取算法比较,既能较好地去除噪声,又能保留叶脉的细节信息,达到充分提取主干及细小的叶脉的效果。     

小波变换的模极大值在图像边缘检测中的应用研究

边缘检测在图像处理中有着重要的作用.依据canny算子的核心思想,运用小波分析技术,提出了一种基于小波变换的模极大值边缘检测算法.仿真结果表明:该算法能提取图像较弱的边缘,有较好的去噪效果,且边缘有较强的连续性.优于传统的边缘检测算子.     

棉田复杂背景下棉花叶片分割方法

【目的】解决棉田复杂背景下棉花叶部病害快速识别问题,为提出一种快速提取棉花植株和分割棉花叶片的方法。【方法】通过棉花植株的RGB颜色特征将植株与土壤进行分离,结合形态学处理技术和彩色分割方法,将植株的茎秆去除,保留棉花叶片部分;分别使用广度搜索分割算法、分水岭分割算法和轮廓搜索分割算法,对棉花叶片图像进行分割提取。【结果】基于广度搜索的分割算法将叶片轮廓搜索出来与原图融合分离出叶片,该算法对于图像结构简单的情况分割效果较好,通过对应的drawContours函数将每个轮廓画出,再与原图定位,将叶片的完整信息也轮廓结合,实现叶片的分离。【结论】基于距离变换的分水岭分割算法存在过分割问题,基于广度搜索分割算法与边缘检测结合对于叶片结构清楚图像分割效果显著,与轮廓搜索算法相比,后者的适用性更广,提取的轮廓层次结构也清楚,分割效果最佳。     

结合边缘检测的农业图像非局部均值滤波算法

提出了1种结合边缘检测的农业图像自适应滤波算法。该算法首先对红外噪声图像采用LOG算子提取边缘图像;然后对于非边缘噪声图像采用非局部均值滤波算法进行处理;最后对边缘图像和滤波后的非边缘图像进行融合,得到最终的滤波后图像。分别采用农业图像对本算法的性能进行测试,与经典非局部均值滤波算法、已有的改进型非局部均值滤波算法、自适应维纳滤波算法进行去噪效果对比,并采用峰值信噪比（peak signal noise to ratio,PSNR）作为滤波算法性能的客观性评价指标,结果表明,本算法相对于其余算法而言,滤波效果较优,适合于农业图像处理。     

基于Sobel-TV模型的超声测井图像去噪算法研究

传统的TV模型对小尺度细节和噪声的图形去噪有很好的效果,但对纹理丰富和边界细小的图像会造成细节的丢失。根据超声测井图像的要求,提出了一种基于Sobel－TV模型的去噪方法。该方法在TV去噪模型的基础上引入Sobel算子来控制平滑程度,既提高图像的去噪效果,又保护图像的重要细节。处理结果表明,该方法能够有效地去除超声测井图像的噪声,保护了图像的边缘和细节,明显地改善了图像的视觉效果,算法简单、实用,对超声测井图像的后期处理具有较高的实用价值。     

基于改进深度学习的海量多媒体图像信息快速检索研究

目的 为了更为快速、准确地完成图像检索,提出一种基于改进深度学习的海量多媒体图像信息快速检索方法.方法 首先对多媒体图像进行预处理,包括混合滤波去噪和直方图均衡化,以此提升图像质量,然后对深度学习中的卷积神经网络进行改进,增加图像特征融合层,避免图像细节特征丢失,最后通过度量图像特征之间的相似度来完成图像信息检索.结果...     

复杂背景下昆虫图像的快速分割与识别

昆虫图像分割是昆虫图像的识别与鉴定的重点和难点.目前,昆虫分割算法速度慢、过程复杂且大多数只针对于单一背景图像.为了更准确高效地实现昆虫图像的前景背景图像分离,提出一种基于逐像素聚类的端对端的昆虫图像分割方法,能够同时实现复杂背景下的昆虫图像分割与昆虫种类识别.采用覆盖5个昆虫目级阶元的37种实际场景下拍摄的昆虫图像作为研究对象,首先通过试验确定所提模型的最优参数设置,选择ResNet101作为分割模型的主干特征提取网络,在IoU取0.50时,其掩膜分支平均准确度均值、定位平均准确度均值及平均识别误差率分别为93.15％、95.06％和12.12％,分割每张昆虫图像仅需0.080 s,所提模型能够同步实现复杂背景下昆虫目标与背景的快速准确分割并进行分类.     

名优绿茶嫩芽识别与定位方法研究

由于人工采摘名优绿茶效率太低,严重制约了名优绿茶产业的发展。研究具有选择性且能快速准确采摘名优绿茶的智能系统迫在眉睫。而嫩芽识别和定位则是实现名优绿茶机械采摘的前提,因此,开展了名优绿茶嫩芽识别与定位方法的研究。基于RGB颜色空间采用三基色以及组合因子对图像进行灰度化处理,利用维纳滤波和梯度增强技术对处理后的图像进行滤波去噪,采用大津法和迭代法分割图像获取二值图像;借助MATLAB软件对相机进行标定处理获取各项内外参数,然后采用质心法对目标进行定位。结果表明,利用G-B索引因子结合迭代法能较大程度地识别出嫩芽目标,采用张氏标定法能在误差要求范围内对目标质心进行定位,且实时性较高。     

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。     

一种用于遥感图像增强的聚合算法

遥感图像是借助传感器从云层获取地面信息的一种图像。该文章针对遥感图像的处理，提出一种用于遥感图像增强的聚合算法。算法研究过程中，从图像去雾、图像对比度、图像分辨率三个方面采用不同的处理算法进行相同的处理，分析处理结果后选出各部分的最优算法；并将每个处理环节的最优算法相结合，融合出一种遥感图像增强的最优聚合算法。融合后的算法更适合对遥感图像进行增强处理。     

改进BP神经网络和特征提取的黄瓜病害识别研究

快速、准确地识别黄瓜病害类型,制定防治方案并采取相关措施,是保障黄瓜良好生长的前提条件.为此,该研究提出采用随机梯度下降法的改进BP神经网络结合颜色特征和纹理特征的方法对黄瓜叶病害进行识别.首先,对采集的已归档分类后黄瓜的3种病害图像进行尺寸归一化和数据增强等预处理,其次,通过分析选择RGB图像的R分量、灰度共生矩阵的对比度、熵和能量作为特征提取参数;再次,构建改进的BP网络,运用提取到的特征参数对黄瓜病害叶片进行分类识别.结果表明,采用该方法黄瓜叶病害的识别率可达91.33％,说明该方法能较好地识别病害,具有较好的鲁棒性.     

基于有机磷农药残留检测的遗传模拟退火算法研究

基于乙酰胆碱酯酶检测卡与有机磷农药的显色反应,搭建了一套快速获取反应后图像的机器视觉系统,完成了图像的去噪、边缘提取等处理过程,准确提取出检测卡的RGB数值。基于RGB彩色模型,实现了遗传模拟退火算法建立农药残留检测卡R、B颜色特征与农残浓度之间的非线性映射关系。实验证明遗传模拟退火算法对农药残留检测的标定均方根误差小,确定系数高,拟合优势大。     

基于离散脊波变换的农作物图像去噪算法

由于农作物生长环境的复杂性,导致在获取农作物图像过程中或多或少存在一定程度的噪声,这给农作物成熟果实的自动化采摘造成了很大不便。因此,结合离散脊波变换,提出了1种农作物图像自适应去噪算法,该算法通过对图像实现多尺度脊波变换,保持低频分解系数不变,对于高频分解系数,首先分别采用改进非局部均值滤波算法(improved non-local means filtering,INLM)以及改进小波硬阈值去噪模型进行消噪;然后实现低频分解系数与各自消噪后的高频分解系数重构,从而获得2幅重构图像;最后实现2幅重构图像的等权融合处理,获得消噪后的农作物图像。结合相关试验,分别将该算法与经典非局部均值滤波算法(non-local means filtering,NLM)、已有的改进非局部均值滤波算法以及小波硬阈值去噪算法进行去噪效果比较,主观、客观分析结果表明,用该研究算法处理后的图像清晰度较高且残留噪声较少。     

基于RGB彩色空间的原木端面图像参数测算研究

[目的]根据原木端面图像的彩色特征,提出一种基于RGB颜色空间的彩色图像分割算法。[方法]选取图像中指定区域作为样本,统计样本中像素点的彩色分量,利用其彩色阈值区间,通过逐点匹配法对图像进行分割。[结果]该方法不仅消除了阴影干扰,而且能够准确地对原木端面进行分割。分割结果图像优化处理后,完整地反映出图像中的原木端面。采用目标图像外接矩形的内接椭圆算法对原木端面图像进行参数测算,结果表明,该算法的测算结果相对误差小于0.5%。[结论]基于RGB彩色空间的原木端面图像分隔方法分隔效果较优,参数测算结果较准确。     

一种基于标准白板的颜色校正方法

本研究提出了一种基于标准白板的颜色校正方法。首先制作一块标准白板。在标准色温下拍摄附带标准白板的景物,得到标准图像,通过程序统计出图像中白板区域的RGB三色的各自均值,作为颜色校正的基准值。同样,得到在非标准色温下白板区域的RGB三色的各自均值。两组值相比较,得到非标准图像RGB三色各自的校正系数,然后按此系数对整个图像的每个象素进行校正。试验结果表明,校正图像与标准图像不仅在视觉上可达到一致,并且在数值上也能达到基本一致,该方法通过计算机编程来实现简单实用,快速准确。