基于图像信息熵的自适应Harris角点检测算法

为了克服Harris角点检测算法在提取角点时需要人为设定响应函数参数和阈值的问题,本文提出一种基于图像信息熵的自适应角点检测算法,利用合适尺度下的图像信息熵能够反映较多图像纹理信息的特点,在非极大值抑制时采用了图像信息熵的自适应阈值,并修改了角点响应函数,避免了阈值设定和参数设定的随机性。通过对添加盐粒噪声的图像进行角点检测并计算角点重复率,表明本文的算法在提取图片角点时有更好的稳定性,能够用于角点检测。     

基于角点检测的叶缘锯齿快速识别

叶缘锯齿特征是植物识别的重要特征。本文提出了一种运用图像角点检测技术对叶缘锯齿进行识别和定位的方法。该方法首先利用基于Harris算子的方法进行角点检测,然后通过人工调整阈值提高检测精度。研究结果表明,该方法便捷、高效,在叶缘的锯齿检测中取得了较好的效果。     

一种改进的摄像机标定方法

设计并实现了一种基于一阶径向畸变模型的摄像机标定方法。对方格标定模板图像进行预处理,缩小角点检测范围,对SUSAN算子的USAN面积域值进行快速自适应选取,提高了角点检测的速度和准确度。在考虑了一阶径向畸变的情况下,建立摄像机模型,利用匹配后的图像角点亚像素坐标,逐步求解了内外参数。结果表明,本方法具有较高的精度和良好的实时性。     

大豆植株分杈数自动提取算法研究

根据大豆植株分杈个数可以预估大豆的产量。为了满足现代农业预测农产品产量的需要,本文提出一种大豆植株分杈数自动提取算法,即首先将采集到的大豆植株图片进行灰度变换、滤波、阈值分割得到二值图像,再进行形态学中的闭运算操作得到大豆植株的轮廓,然后基于Zhang并行快速细化算法提取骨架,最后借助改进的角点检测算法对大豆植株的所有分杈点进行标记并自动统计分杈数,仿真结果与大豆植株实际分杈点一致。     

自适应Harris特征点检测算法在奶牛形体图像处理中的应用

针对奶牛形体图像特性,分析Harris特征点检测算法的应用和不足,提出1种自适应的Harris特征点检测算法,解决了特征点聚簇现象,检测出的特征点分布均匀。实验结果表明,该算法具有精确性、有效性和鲁棒性,为进一步的图像三维重建提供保证。     

基于多尺度角点的种子破损特征检测算法

针对种子破损局部特征的检测,提出一种基于多尺度角点准确性检测的簇分类算法。该算法对多尺度破损特征角点分类并进行分类点空间位置和尺度上非最大值抑制确定破损局部结构的簇候选特征点,并以候选特征点来参与特征准确性精化的迭代计算。试验结果表明,该算法去除了常规多尺度角点算法检测破损特征存在的冗余点,有效提高了多尺度下种子破损特征定位准确度,降低了迭代计算的时间复杂度。     

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。     

一种基于小波变换的边缘检测算法

目的利用小波变换,完成图像边缘的检测,提取能表征图像概貌的重要特征。方法学习并比较几种边缘检测方法,结合小波变换的多尺度特性,对小波变换分解的近似系数和高频系数进行处理,构建模值和幅角图像,提出一种基于小波变换的图像边缘检测算法。结果在MATLAB R2018b环境下,首先以屋顶图像为例,将算法与Roberts算子、Sobel算子、Canny算子、LOG算子进行对比,通过添加椒盐噪声与高斯白噪声,验证算法在边缘定位和抗噪方面取得了较好性能;然后将算法应用于其他图像,边缘检测效果依然稳定。结论基于小波变换的边缘检测算法具有较好的抗噪性与适应性。     

基于双目立体视觉的草坪植株高度测量

计算机视觉现已被广泛应用于诸多农业领域,有助于精准农业的发展,提高劳动生产效率。针对坐骑式零转弯半径(ZTR)割草机刀盘高度无级调节问题,利用双目立体视觉对草坪植株高度进行测量可推动其智能化发展。首先对地毯草灰度图像中的V分量进行图像增强、形态学处理、阈值分割等预处理提取出植株图像。本研究提出一种结合高通滤波与Foerstner的特征点检测算法,对提取后的植株图像进行特征点检测,该方法可有效去除伪角点,准确率在98%以上。利用双目标确定后的参数对左右2幅图像进行角点匹配,选取z轴方向数值最小的3个点构造假想地面并最终计算植株均高。结果表明,该高度测量系统可识别测量不同草种,且总体相对误差为1.5%,有效地提高了测量精度且适用范围较广。     

基于图像处理的大蒜瓣尖识别方法

通过大蒜蒜瓣形态特征的分析,提出了一种基于图像处理的SUSAN角点检测大蒜瓣尖的识别方法。SUSAN算子计算USAN值的大小判断蒜瓣图像角点,USAN值越小,角点处越尖,曲率越大,即为大蒜瓣尖。通过对350粒蒜粒的测试结果表明,该方法大蒜瓣尖检测准确率达到96%。     

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。     

基于数学形态学的植物叶片图像预处理

植物叶片图像的预处理是进行叶形特征提取和识别的重要前提,获得高质量的预处理叶片图像对计算机辅助植物识别十分重要.本文提出了基于数学形态学的植物叶片图像的预处理方法,运用数学形态学中的开运算和闭运算消除图像中的孤立噪声点并填补叶片内部孔洞.该方法保持了原图像的基本形状特征并能获得清晰的边缘,为叶片特征提取创造了良好的前提.     

图像细化及其连通性保持的方法研究

利用数学形态学的方法对电力工程图纸进行细化的问题进行了研究,给出了具体的算法步骤,通过实验获得了符合要求的细化图像。对于某些细化后会产生空洞、断点的原始图像,需要对细化后的图像运用闭运算进行填充以保持细化后图像的连通性。     

矮败小麦及其在矮化育种中的应用

矮败小麦是具有矮秆基因标记的显性核不育材料。它接受非矮秆品种的花粉,后代分离的矮秆株为雄性不育,非矮秆株为雄性可育。矮败小麦在轮回选择和矮化育种中有重要价值。     

基于形状与纹理特征的鱼类摄食状态检测方法

在水产养殖中,检测鱼类的摄食状态对于投喂控制具有重要意义。以镜鲤为实验对象,提出了一种基于鱼群图像的形状及纹理特征和BP神经网络的鱼群摄食行为检测方法。首先,对采集到的图片进行背景减、灰度化、二值化等处理,得到图像形状与纹理信息,然后计算鱼群图像的形状参数和图像熵,最后利用BP神经网络建模,对鱼群的摄食状态进行检测识别。结果显示,本方法的正确识别率达到98.0%。与单一的基于纹理的检测方法相比,不仅可以把因水面抖动、水花等不利因素的干扰作为纹理的特有属性进行分析,而且考虑了图像的形状信息,提高了检测的准确性,可以用于指导水产养殖中的精准投喂控制。     

基于模糊数学的公路路面裂痕检测技术

根据公路路面实际裂痕灰度值比背景灰度值低,而路面非背景和非裂痕像素灰度值比背景灰度值高或低很多,设计了一种基于模糊数学的公路路面裂痕检测的新技术.首先使用改进的基于乘性模型的灰度校正算法对原始图像进行预处理,接着根据OTSU最大类间方差法计算得到原图像前景与背景的最佳阈值作为渡越点,构造一个新的模糊隶属度函数对预处理后的图像进行模糊处理,然后用Sobel算子对模糊后的图像边缘检测判断得到含有裂痕信息的区域,最后用图像分割算法区域分割出含有裂痕信息的图像子块.实验证明,新提出的方法在处理速度和检测准确性方面基本能够满足实际需要,能实时、自动检测出模糊图像的裂痕.     

基于GF-2遥感影像的葡萄大棚信息提取

随着设施农业的不断发展，快速准确获取农业大棚的空间分布和种植面积有助于农业经济增长模式调整，实现农业资源的高效利用。以2017年5月的GF-2遥感影像 为数据源，在构建最优特征空间的基础上，采用面向对象随机森林分类方法开展南方丘陵地区葡萄大棚信息提取。结果表明：①利用尺度评价工具ESP和邻域差分绝对值与标准差比RMAS结合的方法可以实现特定地物目标的最优分割尺度选择，分割效果良好；②通过Gini指数进行特征选择能减少数据冗余，提高分类精度，在优选的15个特征变量中，光谱特征占有绝对优势，其次是纹理特征和几何特征；③基于最优特征子空间的随机森林模型能有效提取葡萄大棚的分布信息，总体精度高达92.5%，F值为0.91，其面向对象的精度评价指数GTC为0.12。 结果表明，该方法对基于GF-2影像的南方丘陵区域葡萄大棚信息提取具有较大的应用潜力，并可为其他地区的农业大棚信息提取提供较好的解决思路。     

基于GF-2遥感影像的葡萄大棚信息提取

随着设施农业的不断发展,快速准确获取农业大棚的空间分布和种植面积有助于农业经济增长模式调整,实现农业资源的高效利用。以2017年5月的GF-2遥感影像 为数据源,在构建最优特征空间的基础上,采用面向对象随机森林分类方法开展南方丘陵地区葡萄大棚信息提取。结果表明：①利用尺度评价工具ESP和邻域差分绝对值与标准差比RMAS结合的方法可以实现特定地物目标的最优分割尺度选择,分割效果良好;②通过Gini指数进行特征选择能减少数据冗余,提高分类精度,在优选的15个特征变量中,光谱特征占有绝对优势,其次是纹理特征和几何特征;③基于最优特征子空间的随机森林模型能有效提取葡萄大棚的分布信息,总体精度高达92.5%,F值为0.91,其面向对象的精度评价指数GTC为0.12。 结果表明,该方法对基于GF-2影像的南方丘陵区域葡萄大棚信息提取具有较大的应用潜力,并可为其他地区的农业大棚信息提取提供较好的解决思路。     

基于神经网络的水稻三化螟识别系统的研究

本文给出了一种基于图像处理和神经网络技术进行水稻三化螟识别的方法，即利用图像处理技术提取特征，利用MATLAB神经网络包进行识别。文中给出了系统的总体设计和实现方案，研究结果表明，该系统获得了理想的检测效果。这一思路为农田害虫自动识别提供了一种新方法。     

一种基于边缘形状的边缘连接方法

在图像处理领域,边缘检测是一个重要的步骤,在数字图像分割、立体匹配、目标识别等领域里有着重要的作用。在检测出来的边缘中,有很多间断的部分,这使图像分割变得更加困难,为使分割更加理想,需要将间断部分连接起来。本文提出一种应用差分原理,基于边缘形状的边缘连接方法。通过对新方法进行理论分析和对比实验,此方法能有效连接间断边缘。