基于Sobel算子边缘检测的麦穗图像分割

单位面积麦穗数是小麦产量预测的一个重要参数,如何从图像上自动识别出麦穗数是测产的关键。为此,使用Sobel算子对麦穗图像进行边缘检测,使麦穗从混有少量杂草的模糊的背景中分割开,并与加权平均法、G分量法和最大值法处理后的图像进行了比较。随机选取麦穗无交叉的50幅图像样本,分别使用上述方法处理,Sobel算子法与其他3种方法相比,图像分割的总体耗时至少减少了10%。实验结果表明,Sobel算子对麦穗图像分割是有效的。     

基于分块阈值和边缘检测的叶片分割算法

针对复杂的植物叶片图像,提出了一种分块阈值、边缘检测相结合的图像分割算法。首先,根据预先确定的子块的大小,把整幅图像划分成若干数目的子块,对每个子块用大津法进行分割,把分割好后得到的子图像拼接起来形成目标图像;然后,用改进的Sobel边缘算子对原图像进行边缘提取分割;最后,把分块阈值得到的结果与边缘检测得到的结果结合起来得到较优的结果;在此基础上再进行腐蚀、填洞等形态学操作,得到最终的分割结果。实验表明:与传统的分块阈值、边缘检测相比较,此算法的抗噪性较好,细节上分割得也较为清楚,具有较好的分割效果。     

基于MATLAB的奶牛数字图像边缘的提取

奶牛数字图像边缘提取是奶牛体型线性评定的前期准备.为此,详细介绍了Sobel算子、Roberts算子、Prewitt算子、LOG算子和Canny算子,分别用这些算子对奶牛数字图像进行MATLAB仿真,并对仿真结果进行了分析比较.结果表明,采用改进后的Canny算子提取奶牛数字图像边缘能够有效地抑制噪声,图像连续性好,比较完整地显示了奶牛图像的整个边缘.     

数字图像处理技术在金相分析中的应用研究

全面介绍了利用计算机对12Cr1MoV钢金相图像处理的相关方法。同时,阐述了金相图像的获取,采用直方图均衡化的方法对图像进行了增强,使用中值滤波器对图像进行了降噪处理,分析了小波算法的降噪机理,并使用小波进行了降噪处理,将空间域滤波和频域滤波的效果进行了比较,利用数学形态学的方法对图像效果进行改善,使得珠光体的轮廓变得平滑、清晰。使用Sobel算子、LoG算子进行珠光体的边缘提取,利用LoG算子对目标物的边缘检测取得了比较满意的效果,研究表明数字图像处理技术使用在金相分析中,具有速度快、准确性高等特点。     

采摘机器人动作技巧训练研究与应用——基于足球比赛标准动作检测系统

在草莓等易破碎果实的采摘过程中,为了降低果实的破损率,提高机器人的采摘效率,提出了一种基于标准动作边缘检测捕捉算法的采摘机器人动作技巧训练方法。该方法参考了在激烈对抗比赛中足球标准动作边缘检测的技术,可以实现机器人作业最佳动作的捕捉。为了提高边缘检测的效果,对Sobel算子、Reborts算子、Log算子、Canny算子等进行了对比,最终选取精确度较高的Log算子进行图像边缘的检测。以仿真和实验两种方法对方案进行了验证,结果表明:利用该方案可以有效地对采摘机器人的最佳姿态进行捕捉,且采用该方案对采摘机器人进行训练可以明显降低采摘过程中的果实破损率,为现代高精度采摘机器人的设计提供了技术参考。     

鸭蛋品质检测分级系统中的图像处理

在鸭蛋品质检测分级系统中,图像处理问题涉及边缘检测和边缘模糊矫正两大方面。对于边缘检测采用常规的灰度不连续理论,选用Sobel算子对成像区域进行从上至下、从左至右的矩阵搜索;用最小值滤波法解决边缘模糊矫正。研究和实践表明,经过处理后的图像在颜色和大小上与静止时的图像一致。     

虫眼板栗的图像识别方法研究

针对板栗易发生虫害、虫眼的形状和大小等不定、不易识别的情况,研究了一种基于图像处理技术识别虫眼板栗的方法.采用中值滤波法对图像进行消噪;采用微分算子对板栗图像进行边缘检测,经膨胀和腐蚀等形态学运算实现了背景分割;采用Otsu法将图像转换成二值图像,经形态学处理后与模板进行异或运算,提取了虫眼面积特征值;设置两个不同的敏感度阈值并将由Sobel算子得到的边界提取图进行相减,提取了虫眼边缘特征向量.试验结果表明,该识别方法的正确率可达88.9%.     

基于改进残差网络的园林害虫图像识别

针对北方园林害虫识别问题,提出了一种基于改进残差网络的害虫图像识别方法。首先,采用富边缘检测算法,将中值滤波、Sobel算子和Canny算子相结合,对害虫图像进行边缘检测;然后,改进残差网络中的残差块,通过添加卷积层和增加通道数提取更多的害虫图像特征,并将贝叶斯方法运用于改进后的网络中,优化超参数;最后,将预处理的害虫图像输入神经网络中,利用分块共轭算法优化网络权重。对38种北方园林害虫进行了识别,试验结果表明,在相同数据集下,与3种传统害虫识别方法相比,本文方法的平均识别准确率平均提高9. 6个百分点,加权平均分数分别提高16. 3、10. 8、4. 5个百分点。     

基于Laplace边缘检测算法虚拟植物系统的研究与实现

将计算机信息技术引入农业生产研究是目前农业生产研究的新发展方向,并伴随产生了农业信息化这样的新领域。植物叶片几何形状的识别是农业信息化结合数字图像处理技术的一个方面。为此,通过理论分析和仿真计算对研究植物叶片形状的传统图像边缘检测技术进行了分析比较,并创造性地提出了利用Laplace边缘检测算子来改进植物叶片几何形状的识别与检测系统。Laplace边缘检测算子的二维几何形态的建模具有数据的表达与复制的功能,通过生成的图像处理数据更加准确地识别与检测不同种类植物叶片的形态,为农业生产研究者提供更加有效、更加准确的研究数据。     

长翅灰飞虱图像边缘的多区域多结构检测方法

采用Sobel等4种常用方法检测长翅灰飞虱翅膀、爪子等多细节边缘时,会出现边缘不明显、噪声干扰大等问题.采用形态学单结构腐蚀边缘检测也不理想,其边缘间断数和像素损失率最小值分别为10和0.689%.为此.对长翅灰飞虱图像先进行区域划分,以使单个区域的检测得到简化,并针对划分后的各个区域采用形态学多结构方法构造了膨胀腐蚀型边缘检测算子进行边缘检测.试验结果表明:这种划分区域并结合多结构的方法能提高对长翅灰飞虱边缘的检测能力,其边缘间断数和像素损失率最小值分别为3和0.554%.     

基于最小距离求交的狭叶锦鸡儿叶片横切面宽度测量

针对传统叶片横切面宽度测量效率低、劳动强度大、重现性差,已有图像处理算法与实际测量方式不匹配等问题,以狭叶锦鸡儿叶切片为研究对象,根据叶片横切面特点,提出基于最小距离求交算法实现其宽度测量。首先将采用同态滤波对叶片横切面图像进行光照补偿;接着将灰度化后图像采用最大类间方差法(Otsu)将叶片整体从背景中分离,并使用形态学处理算法,消除初分割边缘毛刺,填充存在的孔洞;然后采用Sobel算子提取边缘,使用快速行进骨架提取算法提取目标骨架;最后采用本文提出的最小距离求交法确定宽度测量点,使用欧几里得算法计算两点间图上距离,将其除以对应比例关系,得到实际叶片横切面宽度。实验结果表明:对供试叶片宽度测量均值约为646.31μm,均方根误差RMSE约为3.065,相较ToupTek Toupview软件交互测量,相对误差约为0.42%,满足实际测量需求。     

基于数学形态滤波算子的黄顶菊种子图像边缘检测

黄顶菊种子边缘检测是进行黄顶菊种子形态特征提取和分析的基础.经典的边缘检测算法由于抗噪声能力差,无法精确检测出黄顶菊种子的边缘.为此,运用数学形态学的基本原理和方法,提出了一种基于数学形态滤波器的二值图像边缘检测算法,应用于黄顶菊种子图像的边缘检测.实验结果表明,提出的边缘检测算法的性能明显优于经典的边缘检测算法,不仅能够准确、有效、完整地提取出黄顶菊种子的边缘,同时能有效地去除噪声.     

基于数字图像处理技术的叶绿素含量检测系统

采用数字图像处理技术对叶片图像进行图像分割,将叶片从背景图像中分离出来,并针对叶片图像的各种颜色特征值与叶绿素含量进行相关性分析,建立回归模型。将拟合度最高的颜色特征值作为预测叶绿素含量的最佳模型。实验表明:采用此方法检测的叶绿素值与传统分光光度计检测方法相比较,准确率达到了89.7%;采用的颜色特征值与叶绿素含量的相关性达到-0.968。     

基于图像处理的叶斑病分级方法的研究

针对目前植物病害染病程度判别中以目测为主,存在着主观随意的缺陷,开发出一种基于计算机图像处理技术的病害分级新方法.同时,分析了图像分割中存在的各影响因素,运用Otsu法提取出叶片区域;提出在HSI颜色空间下选择H分量分割病斑以减少光照变化和叶脉的干扰,使用Sobel算子检测病斑边缘,分割出病斑区域,并通过计算病斑面积占叶片面积的百分比给出病害的染病级别.研究表明,使用该方法对植物叶部病害严重度进行分级具有快速精确的特点.     

色差边缘检测方法在杂草识别中的研究

田间作物与杂草的识别是实现变量喷洒除草药剂的关键.为此,提出了田间作物和杂草的叶子颜色信息以及HSI颜色模型研究的基础上,提出了一种与HSI空间3分量相互分离的特点相结合的色差边缘检测方法,并将实验结果同传统的Sobel方法进行了比较.结果表明,该方法充分利用了田间作物与杂草的彩色信息,能够快速准确地检测到图像的边缘,边缘连续性好,能很好地与背景分离,而且能够满足实时检测的要求.     

基于相态图像在线检测的RCP轴封内流场试验研究

为了研究反应堆冷却剂主泵动压轴封异常工作状态、验证第三级副密封所处工况条件,开展了轴系温度分布仿真分析.采用微型内窥装置在线获取三级低压泄漏流相态图像,对所得图像进行数值化处理;采用Sobel边沿检测算法求取图像边沿化后的均方差,实现了基于内窥图像的主泵轴封低压泄漏流相态的在线监测.通过提高密封第三级泄漏背压,改善浮动...     

基于自适应全局阈值融合标记的遥感图像建筑群分割

针对分割遥感图像建筑群时,标记不完全所产生的过分割和欠分割并存问题,提出一种基于自适应全局阈值融合标记的图像分割算法.该算法根据建筑群的分布和纹理特点,利用小波变换提取图像梯度,通过形态学重构对梯度图像进行滤波;采用局部极小值法提取背景标记,并应用自适应全局阈值法提取建筑群标记.采用逻辑运算进行标记融合,用融合后的标记修改加权像素的Sobel梯度图实现精准分割.实验结果表明,该算法能够弥补形态学滤波梯度图的局部极值标记不足问题,抑制了建筑群的过分割和欠分割,准确地将建筑群从背景中提取出来,分割正确率达到90.7％.     

基于机器视觉的大田植株生长动态三维定量化研究

高通量植物三维表型的研究对判定植株表型特征至关重要。基于机器视觉的植株三维表型获取方法在温室中已广泛应用,能够动态监测植株生长过程,但在大田复杂环境中应用较少。以大田生长的玉米、大豆植株为研究对象,基于机器视觉分析方法对不同生长时期玉米、大豆植株进行个体和群体的三维重建,并基于手动测量值对叶长、叶最大宽进行精度评估。研究结果表明,叶长、叶最大宽的计算值与手动测量值的R2均大于0.97,精度较高,表明大田环境下此方法可以满足作物表型三维构建参数提取的精度要求,但是当冠层遮挡较严重时,三维重建精度将明显下降。进一步自动提取了株高、冠幅和器官生长动态,结果可为与基因型相关的表型高通量分析提供方法,并可进行株型与冠层辐射的精确评价。     

基于图像处理的黄瓜叶片病斑分级方法的研究

目前由于植物病理学中辨别病害主要以目测为主,主观判断占据主导。为了实现可靠的病害诊断,开发出一种基于计算机图像处理技术的病害分级新方法,并运用了分水岭法提取叶片区域。为了减少由光照变化产生的干扰,经比较提出了在YUV颜色模型下选取V分量进行病斑分割的方法。最后通过计算病斑面积与叶片面积的比例得出病害的染病级别。实验表明,该方法能够快速准确地对黄瓜叶片病害的严重程度进行分级,具备良好的分类能力。     

葡萄套袋机器人目标识别方法

针对水平棚架栽培模式下采集的单幅葡萄果树图像,提出了结合葡萄颜色与形状特征的目标识别定位方法,获得果穗的中心线和长度特征参数。通过提取葡萄图像的|G-R|+|G-B|色差图,利用Sobel算子进行边缘提取。构建葡萄果粒轮廓的数学模型进行Hough变换,实现葡萄果粒的初步识别。结合葡萄果穗的颜色、纹理特征以及果粒分布较为集中的特点判断Hough变换检测出的圆区域是否为果粒。综合利用识别出的果粒信息找到葡萄图像的外接矩形完成目标提取。对78幅图像进行测试,正确识别出葡萄区域的图像为70幅,正确识别率约为90%。