基于模糊C均值聚类的牛肉图像中脂肪和肌肉区域分割技术

介绍了一种自适应分割牛肉眼肌切面图像中脂肪和肌肉区域的图像处理技术。通过CCD摄像头获取以黑色平板为背景的牛肉眼肌切面彩色RGB图像。先根据彩色图像R分量的灰度直方图，利用最大方差自动取阀值法(OSTU)把黑色背景与整块牛肉图像分割开来；接着把处理后的图像变成灰度图像，用模糊C均值聚类算法(FCM)计算出牛肉脂肪像素和肌肉像素灰度值的聚类中心，以各个像素点灰度值与两个聚类中之间的绝对值距离来区分出图像中的脂肪和肌肉像素。结果表明，FCM方法是分割肌肉和脂肪区域的有效方法。     

基于模糊集理论的土壤重金属污染空间预测

基于54个土壤表层样品重金属全量浓度实验室测定数据,应用模糊c-均值算法对南京城市边缘带化工园附近20km^2样区内土壤重金属浓度进行了连续分类,对样点土壤的隶属度进行空间普通克里格插值,实现样区土壤重金属浓度和污染状况的空间预测.结果表明,样区土壤中重金属Cu、Zn、Cr、As和Cd的浓度均低于国家土壤环境质量标准,未发生污染;受工业、交通排放的影响,样区左侧和南部Cu、Zn、Cr、As较高,个别区域有Zn、Cr富集现象.Hg为样区主要的土壤重金属污染元素,土壤Hg污染主要发生在蔬菜基地及滁河流经区,较为严重的Hg污染土壤集中分布在样区中部的蔬菜基地.与利用样点测定数据直接插值的空间预测方法相比,基于模糊集理论的土壤污染空间预测方法可获得较好的预测效果.     

玉米粘虫预测方法研究

根据粘虫与气象条件的关系，选取相关较好的气象因子，运用离差均值比相似分析方法，预测１９９４、１９９５年毕节地区粘虫发生程度，预测结果表明，预测趋势与实际情况一致。     

运用计算机视觉识别技术进行馒头气孔结构分析

【目的】利用计算机数字图像分析提取馒头结构的气孔特征，以评价计算机视觉分析在馒头品质评价中的作用。【方法】试验1选用强筋品种Weaver、中筋品种宁春4号和弱筋品种京411，按粉质仪吸水率采用3个加水量处理，共计9个不同样本。图像分析中，采用K-均值算法将气孔从背景中分割出来，提取了3个气孔特征，即气孔总面积、气孔平均面积和气孔总数目，用于数据分析。试验2利用图像分析对11个样本进行馒头品质评价，并与实验室人工主观评分进行比较。【结果】试验1结果表明所取的3个特征能够较好反映加水量和筋力强弱对馒头气孔结构的影响，随着加水量增加和面筋强度增强，气孔总面积增加，这与馒头体积增大一致。试验2中馒头气孔图像特征的评价与人工评价具有较高的一致性，表明计算机图像分析能够较好反映馒头内部结构优劣。【结论】利用图像分析进行馒头品质评价是可行的。     

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。     

基于仿生嗅觉的猪肉质量快速评测系统设计与应用

根据模拟生物嗅觉的原理和机制,提出了一种基于仿生嗅觉的猪肉质量快速评测仪的设计方法。其硬件主要包括气体采集装置、信号调理电路、气动元件控制电路等,采用Matlab编制上位机监测界面,对多路原始信号进行采集和基线处理,之后采用主成分分析(PCA)对多路传感器信号降维后提取主要特征,最终采用K-均值对不同新鲜度等级的猪肉进行聚类分析。结果表明,设计的系统能够快速、无损地检测出待测样品的新鲜度,且精度在85%以上,在猪肉新鲜度检测中具有很好的应用前景。     

航拍油菜花图像的自动聚类分割方法

为了实现航拍大田油菜花的准确分割,本文提出了一种基于HSI颜色空间阈值和X均值自动聚类算法相结合的分割方法来有效提高分割精度。先将待分割的原始图像转换到HSI颜色空间,通过设定的颜色阈值对目标区域进行定位,实现初步分割,得到候选目标区域;然后将候选目标区域的像素转换至LAB颜色空间,计算候选区域的a、b通道的均值和方差;最后利用得到的均值和方差作为聚类的约束条件,利用X均值自动聚类算法对原图像的a、b通道进行聚类。实验结果表明,本文提出的方法能够克服变化的背景的影响,准确提取油菜花区域;相对于传统的聚类方法,本方法不需要预先设定聚类数,从而实现完全自动的分割。     

福州地区汽车行驶工况构建与研究

为了构建汽车行驶工况模型和汽车运动特征评估体系,连续采集了三周福州地区的行驶数据进行处理,将处理后的数据进行运动学片段的划分。采用K-均值聚类分析法对降维的主成分特征值进行聚类,根据距离最小原则挑选出运动学片段来合成反映不同交通状况的汽车行驶工况曲线。并对汽车行驶工况曲线进行分析评价,由此论证了该方法构建汽车行驶工况曲线的合理性。     

基于LMD分解的风机轴承故障信号提取研究

为准确得到风机轴承故障的运行状态,分析局域均值分解方法,对风机故障振动信号提取,应用LMD分解方法对风机轴承实际振动信号进行分解,提取其能量特征值并将特征值进行归一化处理,得到各个分量的能量值,最后判断风机轴承的故障类型。     

基于局部均值分解的触电故障信号瞬时参数提取

针对如何快速、准确地提取生物体触电故障暂态信号中的电力参数问题,提出了一种基于局部均值分解（local mean decomposition, LMD）的生物体触电时总泄漏电流信号瞬时参数提取方法,该方法首先利用局部均值分解将生物体触电时的总泄漏电流信号分解为一组乘积函数分量之和,每个乘积函数（product function, PF）分量可以表示为一个调幅信号和一个调频信号的乘积,然后由调幅信号和调频信号分别计算得到信号的瞬时幅值和瞬时频率。与采用希尔伯特黄变换方法相比,LMD具有瞬时频率曲线波动小和瞬时幅值函数端部失真小等优点。仿真信号分析结果表明：对测试信号进行LMD和经验模态分解（empirical mode decomposition, EMD）分解分别得到3个PF分量和5个IMF（intrinsic mode function）分量,分解前后信号的能量变化值分别为0.2851、0.5633,且LMD比EMD所需分解时间短0.0743s,与Hilbert变换相比,该文方法计算的瞬时幅值和瞬时频率更为平滑,在一定程度上避免了Hilbert 变换计算过程中的负频率和端点效应现象。试验信号分析结果表明：对消噪后的总泄漏电流信号进行LMD和EMD分解,分别得到5和6个分量,分解前后信号的能量变化值各为0.5574、0.8896,所用分解时间分别为0.0835、0.2479 s;在求取瞬时频率方面,LMD方法求取的主导分量瞬时频率可判定生物体触电时刻,而经Hilbert变换求取的瞬时频率不仅无法判定生物体触电时刻,还出现了负的频率值,无法解释其物理意义;在求取瞬时幅值方面,该文方法与Hilbert变换求取的触电前总泄漏电流信号的瞬时幅值的平均值分别为11.3240、12.3728 mA,与原生物体无触电时总泄漏电流的幅值11.3538 mA的绝对误差分别为0.0298、1.0190 mA,另外,2种方法求取的生物体触电后总泄漏电流信号的瞬时幅值与原生物体触电后总泄漏电流的幅值的绝对误差分别为0.4340、0.6643 mA。因此,仿真信号和试验信号分析结果均证明所提方法是有效和可行的。