基于光源不变图和聚类算法的叶片阴影中病斑的分割

【目的】提出了一种基于光源不变图的病斑分割方法,以提高病斑识别程序的准确性和稳定性。【方法】将阴影区和非阴影区视为不同光源照明,通过最小熵法计算原图的光源不变图,在该图上采用K均值聚类算法对病斑进行分割,以采集的病斑叶片为材料,对该方法的处理效果进行验证。【结果】比较光源不变图法和H分量法的处理结果后发现,采用光源不变图法处理病斑不同区域的平均差异较H分量法更低,仅为10.7%;聚类分割算法对使用光源不变图法处理病斑图像的分割准确率为95.0%,较H分量法具有更高的正确率,且误检率更低。【结论】采用光源不变图法对病斑图像处理的效果好、性能稳定,同一目标在不同光照条件下处理结果的一致性较高。     

灰色预测改进模型在结蜡规律预测中的应用

通过分析灰色GM(1,1)模型的建模原理,对初始序列进行对数变换,以改善其光滑性;利用欧拉改进法构建了改进的灰色GM(1,1)预测模型,提高了拟合方程与待拟合系统微分方程之间的近似程度。应用改进模型对输油管道结蜡速度和结蜡厚度指标的实际统计数据进行了灰色动态拟合,建立了相应的灰色微分方程和时间响应函数。与传统模型相比,改进模型有预测精度高、灵活性大的特点。