基于饱和度分割的叶面积图像测量方法

针对复杂光照环境下的图像叶面积测量问题,提出一种基于饱和度分割的图像叶面积测量方法.首先,利用矩形标定框顶点坐标对拍摄图像进行透视畸变校正和裁剪,以去除倾斜拍摄引起的图像变形;其次,将图像像素由RGB颜色空间变换到HSI颜色空间,提出一种混合阈值法对饱和度分量进行阈值分割;然后,对分割后的二值图像进行连通域分析、孔洞填...     

边缘阴影和晕圈对基于图像叶面积测量的影响及修正

叶片边缘阴影和晕圈对基于图像树叶面积测量精度有较大的影响。分析了边缘阴影和晕圈产生的原因,并提出了修正方法。首先将图像由RGB模式转换为Lab模式,基于a,b分量用自适应动态区域生长方法提取粗略的叶片图像。然后用膨胀和腐蚀形态学方法对区域生长结果进行处理,分割出确切的叶片的区域,背景区域和未知区域。最后用改进的马尔可夫随机场方法对未知区域像素进行判断并归类到叶片区域或背景区域。该方法可极大提高叶面积测量的精度。     

基于k-mean聚类与灰度梯度最大熵的树木图像分割

提出一种基于k-mean聚类与灰度-梯度最大熵的树木图像分割算法,将要处理的树木彩色图像在RGB颜色空间下进行基k-mean聚类,通过选取合适的类参数实现初分割.由于灰度-梯度空间清晰地描绘图像中各个像素点的灰度、梯度的分布规律及图像目标与背景之间的边缘情况,采用灰度-梯度最大熵算法进行精分割,结合形态学后处理提取图像边缘最终将获得更理想的独立目标图像.与二维最大熵分割方法比较的实验结果表明,灰度-梯度最大熵算法提高了树木图像分割的准确度.     

基于直方图的木材表面颜色分类研究

颜色直方图是图像检索技术中一种有效的颜色表达方式，具有位移、旋转不变的特性。然而木材表面颜色较为单一，采用通常的量化方案不能达到很好的分类识别效果。提出了采用HSV颜色空间三个独立分量的直方图统计特征表达木材表面颜色信息的方法，利用色调、饱和度和亮度三分量之间的相互独立性，提取了各分量的直方图特征。最后利用BP神经网络对木材样本库的图像进行了分类仿真，其结果验证了特征的有效性。     

基于图像的幼龄檀香分割与土壤速效氮诊断

【目的】提出一种基于图像的幼龄檀香分割与土壤速效氮诊断方法,为幼龄檀香生长状况快速监测提供技术手段。【方法】将图像由RGB系统转换到HSI系统,对S、I通道分别进行Otsu法分割,结合通道优势以及图像滤波和形态学运算,从复杂背景中分割出檀香叶片。在RGB、HSI和Lab系统下,分别计算叶片图像颜色均值,对不同施氮水平和全水平下的檀香叶片颜色与土壤速效氮含量进行建模分析,每种颜色系统作为一组,以檀香叶片单通道均值为自变量、每株檀香的土壤速效氮含量为因变量,建立三元二次多项式。通过计算拟合数据与验证数据的模型验证指标,确定最佳模型。【结果】1)复杂背景下的檀香分割中,S通道可将整幅图像的绿色植物划分为一类,I通道可将檀香叶片与背景中其他植物叶片区分开,二者结合能成功将大部分背景去除。结合7×7中值滤波、形态学运算和超G因子,前景可被精确提取出,得到的像素数误差在5%以内,各颜色通道均值误差控制在2%以内。2)构建土壤速效氮含量预测模型时,对不同颜色系统预测结果比较发现,各施氮水平下均表现为Lab系统能够更准确反映土壤速效氮含量,使用哑变量方法建模,得到基于哑变量的土壤速效氮含量预测模型;同时考虑某些林场由于疏于管理从而导致施氮水平未知,建立一种全水平下的预测方程,结果显示仍为Lab系统最佳。【结论】结合HSI颜色系统中S、I通道在大津法分割下表现出的特点,运用中值滤波、形态学运算和超G因子进行后期处理,可较精准提取出檀香叶片。基于复杂背景分割得到的图像颜色参数可对幼龄檀香进行土壤速效氮素营养诊断,无论是否划分施氮水平,Lab均为最佳颜色系统。构建的三元二次多项式模型具有良好预测能力,能够快速获取土壤氮素养分含量,可为经营者及时增加或减少氮肥量提供依据,为幼龄檀香健康状况监测提供技术手段。     

基于SVM的多特征融合的天牛图像识别

天牛虫的图像特征提取对于天牛虫灾害的防治和监控有很重要的意义,针对目前图像识别在这个领域的应用中存在的问题,提出进行图像的特征提取和识别的方法:首先,对天牛虫图像进行二维小波变换分解,用低频图像进行特征提取,减少噪声的同时可以提高识别的准确率;然后,提取低频图像的SIFT(尺度不变特征变换)特征向量集,解决大范围的仿射失真、3维视角的改变、噪音的增加和光线的改变等造成的影响;为了提高复杂光照条件下的图像识别率,引入了颜色特征,将图像从RGB转换到HSV空间,提取图像的颜色矩作为颜色特征向量;最后,将所提取的特征作为SVM分类器的训练样本集,进而对目标图像进行识别,实验结果表明,提出的方法能够得到较好的识别效果。     

基于直方图和颜色矩方法的木材表面颜色特征的表达

简述了彩色图像处理中颜色空间的选择,分别用直方图和颜色矩方法表达木材表面的颜色特征。从H分量直方图可知,H分量在色彩上有较好的分类性,反映出木材彩色特征的变化。用颜色矩特征值作为BP神经网络的输入,对东北常见树种按颜色进行了分类,分级正确率达到了96.7%。     

随机森林算法在树木年轮图像分割中的应用

年轮图像早晚材的准确分割是树木年轮计数和间距测量的前提条件。为解决年轮本身生长的复杂性、采伐过程中的锯痕干扰、早晚材图像灰度差别较小等因素造成的分割难题,提出了一种基于随机森林(random forest,RF)算法的分类模型,可实现年轮图像的准确分割。首先,通过变换图像的颜色域空间,提取出样本图像在RGB、HSV和L*a*b*模型下的9个颜色分量,基于灰度共生矩阵提取样本图像的对比度、相关性、能量和熵的均值与标准差共8个纹理特征。然后,根据早晚材颜色与纹理特征的差异,基于随机森林算法构建像素分类器,实现年轮图像的早晚材的初步分割。为了提高分割图像的质量和准确度,对分割后的图像使用形态学方法消除孤立和黏连噪声,以得到最终分割图像。最后,将该方法与K-均值聚类(K-means)算法和支持向量机(support vector machine,SVM)算法进行对比。结果表明:所采用基于RF算法的分类模型分割年轮晚材的正确识别率为95%左右,错误识别率在6%左右,图像分割效果明显优于其他两种算法。     

基于BP神经网络的木材表面颜色特征分类的研究

本文针对木材表面颜色自动分类难题,在 RGB 颜色空间提取木材图像的颜色矩作为颜色特征参数,利用 BP 神经网络对特征参数进行分类,通过输入层、输出层和隐含层的设计,传递函数的选择,确定最终网络结构。实验结果表明,分类正确率达到98%,验证了本文提取的特征参数的有效性。     

适于木材种类识别颜色空间的研究

为了确定适合木材种类识别的颜色空间,分别在RGB、HSV、L^＊a^＊b^＊、I1I2I3和归一化T五个常用颜色空间中,获取了木材样本的颜色直方图和颜色矩特征,并进行了识别试验。结果表明,HSV是最适合木材种类识别的颜色空间。     

基于RGB空间的植被分割

绿色植被在地球的能量转化和物质循环中起着巨大而独特的作用,植被与环境的关系一直是植被研究的重要方面,基于卫片和航片的研究是如今最为广泛的研究方法。植被在RGB模式的航片上显示为绿色,与其他地物有明显分别。彩色图像分割是按照彩色图像的色彩规则将一幅图像分成若干个部分子集,将图像中有意义的特征或需要应用的特征提取出来。本文即根据彩色分割的原理,采集不同影像绿色植被上的样点若干,分析植被样点的RGB值的分布规律与分布范围,以此择定绿色植被的分割阈值,利用MATLAB软件对航空影像进行彩色分割,有效地分割出航空影片上的植被信息。     

基于四元数矩阵奇异值分解的木材缺陷检测分析

当前,木材彩色图像的缺陷检测主要是通过分离彩色空间的3个分量分别进行灰度处理,然后再合成为缺陷的图像.将基于RGB彩色空间的木材图像作为一个整体,提出四元数矩阵奇异值分解（QSVD）的木材缺陷检测.把RGB的彩色空间图像转换为四元数矩阵,利用四元数奇异值分解得到不同奇异值的特征图像,通过对特征图像的分析,得到不同的木材缺陷图像,并通过对奇异值特征图像的分析得到木材彩色图像的缺陷检测,并做分析.     

彩色树木图像分割算法的研究

树木图像分割是将树木与其周围景物分离的技术,是虚拟现实和计算机仿真等学科在林业应用的核心技术,也是机器视觉领域的重要研究方向,拓宽了计算机技术在林业中的应用。本项研究基于树木图像形状复杂的特点,设计并实现了一种结合C-V模型水平集及形态学处理的彩色树木图像分割算法。运用改进的最小化能量函数作为水平集的演化曲线,可以更加自然地改变曲线拓扑结构,对含有分裂、合并、形成尖角等复杂形状的目标对象分割更为有效。如果再结合形态学后处理算法,将初次分割图像中非目标区的细密纹理和噪声剔除,可以快速准确地得到全局最优的图像分割效果。同时进行了与基于梯度变换的改进分水岭树木图像分割和基于灰度-梯度最大熵的树木图像分割算法的对比试验,试验表明,结合C-V模型水平集和形态学算法对树木图像分割效果更为有效。     

Relationships between reflectance and absorbance chlorophyll indices with RGB (Red,Green, Blue) image components in seedlings of tropical tree species at nursery stage

Methods based on RGB (Red, Green, Blue) image segmentation may emerge as a new and low-cost method for estimation the quality of tree seedlings. However, the vast number of indexes based on the use of the RGB image segmentation and the lack of references in the literature still hinder the widespread use of this technology. Thus, we conducted a study aiming to test the relationships between methods based on absorbance and reflectance, widely used for the estimation of chlorophyll contents and physiological status of trees, and ten indexes based on RGB component analysis. We used leaves of five tropical tree species, belonging to different botanical families. Leaf absorbance was measured using the handheld chlorophyll meter SPAD-502, reflectance was measured using a spectrometer and the RGB indices were obtained from digitalized images of the leaves using a flatbed scanner. Modified linear regression models including all five species were used to relate RGB indices to absorbance and reflectance indices. Data collected from leaves of seedlings of five tropical tree species indicated that digital image processing technology can be a useful and rapid nondestructive method for assessment of physiological status of tree seedlings at nursery stage. Among the RGB indexes tested in this study the R, 2R*(G???B)/(G?+?B) and 2G*(G???B)/(G?+?B) are the most promising for analysis the tropical seedlings physiological status and quality.

     

色差计在检验家具漆膜方面的应用

家具漆膜检验是家具质量检验的重要项目之一，漆膜的分类决定着重金属项目的检验与否。家具漆膜分为清漆和色漆，国家标准规定重金属限量项目仅限于色漆，清漆与色漆的分类方法主要依靠漆膜的外观颜色。色差计是在颜色测量方面比较成熟的仪器，其是以国际照明委员会（CIE）推荐的颜色标准色度系统为测量原理，用数字坐标代表相应的颜色，测量数字坐标在标准色空间的距离，以具体的数值表示颜色的差别，数值越大表示颜色变化越大。这种量化的测量方式在实际操作中方便、快速、准确，避免了由人为视觉产生的误差，并且易于在大范围内推广使用，对检验家具漆膜起到了良好的促进作用。