支持向量机理论在植物根系图像边缘检测中的应用

由于传统边缘检测方法中存在的比如粗糙边缘、噪声边缘和不准确边缘等缺点,因此在植物根系的研究中,采用传统的图像边缘检测方法检测出来的边缘信息都无法达到令人满意的效果。本文基于带高斯径向基核函数的最小二乘支持向量机方法,得到了一簇梯度算子和零交叉算子,用来定位图像边缘,从而得到一种有效的图像边缘检测算法。用所得到的边缘检测算法与Sobel算法和Prewitt算法的性能进行了比较。仿真结果表明本文给出的算法与传统算法相比,不仅边缘检测性能得到提高,而且可以一定程度地克服噪声干扰。     

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。     

基于灰色关联度和纹理分析的图像边缘检测算法

针对LOG算子中噪声平滑能力与边缘定位能力之间的矛盾,把灰色关联理论同LOG边缘检测算子及图像的纹理分析结合起来,利用图像中某一点及其邻域像素的分布和模板的分布规律的相似程度,提出了基于灰色关联度和纹理分析的图像边缘检测算法,给出了算法的具体实现过程。结果表明,设计的边缘检测算法在相同的空间系数下,能够检测到更加丰富的图像边缘,并且边缘的连续性较好。     

空瓶的智能检测算法研究

研究了针对空瓶特点如何设计空瓶的图像采集系统及其从空瓶图像中提取特征的方法．首先提出采用多特征综合的专家系统以适应高速检测的需要．其后又研究了基于遗传支持向量机的决策算法，提出采用遗传算法根据分类准确率来优化支持向量机的参数，以提高分类决策的性能．通过与模糊神经网络的实验比较表明，采用专家决策算法检测速度快；基于遗传支持向量机决策算法的准确率较高，达到94％以上，并具有更好的推广性能。     

遗传算法优化的形态学边缘检测算子

图像边缘检测通常是以类似于素描图的图像表达出物体的要素和特征,其任务是使图像边缘准确定位和抑制噪声.在传统形态学算子基础上提出一种遗传算法优化的形态学Top-Hat算子.实验表明,与传统的边缘检测算法相比,该算法不仅具有较强的边缘提取能力,而且通过合理选择结构元素能明显降低噪声对检测结果的影响,准确检测出图像边缘.     

基于混沌机制的人工蜂群算法优化的支持向量机分类器

支持向量机的分类性能在很大程度上取决于其相关参数的选择,为了改善支持向量机的分类准确率,本文采用基于混沌机制的人工蜂群算法对其参数进行优化。在传统人工蜂群算法的基础上,采用Logistic混沌映射初始化种群和锦标赛选择策略,进一步提高人工蜂群算法的收敛速度和寻优精度。该方法采用分类准确率作为适应度函数,利用人工蜂群算法对支持向量机的惩罚因子和核函数参数进行优化。通过对多个标准数据集的分类测试,证明基于混沌机制的人工蜂群算法优化的支持向量机分类器能够获得更高的分类准确率。     

融合梯度幅值和置信度的鸡蛋裂纹图像检测

提出一种融合梯度幅值和置信度的鸡蛋裂纹检测新方法.采集褐壳鸡蛋的裂纹图像,运用提及边缘检测算法获取感兴趣区域图像,采用最大边界算法挑选边界轮廓,融合二者获取裂纹区域图像.对3种典型鸡蛋裂纹图像进行边缘检测新方法与传统边缘检测算子(Log算子、Sobel算子及Canny算子)对比试验,结果表明:融合梯度幅值和置信度的鸡蛋裂纹检测新方法能够克服固定阈值适应性较差的缺陷,提高检测准确率,在消除噪声、增强弱边缘信息方面优于传统边缘检测算子.     

基于视觉滤波算子的农业图像去噪研究

[目的]农业图像中难免存在噪声,噪声会干扰有用目标的识别。为了准确提取农业图像中的有用信息,拓展图像处理技术在农业工程中的应用,有必要去除农业图像中的噪声。[方法]本文将一种改进的中值滤波与视觉滤波LOG算子结合起来,用于对农业图像进行去噪。首先,通过LOG算子将图像分为边缘图像和非边缘图像,然后采用一种改进的加权中值滤波处理非边缘图像,边缘图像与处理后的非边缘图像融合为最终的去噪图像。[结果]利用本算法对农业图像进行测试,与传统的中值滤波算法进行对比,并采用峰值信噪比作为滤波算法性能的客观评价指标,本算法的峰值信噪比高于传统中值滤波算法8.15%,有更好的降噪效果。[结论]因此,该算法的滤波效果优于传统中值滤波算法,可有效去除农业图像中诸多因素产生的噪声。     

基于LoG算子的棉花图像检索算法研究

针对基于边缘检测的图像检索中边缘点容易受到噪声干扰的问题,提出一种基于LoG边缘算子的棉花图像检索算法.首先在求取边缘检测前进行滤除噪声处理,然后根据欧式距离衡量图像间的相似性.棉花图像数据集的试验结果表明,算法能够有效去除边缘噪声,提高了图像检索的查全率和查准率,尤其适用于高噪声环境下的棉花图像检索.     

基于邻域粗糙集的支持向量机在污水处理故障诊断中的应用

提出了利用基于邻域粗糙集的支持向量机算法实现污水处理过程中出现故障的自动诊断.首先,对污水处理厂收集的监控数据进行预处理;其次,利用邻域粗糙集模型中对象邻域的上、下近似,寻找2种类别的交界部分,从而减小问题规模;然后,通过对交界部分样本进行混淆度分析,剔除异常样本或噪声数据;同时对样本集进行属性约简与加权处理;最后,在约简集上进行支持向量机的训练与测试.将试验结果与传统支持向量机方法的结果进行比较,表明该方法不仅提高了故障诊断的效率,而且降低了问题的复杂程度,同时还保持了较好的推广性能.     

粒子群优化算法在图像边缘检测中的应用

通过分析研究传统的边缘检测方法,提出了应用粒子群优化算法对边缘检测模板系数进行优化,试验结果表明,该方法利用个体在解空间中的随机速度来调整位置,具有很强的随机性,检测结果比传统方法效果好,鲁棒性好,比其他优化算法方便,没有遗传算法交叉变异等复杂过程.     

一种基于计算机图像处理经典算法的染色体边缘检测方法

在生物学和医学领域的染色体分析中，边缘检测技术尤为重要。最大程度地获取边缘细节和降低噪声干扰是染色体边缘检测的关键。本文提出了一种改进的边缘检测方法。这种方法的理论基础是阈值迭代法和数学形态学，能增强染色体边缘和图像对比度，同时获取更清晰真实的边缘信息。通过计算机仿真实验发现，相比常规算法，这种改进算法能够得到更加准确可靠的染色体边缘图像。     

基于比较的大米样本图像分割

[目的]提高大米加工精度时图像识别的效果。[方法]采用SUSAN算子,讨论其参数的选取原理,并与传统边缘检测算法作对比。[结果]SUSAN边缘检测算法对含噪大米样本图像的边缘检测效果优于传统的边缘检测算法。[结论]SUSAN边缘检测算法非常适于含噪或低对比度大米样本图像的边缘检测     

一种新的基于小波变换的边缘检测算法

提出了一种新的基于小波变换的图像边缘检测算法。该算法首先按水平、垂直和对角方向对图像进行多尺度二进制小波变换,提取3个方向的小波系数。然后采用相邻尺度小波系数相乘的方法去除噪声,提取小波系数乘积的极大值点。最后将这3个方向上的极大点进行融合,形成图像的边缘。仿真实验表明,该算法具有较好的边缘检测和抑制噪声的能力,边缘检测效果明显优于传统的边缘检测方法。     

基于形态学的种子图像边缘检测方法

采集种子在传送带上的动态图像,运用数学形态学算子对图像边缘进行检测。结果显示,与传统的边缘检测算法相比,该方法可准确提取种子图像边缘,且具有很强的抗噪能力。     

小波变换的模极大值在图像边缘检测中的应用研究

边缘检测在图像处理中有着重要的作用.依据canny算子的核心思想,运用小波分析技术,提出了一种基于小波变换的模极大值边缘检测算法.仿真结果表明:该算法能提取图像较弱的边缘,有较好的去噪效果,且边缘有较强的连续性.优于传统的边缘检测算子.     

基于ICA阈值优化耦合信息熵的边缘提取算法

为了解决传统边缘提取算法对噪声敏感和阈值难以选取,边缘清晰度不高以及边缘不平滑等问题,提出了一种基于ICA阈值优化耦合信息熵的边缘提取算法.首先,基于灰度分布模式将图像分成若干子块,并计算每个子块的分段阈值;然后,为了从大量的分段阈值选择合适的阈值,引入了帝国主义竞争(imperialist competitive algorithm,ICA)优化算法,计算图像的最优阈值,根据获得的最优阈值将每个图像子块划分为不同的均匀区域;最后,通过计算每个均匀区域的信息熵,利用信息熵检测所有处于不同均匀区域的边界像素来提取边缘.实验结果表明:与当前常用的边缘提取算法比较,本文算法具有更高的品质因数与边缘连续性,能够抑制过于微小和琐碎的细节,突出有效的边缘信息,边缘定位精度高且平滑连贯,能够准确地提取目标轮廓.     

自然光照条件下苹果识别方法对比研究

针对自然光照条件下果园苹果识别效果不佳的问题,从苹果的颜色分割和形状提取2方面进行对比研究,提出一种自然光照条件下的苹果识别方法。利用错检率、漏检率和处理速度3个量化指标综合对比分析颜色阈值、SVM和BPNN 3种苹果颜色分割方法的处理效果。比较6种边缘检测算法对苹果区域图像的边缘检测效果,并使用Hough圆检测算法对苹果形状进行提取,以获得苹果的圆心和半径。试验结果表明:由BPNN的苹果颜色分割方法以及结合Log和Hough的苹果形状提取方法所构建的果实识别算法具有较高的鲁棒性和准确性,能有效克服果实遮挡、重叠和颜色变异等问题,果实平均识别率可达91.6%。