基于空间邻域信息的加权FCM图像分割方法

提出了一种新的加权模糊c均值图像分割方法,该方法根据邻域象素间的灰度变化,选取与目标象素灰度特性相似的邻近象素组成高度相似象素区域,建立邻域像素隶属度对目标象素隶属度的空间影响函数,通过空间影响函数来重新估计目标象素的模糊隶属度,以反映不同象素点对目标象素点分类的影响。由于该算法利用象素空间邻域关系对模糊隶属度进行了调整,使得目标分类时考虑了图像象素的邻域信息。试验结果表明,提出的方法抗噪性能强、收敛速度快,能够有效的分割图像。     

基于二维熵的农业图像目标分割

农业图像的目标分割是在农业领域应用机器视觉技术的基础,采用阈值法进行图像的目标分割,能够克服一些图像缺陷。首先将彩色数字图像转换成像素灰度级分布与其邻域平均像素灰度级分布所构成的二维灰度图,再根据图像分割后的最大熵计算分割阈值,然后由计算出的阈值分割农业田间图像,分割的结果显示,二维熵法分割农业田间图像的效果很好,分割质量的优秀率达到了98%。     

基于NCSPSO－AFSA优化SVM的林木冠层图像分割

【目的】对林木冠层图像采用NCSPSO-AFSA优化支持向量机(SVM)进行图像分割,提取树干分割图,以进一步提高分割效果。【方法】对现有的小生境和交叉算子的粒子群算法(NCSPSO)进行优化,并与人工鱼群算(AFSA)混合,寻找最优惩罚系数C和高斯核函数中的参数γ;然后运用SVM方法对训练样本进行综合训练,以建立最佳分类模型;最后对香樟树、马褂木和杨树的冠层图像进行分割,并与AFSA算法、NCSPSO算法的分割效果进行比较。【结果】AFSA、NCSPSO、NCSPSO-AFSA算法的平均运行时间分别为178.909,154.661和97.213s,平均分割准确率分别为90.83%,94.08%和98.90%,表明改进的NCSPSO-AFSA混合算法在效率上较其他2种算法提高了63%以上,而且分割准确率提高了5%~8%。【结论】运用NCSPSO-AFSA优化SVM方法对林木冠层图像进行树干图像分割,可得到最佳分割效果。     

马铃薯芽眼图像的分割与定位方法

为了探索种薯自动化切种过程,填补关于马铃薯芽眼识别的研究空白,提出一种基于机器视觉技术的芽眼识别方法:从摄像头采集到马铃薯图像后进行计算机图像处理,从彩色空间中利用欧式距离直接分割芽眼区域,在灰度空间中对图像进行中值滤波后利用模糊技术对图像进行增强,之后利用动态阈值分割法分割芽眼区域,结合两个空间的分割结果后利用数学形态学处理方法标记出芽眼。结果显示:在彩色空间中,芽眼识别准确率为62%;在灰度空间中,识别率达到89%。将二者有机结合后,获得了96%的识别准确率。该方法识别成功率高,鲁棒性强,且芽眼区域标记完整,可为种薯切种自动化奠定基础。     

基于统计直方图k-means聚类的水稻冠层图像分割

针对现有k-means聚类图像分割方法存在对初始聚类中心敏感、易错分割以及运行时效低等问题,提出了一种基于统计直方图k-means聚类的水稻冠层图像分割方法.该方法首先根据图像直方图蕴含的像素数量先验信息,选择像素数量差异较大的像素值作为水稻冠层图像的初始聚类中心;然后再利用图像直方图中像素值与图像像素数量的先验对应关...     

基于SVM和形态学的作物病斑图像分割方法

作物叶片病斑图像分割是作物病害自动识别的一个重要步骤,为了提高传统的基于阈值或聚类的叶片病斑分割方法的分割效果,提出了一种基于支持向量机(SVM)和形态学的病斑分割方法。首先利用SVM进行病斑图像分割,再利用开运算和闭运算来消除病斑图像中边缘的不连续性、病斑内部的小噪声和小洞。最后,通过对黄瓜细菌性角斑病图像进行试验,结果表明,所提出分割方法具有较好的分割效果。     

基于RGB彩色模型的草莓图像色调分割算法

针对目前草莓采摘机器人草莓图像分割运算量大、耗时多等问题,根据CIE-XYZ颜色模型及其色度图,提出了一种在RGB彩模型中进行草莓图像色调分割的方法。该方法无需彩色模型转换,时间复杂性能较Lab彩色模型下a通道阈值分割算法与BP神经网络分割算法优越。对该算法进一步改进后,只需加减运算,无需乘除运算。试验结果表明:该算法能很好地实现成熟草莓果实与图像背景的分离,并较好的保存草莓轮廓信息,分割效率>85%;进一步对分割后的图像进行形态学处理,如膨胀、腐蚀等,有效消除了孔洞现象。     

生物图像阈值分割方法的研究

阈值法是最基本的图像分割方法之一,被应用于很多领域,特别是在图像相对简单的生物图像处理方面得到了广泛使用.本文对现有的各种图像阈值分割方法进行综述,重点介绍了基于图像灰度直方图的阈值分割方法.     

基于Bayes与SVM的玉米彩色图像分割新算法

提出了基于Bayes(贝叶斯)与SVM(支持向量机)的玉米彩色图像分割新算法.统计原始RGB图像中的玉米和土壤背景的均值向量和协方差矩阵,利用正态分布的Bayes分类器计算每个像素的目标和背景的判别函数值,用训练好的SVM对判别函数值进行分类,实现彩色图像分割.Matlab试验结果表明,该方法能够实现高光强下彩色图像分割,平均错分率为9.1％,平均漏分率为12.0％,平均相似度为80.8％.     

基于图像特征识别的马铃薯薯皮粗糙度分级研究

【目的】马铃薯薯皮粗糙度分级研究可以提供块茎外观品质性状无损检测方法,为客观评价品质质量和高通量筛选品种提供理论和实践基础。【方法】以79份马铃薯品种（系）为供试材料,利用相机采集有/无芽眼的薯皮图像。基于MATLAB R2016a软件对薯皮图像预处理,随机选择8份材料用相关函数指标比较图像灰度化、增强及去噪效果。利用灰度共生矩阵（gray level co-occurrence matrix,GLCM）提取图像特征参数角二阶矩（angular second moment,ASM）、熵（entropy,ENT）、对比度（contrast,CON）和相关度（correlation,COR）,并确定矩阵最适像素距离（d）。比较两类薯皮图像特征参数间的差异,选择差异较小的薯皮图像特征集进行统计分析和分类识别。构建支持向量机（support vector machines,SVM）和BP神经网络（backpropagation neural network,BPNN）模型对薯皮粗糙度分级分类,模型分级精度评价指标为准确率、精准率、召回率及调和平均数。【结果】加权平均值法进行灰度处理后的薯皮图像...     

Support vector machine approach to real-time inspection of biscuits on moving conveyor belt

An intelligent system for colour inspection of biscuit products is proposed. In this system, the state-of-the-art classification techniques based on Support Vector Machines (SVM) and Wilk's λ analysis were used to classify biscuits into one of four distinct groups: under-baked, moderately baked, over-baked, and substantially over-baked. The accuracy of the system was compared with standard discriminant analysis using both direct and multi-step classifications. It was discovered that the radial basis SVM after Wilk's λ was more precise in classification compared to other classifiers. Real-time implementation was achieved by means of multi-core processor with advanced multiple-buffering and multithreading algorithms. The system resulted in correct classification rate of more than 96% for stationary and moving biscuits at 9 m/min. It was discovered that touching and non-touching biscuits did not significantly interfere with accurate assessment of baking. However, image processing of touching biscuits was considerably slower compared to non-touching biscuits, averaging at 36.3 ms and 9.0 ms, respectively. The decrease in speed was due to the complexity of the watershed-based algorithm used to segment touching biscuits. This image computing platform can potentially support the requirements of the high-volume biscuit production.     

一种基于支持向量机的图像检索方法

提出了一种基于支持向量机(Support Vector Machine,SVM)的个性图像检索方法,首先融合符合用户需求的图像的物理特征构造SVM分类器,然后把获得的图像信息提交给分类器进行识别,最后把检索结果返回给用户.实验结果表明,用SVM作为学习机器可以实现对图像的检索分类.     

基于GVF模型的蔬果图像快速分割方法

在结合贪婪算法的基础上,利用一种改进的梯度矢量流（GVF）算法,提出了一种对各种蔬果图像进行轮廓提取的新算法。试验表明,该方法在保持GVF模型原有特性的基础上大大提高了模型收敛的速度,且较好地限制了非目标边缘和噪声干扰的影响,能够满足果蔬采摘机器人对视觉系统的精度和实时性要求。     

基于EXG因子的水稻秧苗图像分割

针对水稻稻田图像中秧苗和背景分割问题,采用基于最大类间方差法(OTSU法)的分割方法,成功地把水稻秧苗像素和背景像素分割开.首先用CCD相机获取水稻插秧机插秧作业后的水稻稻田图像,选择超绿特征因子(EXG因子)将水稻秧苗RGB彩色图像转化为灰度图像,使用OTSU法计算阈值,成功地将灰度图像转变为二值图像.又采用该方法分割了20幅水稻秧苗图像,结果表明,EXG因子可以对水稻秧苗图像有效分割.     

基于MATLAB的茄子图像分割方法

针对茄子图像的灰度和颜色特点,利用MATLAB中丰富的图像处理函数,分别进行了色差分割和色调分割。在色调分割中,采用了自动选取阈值的Otsu法。在去除残留噪音的处理中,采用标注的方法对二值图像的各连通区域进行面积统计。保留最大面积的区域,从而使分割效果大大改善。利用多参数来衡量分割效果,使评价做到最大程度的客观、合理。     

机器视觉识别田间成熟番茄的研究

为正确识别自然条件下田间成熟番茄,顺利完成其自动采摘,研究了基于颜色特征的田间番茄识别方法。对采集的100幅自然条件下田间番茄图片进行颜色特征提取和理解的基础上,建立了利用成熟番茄与背景(未成熟番茄、枝叶等)在I2颜色指标上的差异进行番茄识别的颜色模型,并利用Ostu法将成熟番茄从背景中分割出来。通过在顺光条件和逆光条件下进行试验,结果表明该模型可以较好地实现自然条件下田间成熟番茄的识别。     

采用模糊形态学的大田害虫图像分割

介绍了基于机器视觉的大田害虫智能检测系统.文章通过对获取的大田害虫原始图像采用模糊形态学进行分割,将害虫从背景中分割出来,以提取出的周长、不变矩等特征,运用神经网络分类器对常见的9类害虫进行分类.试验验证了该系统的可行性,表明该方法分割速度快,容错性好,能够正确分割有噪声的大田害虫图像.     

基于SVM的高粱叶片病斑图像自动分割提取方法研究

为实现高粱叶片病斑的自动化无损监测,利用支持向量机(SVM)技术对高粱叶片病斑图像进行自动分割提取研究。结果表明,通过选取RGB、HIS和Lab 3种颜色空间的颜色特征值可以消除对作物病斑拍照时产生的光照、亮度等影响。在MATLAB软件环境下调用LIBSVM软件对病斑图片中的病斑图像像素点和背景图像像素点建立支持向量机分类模型,可以实现对病斑的高效分割和高质量提取。分割提取效果与人眼识别的病斑图像高度吻合。如果利用大量采集的病斑图像进行模型训练,就可以真正实现完全自动化的病斑分割、提取和判别。因此,该研究对建立完全自动化的作物病斑图像识别系统意义重大。     

基于形态学梯度的细胞图像自动分割

提出一种自动分割细胞图像的方法,利用数学形态学梯度运算对图像边缘进行锐化。再利用判别分析法自动确定梯度图像阈值,经后处理,可得单像素宽度细胞图像边缘。该边缘可描述医学图像中细胞的有效区域,实现细胞图像自动分割。为验证该方法的有效性,对30幅实际细胞图像进行分割试验。结果表明,该方法对细胞图像分割有较好的适应能力。     

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