基于改进Canny和灰度矩的水下图像边缘检测方法研究

针对水下图像对比度差、模糊,致使检测出的边缘存在不连续和伪边缘的问题,提出一种基于改进的Canny和亚像素的水下图像边缘检测方法。采用改进的Canny算法检测水下图像的像素级边缘,在此基础上采用灰度矩提取图像的亚像素边缘特征,提高边缘的定位精度和检测率。实验结果表明,提出的算法相较于传统的像素级边缘检测算法在边缘轮廓的提取、减少伪边缘、提升边缘精度方面有较大优势,尤其是对深海环境中光源单一以及图像对比度差的物体边缘的检测具有更显著的效果和定位精度。     

玉米叶片生长状态的双目立体视觉监测技术

研究了使用双目立体视觉技术监测玉米叶片运动的可行性,视觉监测系统包括一个能够垂直升降和水平移动的支架,用于支撑双目相机连续监测被试样品。采用白色荧光小球作为标志物,简化图像算法的同时增加了三维坐标测量精度。图像处理过程中采用亚像素边缘检测算法,有效地提高了立体匹配的精度。仿真实验结果表明,系统测量误差可达0.0139 cm,能够检测叶片微小的位置变化。     

基于模糊逻辑的植物叶片边缘检测方法

针对温室环境植物叶片边缘检测中,植物图像通常含有噪声、背景复杂且图像数据存在模糊性和不完整性问题,提出了基于模糊逻辑的植物叶片边缘检测方法.首先,根据邻域像素的统计特性及绿色植物和土壤背景的颜色差异性,利用线性函数定义噪声和边缘的隶属度函数;其次,采用Sugeno模糊模型进行模糊推理,以减少模糊规则数量;最后,利用模糊推理结果先进行模糊滤波后再进行模糊边缘检测.实验证明,提出的方法克服了常规算法未考虑叶片像素和背景像素的颜色差异而导致产生大量伪边缘的问题,在噪声环境中能有效提取自然背景下植物叶片边缘信息,可有效用于温室环境的植物叶片图像边缘检测.     

基于视觉导航和RBF的移动采摘机器人路径规划研究

为了提高采摘机器人自主导航和路径规划能力,提出了基于计算机视觉路径规划和RBF神经网络自适应逼近算法的导航方法。使用图像分割、平滑处理和边缘检测技术,根据图像像素灰度值确定了导航线的位置,利用逐行扫描的方法得到了导航离散点。路径规划和跟踪使用RBF神经网络逼近算法,通过逼近误差和权值控制路径跟踪的精度,系统响应的执行端使用液压伺服系统,提高了机器人自主导航的精度。以黄瓜采摘作为研究对象,在日光温室对机器人采摘作业进行了测试,通过测试得到了RBF神经网络的路径跟踪误差曲线。测试结果表明:机器人可以很好地逼近跟踪规划路径,其计算精度较高,跟踪效果较好。     

计算机视觉技术在微小尺寸测量中的应用

应用计算机视觉技术快速测量微小零件的尺寸,研究了CCD图像预处理、图像二值化、边缘处理、标定等技术,发现中值滤波平滑处理图像的精度更高,轮廓跟踪能使图像边缘确定时的运算更简单。图像检测结果与工具显微镜测量进行了比较,结果表明该测量方法可以快速、准确地实现大批量同类零件的尺寸测量及合格度的检验,并可满足100%在线检测要求,检测误差不超过0.0119mm,每件检测时间不超过2s。     

基于图像处理的果树滴水线导航路径检测方法研究

针对果园开沟施肥,提出一种基于图像处理的果树滴水线导航路径检测方法。该方法采用垂直地面向上布置的CCD相机采集果树冠层投影图像,并实现果树冠层沿地面垂直投影轮廓的识别与滴水线平滑处理,进而对无人施肥装备沿果树环状行走路径进行确定。通过相机标定获取相机内部参数和畸变参数,对原始图像进行畸变矫正;通过对图像在RGB颜色空间的分布特征进行定量分析,使用平均值法对图像灰度处理,使用定阈值法进行二值分割;二值图像中由于存在大量的空间间隙,使用形态学膨胀操作,填充间隙,以凸显树冠投影边缘轮廓;使用边界跟踪算法,提取树冠轮廓边缘;引入Beseel曲线拟合方法,对轮廓边缘进行平滑处理,通过对比二阶、三阶、四阶、五阶拟合结果,得出使用三阶和四阶Beseel拟合结果较为符合导航路径要求。将相机固定在一个位置,分别在晴天和阴天拍摄条件下采集图像,进行滴水线导航路径提取,分别使用三阶和四阶Beseel曲线拟合晴天和阴天的图像边缘轮廓,使用四阶拟合结果较为符合实际要求,平均像素误差为19.5像素,平均像素相对误差为2.6%,平均每帧图像处理速度为27 ms,能较好地满足导航精度和实时性的要求,为施肥作业平台沿滴水线自动导航提供参考。     

基于多/高光谱影像的农作物叶片像素自动提取方法

为了探明作物叶片像素提取的内在机理,设计适用于高光谱和多光谱影像的自动叶片提取方法,以实测高光谱和模拟多光谱影像为基础,通过特征转换、图像分割、边缘检测、基于梯度的断点连接4个步骤,最终实现了作物叶片的快速、准确、自动化提取。结果表明,EVI对作物叶片增强效果最好,NDVI次之,基于红边的植被指数效果最差。在叶片提取过程中,本方法所涉及的5个精度评价指标平均值均在0.94以上,分布于0.9478~0.9896,叶片提取精度极高。该方法相较于大津法（OTSU）、标记分水岭（Marker-watershed）等经典方法具有明显的优势,其提取精度分别提高了29%~98%,与全卷积神经网络（FCN）或随机森林（RF）基本相当。通过运用特征转化,局部自适应阈值分割和边缘检测相结合,可以实现基于高光谱、多光谱影像的叶片像素快速、准确、自动化提取;该方法可避免繁琐的样本标记,且对高光谱和多光谱影像的空间分辨率及尺寸要求较低,其提取结果可直接作为深度学习的标记样本或叶片尺度的表型参数反演的基础数据,具有推广价值。     

基于Otsu阈值与形态学处理的车道线检测

为了提高车道线检测的识别能力和可靠性,提出了一种在对图像进行Hough变换前进行预处理的方法。该方法采用直方图均衡化、拉普拉斯滤波器图像增强,进而引用Otsu阈值分割处理转化为二值图像;再对该二值图像形态学处理消除物体边界点和微小结构像素,减少后期Hough变换的投票像素点;采用Canny算子对图像进行边缘检测以及Hough变换检测出车道线。     

茶叶嫩芽机器视觉识别算法研究

针对自主采茶机器人,研究了在茶园自然光环境下如何高效识别茶叶嫩芽。针对自然光条件下采集的茶叶图像含有大量噪声的情况,为了避免一些像素值变化剧烈的像素点,根据分析,最终选用双边滤波去噪算法,对茶叶原始图像进行平滑滤波的同时,还能有效保留图形的边缘等有用信息。采用一种新的基于颜色通道调换的算法来增大茶叶嫩芽和老叶以及环境的对比度,然后提取茶叶的颜色特征,进而分割提取出茶叶嫩芽。实验结果表明:基于颜色通道变换的算法具有高效稳定等优点,能够很好地识别茶叶嫩芽,可以满足自主采茶机器人对茶叶嫩芽识别的要求。该算法为后续自主采茶机器人的研发提供了技术支持。     

基于双远心镜头的高精度叶面积测量方法研究

叶片是植物重要的光合器官,也是植物进行蒸腾的主要场所。植物叶面积的检测对于评估作物的长势和建立植物的生长模型有着非常重要的研究意义。针对现有基于机器视觉测量叶面积存在的缺陷,提出一种采用双远心镜头的高精度叶面积测量方法,该方法不需要对图像进行畸变校正,采用图像边缘增强、亚像素提取和图像分割等先进图像处理算法,使得图像边缘提取精度达到0.1个像元,叶面积测量精度达到3×10~(-6) mm~2。试验结果表明,该方法不仅测量精度高,而且大大提高测量效率。     

小波变换在农田图像边缘检测中的应用

为了给农业机器人田间行走提供准确导航方向线,以农田景物为研究对象,提出用紧支撑双正交小波变换检测图像中的边缘,并改进了传统的小波算法。运用此方法,在计算机上对图像做边缘提取的实验。实验结果表明,该方法能够得到连续、光滑、单像素宽边缘链图像。程序的单幅图像处理平均效率为0.12s,不仅证明了该算法能够达到实时检测、自主导航的要求,而且也表明这种边缘提取方法是有效和可行的。     

基于小波变换的农田景物边缘检测

依据农田景的图像的基本特点，提出零点反对称紧支撑二进小波检测图像中的边缘。运用此方法在计算机上对图像边缘提取，得到了连续、光滑、单像素宽的边缘链图像。表明这种边缘提取方法有效、可行。     

基于地形特征的无人机遥感梯田影像边缘提取方法

梯田具有蓄水固沙的作用,是旱作农业区重点建设的高产稳产农田设施,为粮食增产、农民增收提供了有力保障。因仅基于影像数据采用边缘提取方法进行梯田区域分割效果不理想,及时准确地掌握梯田信息较为困难。无人机遥感技术的不断发展为高精度梯田地形信息的获取提供了新方法。本研究以甘肃省榆中县为例,首先从数字高程模型DEM数据中提取坡度,将正射影像与坡度数据融合,并通过基于Canny算子的粗边缘提取方法和基于多尺度分割的精细边缘提取方法,对比分析坡度对无人机遥感梯田影像边缘提取的影响。试验结果表明,正射影像和坡度融合的提取效果均优于单一的正射影像数据提取效果,粗边缘提取方法中正射影像和坡度融合的数据源精度平均提高了23.97%,精细边缘提取方法中正射影像和坡度融合的数据源精度平均提高了17.84%。研究表明,在无人机遥感梯田影像边缘提取中加入一定的地形特征,可以取得更好的边缘提取效果。     

基于数学形态学的镰刀菌显微图像边缘检测

用计算机进行图像分割是图像识别和图像分析的基础.为此,根据镰刀菌显微图像的独特特性,在分析综合传统的图像增强和图像分割算法的基础上,将直方图变换与数学形态学相结合,提出了基于形态学的镰刀菌显微图像边缘检测方法,并通过实验证明,该方法能够有效抑制显微图像的噪声、提高检测精度和保护边缘细节.     

基于DM642的农产品图像边缘检测系统设计

基于DM642和CPLD架构实现农产品图像的采集与处理,并利用Canny算子检测农产品图像边缘信息。针对农产品种类丰富、外形多样、边缘信息复杂且图像在采集过程中容易受到外界因素影响的特点,采用一种新的调试技术,将Matlab和DSP两者结合起来,充分利用两者特长,在线调节Canny算子阈值,简化系统开发的分析、调试和验证过程,并使系统具有更强的通用性,满足不同农产品边缘检测需要。     

农业区域多光谱遥感影像亚像元定位研究

在对亚像元定位空间引力模型改进的基础上,提出了一种基于二次引力计算的亚像元定位模型,并在不同退化尺度下开展基于空间引力模型、像元交换模型和二次引力计算模型的亚像元定位精度比较研究。其中,数据源为人工影像和国产高分一号8 m空间分辨率遥感影像,研究对象为中国北方黄淮海区典型区域夏收作物。结果表明,在不同退化尺度条件下,所提二次引力计算模型(DSGM)可有效进行亚像元定位,且定位精度均优于空间引力模型和像元交换模型。其中,在亚像元分割尺度为6的人工影像实验中,二次引力计算模型亚像元定位总体精度和kappa系数分别为93.90%和0.818,比K-mean硬分类精度分别提高3.76%和0.254,比空间引力模型亚像元定位精度分别提高2.25%和0.160,比像元交换模型亚像元定位精度分别提高2.45%和0.173;在亚像元分割尺度为4的遥感影像实验中,二次引力计算模型亚像元定位总体精度和kappa系数分别为83.13%和0.742,较K-mean硬分类精度分别提高9.50%和0.154,较空间引力模型亚像元定位精度分别提高5.44%和0.088,较像元交换模型亚像元定位精度分别提高6.39%和0.104。     

农作物边缘提取方法研究

为实现复杂农作物边缘检测,提出了用低通滤波对原始图像进行预处理,然后采用给定阈值的图像二值化,再利用二值膨胀滤除细小纹理,最后依照先验知识获得较完善的农作物边缘的方法。通过收获季节实验证明该方法是可靠的,能够得到预期的农作物有效边缘。     

基于边缘检测的数字图像拼接实现研究

图像拼接在天文图像处理、日常照片扩展、大型图像的获得等方面应用极其广泛,是地理、人文、科技发展的重要标志。本文采用基于特征的图像拼接算法,利用Canny算子进行边缘检测提取数字图像特征,通过图像预处理(去噪,边缘提取,直方图处理等)、图像配准、图像重构融合等操作,在Matlab平台下实现两幅大小一样、光照条件一致的灰度图像的拼接。     

基于叶片形态的田间植物检测方法

利用图像处理技术方法,以田间拍摄的水稻图像为研究对象,对田间植物进行检测研究。通过改进归一化绿蓝差值指数IDNBG 与色度模型,经过分类识别、图像阈值分割等步骤,对植物叶片进行提取。利用形态学正反向组合运算实现叶片内部完整性修复;利用边界4连通链码边缘检测实现叶片边缘平滑性修复。通过对可见光条件下田间拍摄的40幅图像进行植物提取实验,植物叶片提取正确率平均可达83.07%,误分率为3.57%。对其中90条边缘线进行边界平滑修复,部分叶片边缘被平滑但使叶片提取正确率降低0.63%。对植物检测主要影响因子进行分析得出,成像条件差异易影响亮度因子;通过形态学膨胀与正反向过滤运算,露珠与病斑得到一定程度的保留,提取叶片内部形状完整;链码运算可使叶片边缘得到平滑,同时也会去除部分正确的叶片,其运算量较大。