基于改进的快速最大熵多阈值的成熟草莓图像分割

成熟草莓图像分割是草莓机械化采摘中首要解决的难题之一,最大熵多阈值算法是图像分割中效果较稳定的方法之一,但存在计算复杂度高、分割速度慢等缺点。为降低算法的计算复杂度、加快搜索速度,提出了一种改进的快速最大熵多阈值图像分割算法(IFMEMT)。首先提取RGB彩色图像的R分量灰度图像及灰度图像信息,然后应用IFMEMT算法求得最大熵及对应的阈值,最后进行图像分割。实验结果表明,在复杂环境下IFMEMT相对OTSU等图像分割算法不仅能达到相同甚至更好的分割效果,而且有更好的分割效率,能满足成熟草莓机械化采摘的实时性要求。     

基于改进蚁群算法和指数熵算子的三类阈值图像分割

针对多目标图像分割问题,采用了1种基于二维灰度直方图的三类阈值分割方法,将图像划分为暗、灰和亮3种不同的区域,分别给出了其模糊隶属度函数,引入概率分析,定义了基于指数熵算子的最大模糊熵准则,通过改进的蚁群算法,搜索最优模糊参数组合,以此确定图像的分割阈值。实验结果表明,该算法能快速、有效的分割图像。     

基于粒子群算法的最大交叉熵的图像分割方法

在论述了粒子群算法的基本原理和特点的基础上,将粒子群算法应用于最大交叉熵阈值的确定中,提出了相应的算法并用于图像分割。结果表明,在设定了合适的粒子群算法参数条件下,粒子群算法不仅可以实现正确地图像分割,而且大大提高了分割速度。     

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.     

苹果树图像分割算法研究综述

在国内外图像处理和机器视觉技术在苹果树图像分析应用相关研究的基础上,总结了专门针对苹果树图像分割技术的研究进展。按照图像分割的技术体系,分析了苹果树图像分割技术的主要研究进展,系统地总结了图像分割算法及其在苹果树图像应用上的特点,提出了苹果树图像分割算法的演进图,展望了苹果树图像分割算法研究发展的趋势,为基于图像处理及机器视觉技术的苹果信息化技术研究提供了参考。     

一种粗糙熵和K-均值聚类相结合的岩心图像分割方法

K-均值聚类算法和粗糙熵是应用于图像分割的主要算法,目的是对图像进行分析处理。将K-均值聚类算法和粗糙熵结合起来应用到岩心图像的分割,目的是提取出岩石的隙缝信息。先利用K-均值聚类算法对岩心图像进行区域分割,再利用基于粗糙熵的方法对分割结果进行目标提取,从而达到多阚值分割的目的。通过效果图对比分析可以看出,采用基于粗糙熵的K-均值聚类算法处理多目标的岩心图像,提取出的目标更清晰,更明确,实验结果更有价值,证明了改进后算法的有效性。     

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%。     

基于改进OTSU算法的快速作物图像分割

针对OTSU算法时间复杂度高、实时性差等缺点,结合粒子群算法(particle swarm optimization,简称PSO)提出了一种新的自适应动态参数控制PSO+OTSU算法。通过自适应动态调整惯性权重因子和学习因子,让处在不同位置的粒子做自己最擅长的事情,从而达到算法满足实时性的目的。通过研究自然农田环境下作物图像,提出了一种改进超绿作物图像灰度化方法。结果表明,提出的自适应算法比标准PSO+OTSU算法运行时间缩短了12.7%,错分率方差缩小了26.3%,具有更好的实时性和稳定性。最后在不同光照、不同复杂背景、不同作物植株条件下进行验证试验,都取得了很好的分割效果,说明改进算法同时具有很强的健壮性。     

基于最大类间方差的图像分割改进遗传算法

在基于最大类间方差传统遗传算法实现图像分割的基础上对其改进, 提出了基于染色体、基因位的"双自适应交叉概率"的改进遗传算法. 该方法利用待分割图像的直方图作为先验知识, 缩小了初始种群的选取范围, 提高了遗传算法的寻优能力. 实验表明, 改进的遗传算法应用于图像分割较传统遗传算法有更好的效果.     

两种计算机图像分割技术对比研究

随着计算机的飞速发展,计算机的图像处理广泛应用于各行各业,图像分割是一种基本的图像处理技术。图像分割就是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。从图像分割的基本定义,图像分割的技术分类,图像分割的方法几方面对其进行了初步探讨,并重点针对农田植物与土壤对比比较强烈的情况,为将其背景与植物分离,对阈值分割法中的双峰算法,最大类间方差法进行了详细的对比研究。     

基于模糊Tsallis熵和混沌蛙跳算法的快速红外目标分割

针对红外图像的模糊性和非广延性,提出一种基于模糊Tsallis熵的快速阈值分割方法。先用模糊隶属度函数把图像灰度直方图转换到模糊域,分别定义图像背景与目标的模糊Tsallis熵,并根据不可加熵的伪叠加原理求出图像总熵。在参数寻优过程中,提出一种基于Logistic映射的混沌蛙跳优化算法,根据最大熵原理对模糊隶属度函数进行参数优化,进而得到图像的最佳分割阈值。与典型的阈值法进行对比试验,结果证实了该方法的有效性和鲁棒性。     

基于遗传算法的手背图像分割

基于二维域值化最大熵的遗传算法,充分利用了像素的灰度分布信息和像素间的空间相关信息,以及遗传算法的良好性质,提高了阈值分割的抗噪性能,收到了很好的分割效果。     

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     

直线型二维Tsallis熵阈值分割方法

为了充分利用图像的边界区域信息,本文在研究二维Tsallis熵的基础上,提出了直线型二维Tsallis熵阈值分割方法,传统的二维Tsallis熵法可以看作是直线型二维Tsallis熵阈值分割方法的特例.为了减少运算量,提高分割速度,给出了直线型二维Tsallis熵法的快速递推公式.实验结果表明:直线型二维Tsallis...     

改进Otsu法的冠层图像分割及银杏叶面积指数估测1）

基于Otsu法对冠层图像临界处分割不准确的缺点,结合类间方差以及类内聚度对阈值选取及图像分割效果的影响,提出了一种改进阈值选取算法。利用银杏冠层图像分割实例进行比较,同时进一步拟合了图像信息与叶面积指数间模型,结果表明：（1）该改进法较传统Otsu法可得到更好的分割效果;（2）以分割得到的前景像素比值作为自变量,叶面积指数为因变量,拟合得到的模型能较好的描述冠层图像信息与叶面积指数间的关系;（3）提出了一种即时无损并快速可靠的叶面积指数估测方法。     

基于分水岭算法的绿色作物与背景分割研究

分水岭算法作为彩色图像分割手段的一种方法,具有运算简单,性能优良,能较好提取运动对象轮廓和准确得到运动物体边缘等优点。应用分水岭算法研究了绿色作物及其背景的分割,首先通过数码相机拍摄的一幅640×480田间青菜真彩色图像,在matlab中采用分水岭分割算法处理图像后提取其绿色分量,再用数学形态学闭运算处理后可以较好地分割绿色作物与背景。针对结果中存在的过分割现象,采用先计算图像的形态学梯度,再用分水岭算法分割可以使结果得到有效改善。     

基于阈值的彩色农业图像分割方法研究

根据彩色农业图像的特点,以蔗苗为研究对象对OHTA颜色模型的三分量图进行分割试验,发现I3分量图的分割效果比I1、I2分量图的分割效果要好,更加适合干蔗苗图像分割。在I3分量图中,比较了3种阈值分割方法效果,试验结果发现Ostu法与直方图双峰法分割结果更为接近,比迭代法分割效果更好。     

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。