奶牛形体图像处理中尺度不变特征变换特征点检测与匹配策略的应用

针对奶牛形体图像,分析尺度不变特征变换特征点检测与匹配算法的应用特点,提出一种全自动图像格式转换,尺寸调整,特征点检测,特征点匹配,数据存储策略.结果表明,该策略定位特征点精确,数据有效性强,匹配结果准确.     

基于SIFT检测与匹配算法的奶牛形体图像技术研究

使用普通数码相机拍摄奶牛形体图像,应用SIFT特征点检测与匹配算法进行特征点检测、匹配、基础矩阵和单应投影矩阵的计算.实验结果表明,该方法对图像采集的要求低,能适应野外作业,检测的特征点数量大,精确度高,匹配结果准确.     

基于图像信息熵的自适应Harris角点检测算法

为了克服Harris角点检测算法在提取角点时需要人为设定响应函数参数和阈值的问题,本文提出一种基于图像信息熵的自适应角点检测算法,利用合适尺度下的图像信息熵能够反映较多图像纹理信息的特点,在非极大值抑制时采用了图像信息熵的自适应阈值,并修改了角点响应函数,避免了阈值设定和参数设定的随机性。通过对添加盐粒噪声的图像进行角点检测并计算角点重复率,表明本文的算法在提取图片角点时有更好的稳定性,能够用于角点检测。     

特征点提取算法在作物病原镰刀菌图像识别中的应用

提出一种针对镰刀菌图像的特征点提取的算法。该算法利用Harris算子提取待匹配图像以及基准图像的特征点,利用Hausdorff距离方法进行度量优化,从而从基准图像找到待匹配图像。试验证明,该算法可以有效地对镰刀菌图像进行检索与匹配。     

应用Harris角点检测进行图像拼接的超长板材尺寸测量方法

选择约700 mm(长)×200 mm(宽)的10块柞木板材为研究对象;用相机进行标定得到相机内部参数、外部参数,对采集的板材图像进行镜头畸变修正;对图像进行高斯平滑处理后,采用Harris角点检测方法对采集的先后两帧图像进行图像拼接;采用边缘检测得到板材完整的边界信息,通过建立空间坐标系与像素坐标系的转换关系完成板材尺寸计算。结果表明:相机标定与畸变补偿,提高了测量的精度由5 mm至1 mm;图像拼接方法,解决了长尺寸板材机器视觉测量困难的问题;采用Sobel算子边缘检测方法,能够准确保留边缘信息,速度快、计算简单;测量结果最大标准差为0.582 mm,测量精度小于1 mm。     

基于角点检测的叶缘锯齿快速识别

叶缘锯齿特征是植物识别的重要特征。本文提出了一种运用图像角点检测技术对叶缘锯齿进行识别和定位的方法。该方法首先利用基于Harris算子的方法进行角点检测,然后通过人工调整阈值提高检测精度。研究结果表明,该方法便捷、高效,在叶缘的锯齿检测中取得了较好的效果。     

基于两阶段关键点定位算法的奶牛体型评定指标自动测量

为解决传统奶牛体型评定指标测量方法受主观影响大、自动化程度以及体型关键点定位存在误差等问题,提出一种基于两阶段关键点定位算法的奶牛体型评定指标自动测量方法。对采集的奶牛背部深度图像序列,首先基于滤波方法进行边缘平滑与缺失区域修补;之后基于YOLO v5体型关键区域检测算法确定体型关键区域并重建相关区域三维点云;进而计算区域点云曲率与z轴最值定位体型关键点;最后依据关键点间相对位置自动测得体型评定指标。结果表明,该方法可完成俯视视角下奶牛体长、肩宽、胸宽、腹宽和腰宽指标的精准测量。对15头奶牛5个体型评定指标,算法测量值与实测值平均绝对误差为1.55 cm,均方根误差为1.78 cm,决定系数R2最大为0.9394。该方法可在实际养殖环境下实现奶牛体型评定指标的精准测量,对生产实际具有一定现实意义。     

量子点在食品安全检测中的应用研究

近年来,量子点由于其优异的荧光性能,被广泛地作为生物纳米探针用于食品安全分析领域。为了解量子点及其在食品安全检测中的应用研究现状,综述了量子点的组成结构、光学特性、制备方法,以及量子点在食品安全检测方面应用取得的最新进展,并对其研究方向进行展望,以期促进量子点在食品安全检测中得到进一步的推广和运用。     

Adaboost算法在人脸检测中的应用

针对人脸检测的特点，详细叙述了检测中应用的特征值的计算以及积分图的使用，给出了基于Adaboost算法的弱分类器选取和单个强分类器的训练过程，以及最后的层叠分类器的具体组成形式．基于此算法的人脸检测具有检测率高、速度快、对于光照变化适应性强的特点，能够达到实时检测的要求．