基于机器视觉的轮胎红点识别技术研究

针对轮胎红点识别效率较低的问题,研究了轮胎红点的识别方法。基于机器视觉理论,提供了轮胎识别点识别方案,并对识别点图像进行滤波、边缘锐化、边缘提取等分析处理,最后对轮胎红点进行识别检测。提高了识别效率,具有一定的可行性和现实意义。     

基于TM卫星图像的水体边缘检测研究

图像的边缘检测是图像特征提取和图像分析理解的基础.运用Roberts,Sobel,Prewitt,Laplacian 4种经典边缘检测算子对TM遥感影像进行水体边缘检测研究,然后对各种算子获得的结果进行比较.结果认为:采用Roberts算子获得的水体边缘不清晰,而且边缘不连续,边缘检测效果比较差;采用Sobel算子获得的水体边缘局部效果不佳,边缘定位精度不高;采用Laplacian算子获得的水体边缘不具有方向性,定位精度高,检测出了绝大部分的边缘;采用Prewitt算子方法二获得的水体边缘明显,效果最佳.因此,Prewitt算子方法二是最佳的基于TM遥感影像提取水体边缘的方法.     

基于机载激光雷达的林隙结构参数提取

【目的】运用激光雷达技术识别提取林隙面积、边界木高和形状指数,为林隙结构参数调查提供技术支持。【方法】以机载激光雷达数据为数据源,以东北林业大学帽儿山实验林场内设置的5块林隙调查样地中的54个林隙为研究对象,通过对比普通克里金插值、反距离权重插值、样条插值、自然临近插值和局部多项式插值确定最优插值方法得到冠层高度模型,运用交替贯序滤波法对冠层高度模型进行林隙识别提取。【结果】通过对比5种插值方法的RMSE发现,普通克里金法适合插值DEM,反距离权重法适合插值DSM;采用交替贯序滤波法识别提取林隙时,林隙识别率为92.6%,运用配对检验法对提取的林隙面积、边界木高与野外调查数据进行检验,基于激光雷达技术提取的林隙面积和边界木高与野外实测值呈较强线性关系,R~2分别为0.983和0.737,其中提取的林隙面积与实测值平均相对误差为15.78%,林隙边界木高与实测值平均相对误差为11.94%。【结论】基于机载激光雷达数据采用交替贯序滤波能有效识别林隙且能准确提取其结构参数;坡度、坡位及冠层结构复杂程度都会影响冠层高度模型的插值精度;林隙面积提取受林隙边界形状和林层结构影响,林隙边界木高随着样地地形、坡度增加误差也随之增大。机载激光雷达技术具有获取地形和树木三维结构信息的优势,可为林隙识别及其结构参数提取提供新的遥感方法。     

基于分形理论和数学形态学的木材表面缺陷识别的图像处理

在木材表面缺陷识别过程中,能否精确提取缺陷轮廓是提高分选准确率的重要因素。采用分形理论和数学形态学进行板材缺陷图像分割和边缘提取,能有效的克服传统方法中缺陷图像提取受背景纹理影响大的不足,为后续的木材表面缺陷的识别打下坚实的基础,提高木材的使用率,对木材表面缺陷识别具有实际意义。     

微分算子在虫害杨树叶片边缘检测的应用

介绍了几种常用的边缘检测算子.不同的微分算子对不同边缘检测的敏感程度不同,因此对不同类型的边缘提取应采用对此类边缘敏感的算子.针对受虫害杨树叶片图像,通过MATLAB 7.1进行仿真研究,通过比较,选出合适的方法.     

基于机器视觉的立木树干边缘检测及边缘直线提取

以互补金属氧化物半导体(CMOS)获取的立木图像为研究素材,基于图像处理技术和机器视觉技术,通过边缘检测算子进行了立木树干图像边缘特征提取,并对立木树干边缘直线特征进行了研究。结果表明:Prewitt算子和Canny算子虽然对于树干背景的边缘细节保留较多,但对于树干边缘检出率较高,并且树干边缘连续性好; Robert算子和Prewitt算子树干边缘的检测误差较大,Sobel算子、Lo G算子和Canny算子对于树干边缘的检测精度较高;分别将Sigma值为0. 1,0. 3,1. 4和3的高斯滤波的立木图像进行边缘检测,并将直径像素距离提取值与目视判读值进行比较,结果表明Sigma值为0. 3～1. 4时的识别偏差较小。     

基于矛盾解决理论与物质——场分析的实木地板节子识别新方法研究

针对传统区域生长方法识别实木地板节子存在准确率低且速度慢的问题,运用TRIZ中矛盾解决理论分析与物质——场分析,提出一种结合分水岭、区域生长以及边缘检测的新的实木地板节子识别算法。算法首先将原图像转换为灰度图像;其次,运用形态学分水岭的方法对灰度图像进行分割;再次,选取满足条件的种子区域进行区域生长,得到节子区域;最后,运用Sobel算子对图像进行梯度运算,并找到节子的边缘。仿真实验表明,该算法较传统方法能够找到更合适的种子区域和区域生长的阈值,实现了对节子的快速、完整提取,节子分割平均用时60ms,平均辨识准确率在90％以上。     

基于形态学方法与边缘检测的原竹几何特征识别

为提高原竹初加工过程的自动化、智能化水平,针对竹节位置与原竹内外径的快速精准识别需求,提出了一种基于形态学方法与边缘检测的原竹几何特征识别方法。首先,通过对原竹图像进行预处理,去除背景干扰,获得原竹竹节及竹径截面前景信息。其次,基于边缘检测原理计算原竹竹节图片的梯度数值以判断竹节是否存在,并通过形态学方法确定竹节位置;采用Canny算法获得竹径截面图片的内外径轮廓,基于椭圆截面的最小二乘拟合得到内外径尺寸并分级。最后,进行了原竹竹节与内外径识别试验。结果表明：竹节识别速度为0.2 s/次,准确率为95.5%,内外径识别速度为0.2 s/次,准确率为98%,验证了该方法的有效性。     

基于图像轮廓处理及匹配的木节剔除和修复技术

采用计算机图像处理技术实现板材缺陷(木节)的剔除和修复时,首先对含有木节的板材进行图像处理,通过灰度化和滤波去除噪声,再采用二值化阈值法将木节从板材图像中提取出来,对提取出的木节图像进行膨胀、腐蚀、边缘检测等处理,提取出木节的轮廓边界.根据缺陷的横向和纵向跨度确定出修补中心点及修补半径.为了实现补块与剔除区域边缘的图像匹配,提出了基于灰度的环形块匹配算法.从剔除区域取一窄圆环,并将其等分为几个小块,按顺时针对各小块进行编号,计算出各环形小块的平均灰度值,用各小块的平均灰度值代替单个元素进行与数据库中补块的各小块灰度值进行匹配,并选相似度最大者为匹配补块,这一算法能快速有效地找到匹配补块及匹配位置.该方法有助于实现木材缺陷的自动检测和自动修复,对提高板材的利用率具有现实意义.     

基于数学形态学的超声图像增强探析

由于医学成像本身固有的缺陷,会对医生分析和诊断病症造成不利影响．为了提高图像的可读性以及对人体的解剖结构和病变部位进行更有效的观察和诊断,对医学图像进行计算机处理是非常必要的。现有的超声图像增强主要集中在去噪和边缘检测方面。本文提出了一种基于数学形态学的超声图像增强的算法。我们首先对图像进行预处理．使用滤波方法对图像去噪;然后用边缘提取算子,对图像进行边缘检测;使用数学形态学方法对提取边缘进行增强．得到连续的增强后的边缘图像;最后根据得到的边缘图像进行增强。实验表明,本文提出的算法可以有效地增强超声图像,具有一定的实用价值。最后,本文对这项工作做了总结。对未来研究进行了展望。     

基于Sentinel-2影像的火烧迹地快速提取方法比较研究

利用Sentinel卫星数据,特别是其中对植被敏感的红边波段与短红外波段,针对提取灾后火烧迹地研究不足的问题,选取四川省冕宁县4月20日森林火灾发生前后的Sentinel-2卫星数据,使用不同的提取方法探究识别火烧迹地的潜力,并进行对比研究。实验结果表明,决策树分类法识别火烧迹地的能力最好,提取精度最高,BAI指数次之;其余方法均受道路、房屋和裸体不同程度的影响;用红边波段替换可见光红波段的效果相比原有指数提取效果并无明显提升。研究证明在各类方法中,采用决策树分类法能快速高精度地将火烧迹地准确提取出来。     

数学形态学与Canny算子在木材腐朽图像特征提取中的应用

根据数学形态学和边缘检测算子以及木材腐朽图像的特征,选择多尺度多结构的形态学算法,首先对图像进行交替顺序多尺度结构元素的膨胀、腐蚀滤波;再用多结构元素对图像进行开闭运算达到去除噪声,保留图像细节的目的;最后利用Canny算子提取图像的边缘特征。实验结果表明该方法抗噪能力强,能有效提取图像的边缘特征。     

梯度算子与灰度阈值融合的实木地板节子识别方法研究

实木地板表面节子的存在直接影响其质量与等级。针对节子区域与周边存在差异,传统边缘检测方法存在漏检、误检的问题,提出了一种新的边缘检测融合算法。算法首先对原图像分别进行灰度与阈值处理,然后对两幅图像进行梯度运算,并对结果进行操作;最后运用形态学方法得到节子边缘。研究证明,该融合算法保证了节子提取的完整性,可提高节子的识别率。     

基于优化卷积神经网络的木材缺陷检测

针对深度学习中的卷积神经网络算法,在木材无损检测过程中存在缺陷定位不准确、缺陷轮廓和边界信息不完整、识别精度需进一步提高等问题,利用非下采样剪切波变换最优稀疏表示特性,以及简单线性迭代聚类算法能很好地保持像素紧凑度和图像边界轮廓的优点,设计了一种优化的卷积神经网络算法,以提高木材无损检测的准确率。首先采用非下采样剪切波变换对采集的木材图像进行简单预处理,保留木材图像的缺陷特征不丢失,降低图像处理的复杂度以及运算量;然后利用卷积神经网络对木材图像实现深层次的算法设计,同时应用简单线性迭代聚类算法对初步模型进行增强改进,提取出相对准确的木材缺陷轮廓;最后通过反复调整参数和调试优化器,优化卷积神经网络算法的收敛速度,提高学习和运算效率,完善卷积神经网络对木材缺陷轮廓的提取,在降低运算复杂度的同时,提高其精度,具有良好的鲁棒性。相比径向基函数(RBF)神经网络、向后反馈-径向基函数(BP-RBF)混合神经网络和卷积神经网络,本算法对木材缺陷具有更好的识别效果,其识别准确率达到98.6%左右,且识别时间相对更短。     

木材CT图像的三维重构

运用CT技术对木材进行无损检测,运用多重分型频谱技术可以对木材CT图像进行有效的边缘检测.针对木材CT图像低对比度、原木缺陷边缘提取困难等问题,采用多重分型频谱技术对处理后的图像进行提取,提取的边缘信息清晰完整、准确度较高,为后续的木材CT图像的三维重建提供有效信息.使用线性插值法对木材CT图像进行三维重建,该方法具有便于理解、实现简单和运算速度快的特点.所运用的线性插值法对木材CT图像三维重建的过程有较好重建效果,具有重建图像直观、清晰的优点,这种重建理论为提高木材利用效率和原木的虚拟切割提供了一种有效的思路.     

基于图像处理的木粉目数检测与分析

为了解决生产中木粉目数传统检测方法存在的问题,结合先进的数字图像处理技术,在分析木粉颗粒形态特征的基础上,提出了一种基于形态学边缘检测和最大Feret直径的目数检测方法。该方法首先进行图像HIS颜色空间转换,基于S分量进行目标提取,应用多尺度形态学边缘检测算子提取边缘,然后根据颗粒形态特征只保留Feret最大方向上的直径,最后通过单位换算实现目数检测。实验结果表明,该方法具有较高的检测精度,可在生产中推广应用。     

基于端元提取的滇中典型森林类型识别研究

端元波谱的选择对森林类型的识别精度和效率具有重要影响。以滇中地区典型森林植被为研究对象,基于Landsat8 OLI遥感影像数据,结合二类调查数据,在影像融合的基础上提取典型森林植被的感兴趣区,通过最小噪声分离变换及n维散点图提取滇中典型森林植被(云南松、华山松、蓝桉、柏木和栎类)的波谱曲线,利用提取出的端元波谱,采用波谱角填图法进行滇中典型森林类型的识别,采用混淆矩阵对分类结果进行精度评价;同时,与传统的森林类型分类识别端元提取方法进行了对比分析。研究结果表明:1)基于感兴趣区端元提取的方法所得的分类结果较为理想,总体分类精度达83.46%,其中云南松84.78%、华山松96.88%、蓝桉80.60%、柏木75.00%、栎类57.69%。2)基于几何顶点的端元提取方法通过多次端元波谱提取、波谱分析仍仅能识别云南松、华山松、蓝桉和栎类,柏木无法识别;分类精度分别为云南松89.13%、华山松84.37%、蓝桉76.12%、栎类53.13%。基于传统方法提取出的波谱近似程度较高,分类精度偏低,端元波谱不易识别。3)基于感兴趣区的端元提取方法方便快捷、精度较高,可避免无意义端元波谱对分类结果的混淆,能有效解决端元波谱无法识别的技术难题。     

球栅阵列芯片图像边缘提取方法研究

针对球栅陈列（BGA）芯片图像的特点,其边缘提取最为关键技术的是芯片的引脚图像的轮廓提取。一般传统的边缘检测方法大都是以原图像为基础,检测边缘是利用边缘临近一阶或二阶导数方向变化规律,对噪声极度敏感,因此常常边缘误检。通过蛇模型及其改进处理BGA芯片边缘检测,使其对噪声的敏感程度尽量按要求降到最低,同时在不漏测真边缘的前提下尽量不引入假边缘,运算速度快,效果好,抗干扰性强。     

无人机影像树冠信息提取研究

【目的】树冠是林木长势监测、树种识别、蓄积量估测等森林调查中的重要森林参数,对森林资源调查和生态研究等具有重要意义,相比于传统的人工实地调查的方法,通过无人机影像提取树冠信息,具有高效、准确和低成本等优势。【方法】以湖南衡山森林生态系统定位观测研究站实验样地为研究对象,以无人机影像为数据源,采用阈值法和K邻近法,分别对正射影像和冠层高度模型进行图像二值化,取其交集得到树冠区域图;利用数学形态学开闭重建滤波对树冠区域图进行去噪处理,有效平滑影像,避免影像对象边缘轮廓偏移;采用局部最大值法和最大类间方差法进行前景背景标记,根据影像标记修正梯度图像;利用分水岭分割算法提取树冠信息。【结果】在树冠区域提取中,基于阈值法和K邻近算法成功分割出树冠区域与背景区域,确定树冠分割范围。通过数学形态学滤波,有效地去除了由噪声及树冠内部的纹理信息所造成的伪局部极值,减少了分水岭分割算法的过分割现象,同时保护了树冠边缘轮廓及其位置信息。【结论】单木尺度上,树冠信息提取的F测度为75.98%;样地尺度上,提取的树冠面积相对误差为13.3%。基于无人机影像提取树冠信息的方法是可行的,能够快速准确地提取较高郁闭度林分的树冠信息。     

边缘识别法在节子整体视频检测中的验证

通过对原木节子轮廓的数学描述和对节子边缘点的确定,提出一种比较准确的寻找节子边缘点的视频识别验证方法———边缘检验算子法,对节子的形状进行有效的分析和验证。提出了一种有效的节子数学描述和视频处理方法,为节子的视频检测技术提供了新的理论。