数字图像处理技术在棒材计数中的应用

利用数码相机获取棒材端面的图像,通过对图像格式转化、灰度化处理得到灰度图像,再进行平滑处理抑制噪声、锐化处理突出目标、选择合适的闻值转换为二值图像,然后进行形态学腐蚀操作去掉棒材之间的粘连,最终得到分割效果较好的图像,为后续棒材的计数奠定了基础。     

基于机器视觉和PNN神经网络的鸭蛋表面缺陷检测研究

本章提出了一种基于概率神经网络（PNN）结合机器视觉的鸭蛋表面裂痕检测方法,配合背景光照法,结合灰度图像处理、图像高斯滤波处理、图像分割处理等算法去除图像杂质干扰,采用反锐化掩模局部对比度增强的分段增益改进算法来增强裂痕,收集裂痕、污点的相关信息作为数据集录入PNN神经网络,进行识别判断。本研究对1 600张鸭蛋图片样本进行采样分析,将鸭蛋分为好蛋、脏污蛋、裂纹蛋3种。试验表明,该系统对干净无损蛋、脏污无损蛋、裂纹蛋的检测准确率分别达到了95.1%、77.9%、95.3%,具有较好的泛化性和鲁棒性,符合复杂鸭蛋生产加工环境的应用需求。     

温室环境下红掌图像拼接算法

研究了非结构环境复杂背景下图像拼接方法,实现了温室环境下红掌图像的拼接.以温室自然光照环境下随机垄地为研究对象,提出先采用2G-R-B算法提取红掌、再采用SIFT算法进行图像特征匹配的方式,并对使用SIFT算法的图像拼接算法进行了改进,大大降低了原拼接算法在高噪声环境下的运算量及处理时间,实现了高噪声环境下红掌图像快速有效的拼接.在智能对靶施药系统的基础上进行实验,结果表明,所提出的方法拼接速度为0.083 s,误判率为7.3％.     

基于差分投影法实现仓储害虫图像的精确定位

针对仓储害虫图像的特点,提出了一种基于投影法的图像目标快速定位算法.本算法的优点是特征提取简单,计算量小,速度快;在处理时间上可以满足应用的实时性要求.通过在对仓储害虫差分图像处理中的试验证明,该算法能够快速地识别出实时采集的图像中的目标位置,定位精确.     

基于特征点匹配的全景相机图像拼接方法研究

全景相机可获取农机周围360°范围内的图像信息,具有覆盖范围大等特点,但需要对多镜头获取的图像进行拼接与融合,才能生成全景图像,为农机避障提供支持。以雷沃欧豹拖拉机为试验平台,搭载全景相机,获取实验农场的农田图像数据。首先对多幅图像进行预处理,包括通过柱面投影变换统一坐标系,采用基于特征点的SIFT算法提取图像的特征点并进行匹配;针对传统SIFT算法存在错误匹配而影响图像拼接质量的问题,使用RANSAC算法进行多次优化迭代,达到剔除错误匹配点的效果;针对匹配后生成的图像变换矩阵,为防止其线性结果不稳定并进一步优化结果,采用非线性的LM算法进行优化,使用线性加权平滑算法对图像进行融合,实现全景图像的生成。试验采用计算图像重叠区域相关系数定量评价图像拼接效果,并对获取的30组共60幅图像采用RANSAC算法和LM算法进行处理。结果表明,经过RANSAC算法处理后,误匹配点得到明显剔除,匹配特征点之间的平均几何距离偏移量明显减小,其平均值由39. 401 3像素下降至0. 581 9像素,相关系数由0. 287 8上升至0. 724 9。与手动设置阈值的剔除误匹配点方法进行了比较,经过RANSAC算法处理后的平均相关系数为0. 724 9,大于阈值设为0. 4时的0. 593 3,以及阈值设为0. 6时的0. 200 7,证明该算法能够实现多种情况下的图像拼接,剔除误匹配点;经过LM算法处理后,平均几何距离偏移量由0. 581 9像素进一步下降至0. 569 3像素,平均相关系数由0. 724 9进一步上升至0. 726 1,证明图像变换矩阵得到进一步优化,全景图像的拼接质量得到进一步提高。     

基于暗通道先验的雾天车载图像增强算法研究

针对原始的暗通道先验去雾算法对天空及明亮区域处理时容易出现失真以及处理后图像偏灰暗的弊端,提出一种改进算法：基于暗通道先验估计大气光、利用阈值判断对天空区域透射率进行修正、使用直方图均衡化增强克服处理后图像偏灰暗。实验结果表明,改进算法提高了图像清晰度,同时还原了图像中更多的道路信息,弥补了传统暗通道算法的不足。     

基于机器视觉的林间导航路径生成算法

提出了一种基于机器视觉的、适用于林间行走机器人导航的路径生成算法,即采用扫描图像获得视野两边的树干底部与地面的交界点,计算得到交点中心的一系列离散点簇,通过最小二乘法拟合该中点生成导航直线的算法.Matlab仿真结果表明:该算法可有效地处理多种林间复杂环境,符合人眼视觉所识别的导航线,在图像批量处理时具有较高的可靠性和稳定性.     

基于机器视觉的胡柚分拣系统的研究与应用

文章以胡柚为研究对象,针对基于机器视觉的胡柚品质分拣生产线所涉及的关键技术进行理论和试验研究,先对在传输带上运动的胡柚进行图像采集、图像分割、图像平滑、灰度化和锐化等一系列的图像处理,然后对处理后的胡柚图像提取大小、颜色和缺陷的特征值,最后依据提取的特征参数进行大小、颜色和缺陷分级。并以此为基础,研究适合实时条件下的胡柚大小、形状、颜色及果品缺陷等品质指标的检测方法和分拣执行机构。     

基于脉冲耦合神经网络的蝗虫图像分割

由于脉冲耦合神经网络(PCNN)特有的脉冲传播特性,PCNN在图像处理与模式识别领域得到了广泛应用.为此,提出了如何用脉冲耦合神经网络(PCNN)进行蝗虫图像分割.计算机仿真表明,采用PCNN图像预处理算法,可使图像中的目标(蝗虫)易于被发现;经PCNN预处理后,相同的后续处理效果明显好于未经PCNN预处理的图像.此方法验证了PCNN在图像处理方面的功能,同时也拓展了蝗虫侦测的方法.     

基于多元图像分析的包装罐内壁缺陷检

为提高包装罐生产线内壁缺陷检测准确性与可靠性,研究了一种采用单摄像机的内壁缺陷检测系统.利用基于形态学的区域提取算法,从罐内图像中分割出内壁检测区域图像.提出基于多元图像分析(MIA)的内壁缺陷检测算法.利用图像融合构成环形合格样本图像,消除罐内焊缝区域的影响,把多个环形合格样本图像与测试样本内壁检测区域图像堆叠起来,用重合区域的图像构造多元测试图像.用基于主成分分析(PCA)的多元图像处理方法获得多元测试图像的主分量表示,将去掉第一主分量和噪声后的Q统计图像作为内壁缺陷特征的检测空间,利用阈值处理检测缺陷,解决了罐体内壁照明困难、亮度不均造成缺陷误检率高的问题,提高了检测系统的准确性和鲁棒性.实验表明对内壁缺陷检测的误检率降低到2%,验证了检测系统的有效性和可靠性.     

水果表面亮度不均校正及单阈值缺陷提取研究

提出了一种水果表面亮度不均校正算法.以脐橙为研究对象,首先提取R分量图像并除去背景后获得原始图像;然后根据照度-反射模型,利用低通滤波获得该图像的入射分量图,将此入射分量图作为该图像的亮度图像;最后,原始图像与亮度图像相除后即为亮度校正后的图像.基于亮度校正后的图像,利用单阈值对水果表面缺陷一次性成功分割.利用开发的算法对正常样本和带有10类不同缺陷的样本共计788幅图像进行处理,总体识别正确率达到97％.     

基于图像处理的小麦病害诊断算法

通过小波变换和纹理矩阵计算,强调了小麦病害部位.由自动阈值处理获得病害部位的二值图像;通过二值图像与原图像的匹配,计算出病害部位的颜色特征值;以待测病害图像与库存病害图像之间颜色特征值差值最小为原则,检索出库存病害图像.算法对小麦病害图像的诊断准确率达90%.     

基于改进PCNN的番茄植株夜间图像分割算法

为实现番茄植株夜间图像分割,设计了一种基于最大类间方差法的改进脉冲耦合神经网络(PCNN)图像分割算法。该算法对传统PCNN模型中的链接输入项进行加权处理,在进行图像分割前,先基于最大类间方差(Otsu)算法获得阈值,再将该阈值赋值给改进PCNN模型中的链接输入项权值、突触链接系数β、链接权放大系数VE和阈值迭代衰减时间常数αE。对849幅番茄植株夜间图像进行试验,结果表明,图像分割正确率平均值为90. 43%,平均每幅图像分割时间为0. 994 4 s;输入链接项的加权处理可减少PCNN的迭代次数,提高算法的实时性;基于Otsu算法可实现改进PCNN模型的网络参数自适应设置。基于视觉效果、最大熵及分割正确率这3项评价指标的对比分析显示,改进PCNN模型的分割效果优于Otsu算法和传统PCNN模型,实时性优于传统PCNN模型。     

基于模式识别的农田目标定位线检测

根据农田图像的特点,采用K-means模式识别算法,实现农作物与背景的分离.通过对二值图像进行水平扫描.检测定位区域和定位点,利用定位点的坐标信息确定聚类判别函数,实现农田目标定位线的检测.多幅农田图像实验表明,定位线能够正确提取出来.该算法处理640×480像素的彩色图像蒂要0,12 s,在自动导航系统中是一种有效、快速的图像处理算法.     

基于图像旋转投影的导航路径检测算

提出一种农业车辆视觉导航路径识别算法--旋转投影算法.该算法通过角度枚举对图像ROI实施旋转变换,由旋转后图像的列均值与枚举角度构成旋转投影矩阵R,对其行向量实施差分运算得到差分旋转投影矩阵Rd,由Rd的极值可确定图像导航路径,即航向偏差θ与航位偏差d,进而可以求得世界坐标系下的导航路径参数.同理可以对田头线进行检测.为了提高算法的实时性,提出设定合理的ROI、实施线性压缩、旋转角度先粗分再细分的二步法以及充分利用前帧信息4种处理方法,使处理一帧用时6.2ms左右.通过对不同条件下成熟小麦图像测试表明,该算法识别导航路径准确率达到95%.     

基于机器视觉的零件尺寸测量及分析

课题组设计的基于机器视觉的零件尺寸测量系统以尼龙材质注塑成型、后期经铣床加工制成的U形连接块为研究对象,测量其上表面面积、周长以及加工孔半径。课题组优先选用5×5平滑滤波器进行图像预处理,利用Roberts算子进行边缘检测分割,再利用数学形态学算法(开运算、闭运算)锐化边缘,最后利用标板给予的标定系数,将图像上零件尺寸的像素值转换成物理空间的实际测量尺寸。     

棉种图像精选方案与算法研究

提出了一种基于图像处理的棉种精选算法.精选作业前,先设定种子通道工位;精选过程中,使用首帧差分阈值分割的方式提取种子区域的二值图像,然后在原图像的种子区域计算红色像素数并判断红色种子,通过分析二值图像判断破壳种子,最后对种子图像进行微分处理并去除边缘像素判断裂纹种子.实验结果表明,该算法能够很好地判断出缺陷棉种,速度快、准确性高.     

一种基于时间序列图像中的雾滴匹配方法的实现

在利用图像处理进行喷嘴雾化性能检测过程中,为了能够解决同一雾滴在相邻两幅图像中的自动匹配问题,提出了应用雾滴邻域匹配概率算法,实现了对不同时刻图像中的同一雾滴进行匹配的方法.实验结果表明:该方法实现了对同一雾滴在不同帧图像中的自动匹配,匹配速度快、正确率高.     

基于植物病斑的图像分割研究综述

图像分割是图像处理中的关键技术之一。目前,基于植物病斑的图像分割算法很多,对于不同的病斑特点,人们提出了相应地解决办法,而且还在不断改进和提高这些算法的效率和有效性。为此,结合目前的研究进展,对图像分割的分类及其在植物病斑的处理中的应用进行综合型阐述,并对各分割算法所存在的问题以及未来发展的趋势进行了讨论。     

田间枣树叶片复杂目标图像综合分割方法

设计了一种复杂图像分割的综合算法。首先对图像进行预处理,锁定大致目标范围,对图像进行增强,再基于阈值分割和Canny算子对图像进行初步分割。然后结合形态学处理方法及各种逻辑运算对分割结果进行优化处理,得到精确完整的目标图像。以田间枣树叶片图像为例进行实验,证明了该算法的可行性和有效性。该算法对叶片重叠、叶片灰度不均匀等复杂图像都有很好的分割效果,获得了边缘清晰、平滑、定位精确的边缘图像。