基于云的过渡区提取与图像分割算法

提出了一种基于云的图像过渡区提取算法.该方法利用区域生长算法提取目标内部灰度同质性及相似性最高的区域作为云核,结合云发生器,对图像进行云化处理.通过相邻云之间的逻辑运算生成边界云,提取边界云的数字特征,利用边界云的熵来确定过渡区的两端极值.在此基础上,采用过渡区象素的直方图峰值对应灰度作为分割阈值并进行图像划分.试验结果表明,该算法在能取得较好分割效果.     

基于云的过渡区提取与图像分割算法

提出了一种基于云的图像过渡区提取算法.该方法利用区域生长算法提取目标内部灰度同质性及相似性最高的区域作为云核,结合云发生器,对图像进行云化处理.通过相邻云之间的逻辑运算生成边界云,提取边界云的数字特征,利用边界云的熵来确定过渡区的两端极值.在此基础上,采用过渡区象素的直方图峰值对应灰度作为分割阈值并进行图像划分.试验结果表明,该算法在能取得较好分割效果.     

河蟹湖泊网围生态养殖技术

湖泊网围生态养殖河蟹，养殖环境优良，河蟹活动空间大，生长迅速，质量好，经济效益高。     

基于灰度梯度图像分割的单木树冠提取研究

树冠是树木的重要组成部分,基于遥感影像的树冠提取对于森林资源调查监测具有重要意义,但准确获得树冠的形状和边界比较困难。高分辨率影像具有丰富的纹理和光谱信息,基于高分辨率影像单木树冠勾勒技术为森林资源调查提供了一种快速有效的测树途径。但是,由于高分影像信息冗杂,面向对象的分割方法数据计算量大,并且需要人工设置光谱或纹理阈值才可以实现单木分割,导致工作效率下降,鲁棒性差。图像增强通过改变原始图像的结构关系,有选择地突出或者抑制图像中的某些特征,有效的图像增强有益于提高单木树冠分割的准确程度。因此,本文提出一种基于影像的灰度梯度图像分割的树冠提取方法,通过对比传统的罗伯斯、拉普拉斯算子与改进的数学形态学算子,利用目视解译与灰度直方图结合的方法确定最优选择为改进的数学形态学算子。然后,利用改进的数学形态学算子结合面向对象多尺度分割方法,简化原始影像复杂的背景信息,快速提取大范围单木树冠信息。以甘肃省张掖市大野口林区机载激光雷达系统携带的CCD影像为数据源,提取实验区单木树冠,并从空间和形状上验证效果。实验结果表明:在高分影像的灰度梯度图像上进行面向对象分割提取单木冠幅, 单木株数精度为83.19%,形状精度达到88.62%,优于传统林业调查精度,且冠幅获取速度快,效率高,并可以较为精确地提取树冠边界。      

基于图像优化分割技术的植物病虫害区域智能检测

在对植物病虫害区域进行智能检测的过程中,容易出现噪声干扰,导致传统的的植物病虫害区域智能检测方法由于对噪声特别敏感,易受到干扰,无法有效实现植物病虫害区域的智能检测,提出一种植物病虫害图像优化分割方法,将病虫害直方图划分为目标与背景两组,在两组数据的类间方差达到最大时,对最佳分割阈值进行计算,依据该阈值完成图像分割。采用一种新的概率模型对分割后各植物图像区域的杂波分布进行准确估计,完成对其的归一化处理。针对经归一化处理后植物病虫害区域的各个像素点,完成对噪声的检测。仿真实验结果表明,所提方法能够有效的完成植物图像背景与病虫害区域的分割,具有很高的性能。     

Otsu分割与区域标记相结合的菠萝图像分割研究

以菠萝为研究对象,提出了一种结合最大类间方差(Otsu)阈值分割和区域面积标记的菠萝果实图像分割方法,并针对生长环境下和实验室环境下的菠萝图像进行分析研究,结果表明,该方法能够较好地实现对成熟菠萝果实与背景的分离,比单独采用阈值分割效果好。     

宝石鲈湖泊网围健康养殖技术试验

2011~2012年,本文作者作为凤台县农委专家组成员进驻安徽花家湖水产养殖有限公司指导生产,提出并指导该公司开展围网养殖宝石鲈试验。就鱼种运输、养殖技术、环境驯化、鱼病防治等课题进行了试验研究。填补了凤台县的养殖品种空白,试验取得了高产、高效的经营效果,也发现了一些问题。     

基于深度学习的图像分割在畜禽养殖中的应用研究进展

图像分割作为智慧农业养殖中“视觉系统”的重要组成部分,被广泛应用于畜禽的智慧养殖中。近年来,深度学习算法飞速发展,基于深度学习的图像分割技术也取得了重大突破。这些方法赋予了分割区域更准确的语义信息,使得图像分割更加精准和智能,为畜禽智慧养殖提供了更强的技术支持。本文通过广泛收集和整理国内外研究的相关文献,重点阐述了图像分割技术在畜禽养殖中的畜禽计数、体尺体质量测量、姿态估计与行为识别、体况及疾病检测、精准饲养等方面的应用现状,给出了如何根据实际性能需求（精度、处理速度）、数据集、计算资源等方面选择合适图像分割方法的建议,总结分析了当前研究中与畜禽养殖相关且可用于图像分割训练的公开数据集;并指出了基于深度学习的图像分割技术在畜禽养殖中所面临的挑战与未来的发展趋势,希望能为畜禽养殖中图像分割技术的具体应用提供参考。     

基于阈值的图像迭代分割算法提取烤烟鲜烟叶特征

为烟叶分级提供烤烟鲜烟叶的有效分割图像,采用基于阈值的图像迭代分割算法进行烟叶特征提取研究。结果表明:该方法可有效保留鲜烟叶图像的目标特征,且无其他冗余信息。     

宝石鲈湖泊网围健康养殖技术试验

2011~2012年,本文作者作为凤台县农委专家组成员进驻安徽花家湖水产养殖有限公司指导生产,提出并指导该公司开展围网养殖宝石鲈试验。就鱼种运输、养殖技术、环境驯化、鱼病防治等课题进行了试验研究。填补了凤台县的养殖品种空白,试验取得了高产、高效的经营效果,也发现了一些问题。     

基于云模型的图像分割

数字图像处理中图像分割有着非常重要的地位,分割结果直接影响图像处理的效果。常用的图像分割算法几乎都是基于确定性方法的,但是在图像信息处理过程中存在着不确定性。因而,降低提取信息的不确定性的研究成为图像分割中重要的研究方向。采用云模型来描述论域空间中不确定的数据元素。实验表明,由于云模型能对概念的不确定性很好地表达和降低概念分层的不确定性,这使得图像分割中存在的不确定性问题能得到很好地、有效地处理。     

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。     

白泥湖网围轮牧式河蟹养殖试验

在岳阳市白泥湖采取网围轮牧式养殖河蟹,套养鲢鳙鱼,种植水草,以玉米和鲜鱼为主要饵料,结果表明:围网轮牧式可显著提高养殖效益,大湖平均获纯利4 035元/hm2,围栏区域获纯利10 470元/hm2,投入产出比为1∶1.74。     

基于多阈值算法的包装箱内香蕉区域的图像分割方法

采用基于阈值技术的自动分割算法实现香蕉包装箱图像的分割。在手动分割的区域内离散选取香蕉和背景区域的像素点,并分别提取RGB,HSV和CIE L*a*b*3个色彩空间内共计9个颜色特征值,通过统计分析确定使用3个分别来自B,L*和b*分量的阈值进行自动分割算法的设计。采用直观对比的方法进行定性评价,其结果显示,手动和自动分割区域的轮廓基本相似;采用面积比作为指标进行定量评价,其结果显示,该算法对10个测试样本的平均面积比为80%以上。测试结果表明,该自动分割算法对香蕉包装箱图像的总体分割效果良好,可以为香蕉催熟房实时品质监控系统的实现提供关键技术。     

基于SVM的高粱叶片病斑图像自动分割提取方法研究

为实现高粱叶片病斑的自动化无损监测,利用支持向量机(SVM)技术对高粱叶片病斑图像进行自动分割提取研究。结果表明,通过选取RGB、HIS和Lab 3种颜色空间的颜色特征值可以消除对作物病斑拍照时产生的光照、亮度等影响。在MATLAB软件环境下调用LIBSVM软件对病斑图片中的病斑图像像素点和背景图像像素点建立支持向量机分类模型,可以实现对病斑的高效分割和高质量提取。分割提取效果与人眼识别的病斑图像高度吻合。如果利用大量采集的病斑图像进行模型训练,就可以真正实现完全自动化的病斑分割、提取和判别。因此,该研究对建立完全自动化的作物病斑图像识别系统意义重大。     

基于骨架提取和二叉树分析的玉米植株图像茎叶分割方法

对玉米植株图像的茎叶进行分割,为组分表型分析、植株对环境胁迫的响应等后续研究提供参数和依据。采用内布拉斯加大学林肯分校植物表型数据集中的玉米植株图像,自动进行玉米植株图像的裁剪和二值化;通过骨架细化算法建立植株的骨架模型,并设定阈值去除骨架中的毛刺;然后检测骨架上的端点和交叉点,采用二叉树分析骨架模型,最终确立各级节点及各个叶片,从而实现茎叶分割。结果表明,建立的玉米植株茎叶分割算法,具有处理速度快、易于理解等优点,为玉米等植物表型分析与育种等提供支持。     

湖泊蟹鳖生态高效网围轮牧养殖技术

在新时代新形势下,转变大水面渔业发展方式,科学设置网围养殖设施,充分发挥渔业的生态功能,对于加快推进水产养殖业绿色发展具有重要意义。本文结合长荡湖实际情况,从蟹鳖苗种放养准备、苗种投放、养殖模式优化、管理要点等方面总结了湖泊蟹鳖生态高效网围轮牧养殖技术,以供养殖户参考。     

基于遗传算法的Ostu图像分割方法

图像分割是常见于模式识别和计算机模式的一种基本技术,目标识别、目标检测和特征提取操作均需通过图像分割进行。目前图像分割算法常用最大类间方差法(Otsu),但这种算法受噪声等因素干扰时容易造成分割错误。详细分析了以往Otsu阈值的处理原理,提出一种基于遗传算法的Ostu图像分割算法,仿真实验表明图像清晰度更显著,并可有效缩短图像分割时间,具有广泛的发展前景。     

基于ISODATA算法的草莓图像分割

应用ISODATA算法对成熟草莓图像进行分割,该方法具有迭代自组织性,通过预先设定的迭代参数,在随机选定初始聚类中心的基础上,使用分裂与合并的机制。结果表明,该算法应用于成熟草莓图像的分割效果较好。     

基于过渡区的皇帝柑图像分割

针对过渡区的特点,提出一种局部邻域二阶差分的过渡区阈值图像分割算法。该方法首先选取局部邻域二阶差分较大的像素作为过渡区的像素点,再对过渡区进行填充,最后剔除过渡区中的背景点,获得图像中目标。为了检验该算法的有效性,采用分类误差、假阳性率、重叠系数和运算速度等4个指标与经典算法进行比较,结果显示,该算法具有更快的运行速度和更好的提取皇帝柑图像目标的性能。