基于数学形态学的图像边界检测方法研究

本文研究了数学形态学理论在图像边界检测中的应用。在分析了数学形态学运算理论的基础上,提出了一种基于形态学理论的图像边缘特征提取方法。仿真实验结果表明,该方法能够很好地去噪,检测图像中的细节,定位准确,连续性好,并且易于编程实现,运算速度快。     

基于数学形态滤波算子的黄顶菊种子图像边缘检测

黄顶菊种子边缘检测是进行黄顶菊种子形态特征提取和分析的基础.经典的边缘检测算法由于抗噪声能力差,无法精确检测出黄顶菊种子的边缘.为此,运用数学形态学的基本原理和方法,提出了一种基于数学形态滤波器的二值图像边缘检测算法,应用于黄顶菊种子图像的边缘检测.实验结果表明,提出的边缘检测算法的性能明显优于经典的边缘检测算法,不仅能够准确、有效、完整地提取出黄顶菊种子的边缘,同时能有效地去除噪声.     

基于数学形态学的GIS图像矢量化处理技术

图像矢量化在数字图像处理中具有重要意义.由于传统的线性矢量化方法存在速度慢、抗噪性差、易失真的缺点,本文提出基于数学形态学的图像矢量化方法,包括基于4结构元素模板的图像边缘检测算法、基于8结构元素模板的形态序贯同伦骨架抽取算法和动态变步长保精度跟踪矢量化方法.实例证明该方法能够快速提取精度较高的骨架,并且能够获得高精度的以弧段为单位的矢量数据.因此,该方法具有处理速度快、精度高、存储量小等特点,具有一定的可行性与实用性.     

基于边缘检测的图像分割技术的研究

本文主要介绍了基于边缘检测的图像分割的相关技术,首先分析了研究目的和研究意义,然后综合国内外的研究近况,分析了当前对于图像分割技术的前景和不足。     

基于数学形态学粘连粮食籽粒图像分割算法的改进

为了保障我国的粮食安全,需要特别重视提高粮食生产能力,并为商品粮食的收购以及市场流通提供快速、准确的外观品质检测手段.为此,针对粘连籽粒图像分割时易产生过分割与欠分割的问题,在凌云设计的粮食图像分割算法的基础上,提出了一种改进的数学形态学方法,并对原算法与改进算法进行对比实验.实验结果表明,改进算法能够较好地解决粘连籽粒的分割问题,特别是籽粒接触面积较小、碎米率较大的图像的分割问题.     

镰刀菌图像识别系统的研究与开发

镰刀菌是导致多种农林植物病害的病原,对人类和牲畜也有极大的危害。为此,根据镰刀菌显微图像的独特特征,应用模板向量的边缘检测、形态学边缘检测和特征点匹配提取等方法,设计实现了镰刀菌图像识别系统,为镰刀菌的鉴定提供了一定的理论与实验依据。     

基于目标检测及边缘支持的鱼类图像分割方法

对图像中的鱼类目标进行分割是提取鱼类生物学信息的关键步骤。针对现有方法对养殖条件下的鱼类图像分割精度较低的问题,提出了基于目标检测及边缘支持的鱼类图像分割方法。首先,设计了基于目标检测的完整轮廓提取方法,将具有完整轮廓的鱼类目标从图像中提取出来作为分割阶段的输入,使得整幅图像的分割问题转化为局部区域内的分割问题;然后,搭建Canny边缘支持的深度学习分割网络,对区域内的鱼类实现较高精度图像分割。实验结果表明,本文方法在以VGG-16、ResNet-50和ResNet-101作为主干网络的模型上的分割精度为81.75%、83.73%和85.66%。其中,以ResNet-101作为主干网络的模型与Mask R-CNN、U-Net、DeepLabv3相比,分割精度分别高14.24、11.36、9.45个百分点。本文方法可以为鱼类生物学信息的自动提取提供技术参考。     

基于分块阈值和边缘检测的叶片分割算法

针对复杂的植物叶片图像,提出了一种分块阈值、边缘检测相结合的图像分割算法。首先,根据预先确定的子块的大小,把整幅图像划分成若干数目的子块,对每个子块用大津法进行分割,把分割好后得到的子图像拼接起来形成目标图像;然后,用改进的Sobel边缘算子对原图像进行边缘提取分割;最后,把分块阈值得到的结果与边缘检测得到的结果结合起来得到较优的结果;在此基础上再进行腐蚀、填洞等形态学操作,得到最终的分割结果。实验表明:与传统的分块阈值、边缘检测相比较,此算法的抗噪性较好,细节上分割得也较为清楚,具有较好的分割效果。     

基于小波变换的农田景物边缘检测

依据农田景的图像的基本特点，提出零点反对称紧支撑二进小波检测图像中的边缘。运用此方法在计算机上对图像边缘提取，得到了连续、光滑、单像素宽的边缘链图像。表明这种边缘提取方法有效、可行。     

基于图像边缘检测技术的采摘机器人视觉系统设计

采摘机器人作业环境复杂,视觉系统往往不能准确对待采摘的果树或者果实进行准确的定位。为了提高采摘机器人视觉系统的定位精度,引入了图像边缘检测技术,通过提取待采摘果树或者果实的边缘,计算果实的位置坐标,为采摘机器人的自主行走定位和采摘作业提供可靠数据支持。为了验证方案的可行性,以待采摘果树的特征边缘提取为例,对系统的果树边缘提取的可行性及定位准确性进行了实验。实验结果表明:采用基于图像边缘检测技术的采摘机器人视觉系统可以成功地对果树进行定位,并输出果树的位置坐标,将位置坐标和实测位置坐标进行对比发现,其结果基本吻合,具有较高的定位精度。     

基于亚像素定位的图像边缘检测策略研究

针对图像处理与计算机视觉技术中低对比度、边缘模糊图像的边缘检测问题,参考局部极值与梯度方向两种因素,并结合图像边缘方向趋势,提出了一种单像素边缘跟踪策略。相较于应用广泛的Canny算法,该跟踪策略无需设置全局阈值,实现方式更为简洁、高效;提取的图像边缘连续、平滑、完整,并有效地减少了图像边缘的冗余像素,进而提升了图像后续处理的效率;边缘跟踪方向抗干扰性强,具有较强的鲁棒性。为了减小检测的图像边缘与真实图像边缘之间的偏差、提高图像边缘检测的精度,参考边缘像素点的相邻区域灰度,以边缘像素点的梯度分布为依据对该像素点进行亚像素定位。经实验验证,经过亚像素优化的图像边缘检测策略可用于检测边缘模糊、对比度低的图像,检测的图像边缘完整、连续且平滑。该策略有效地消除了程序运算中引入的截断误差,提升了图像边缘检测精度,且适用于亮度5~100000lx的高动态成像场景中。     

基于数学形态学的植物叶柄与叶片分割

叶柄与叶片的分割是进行植物叶特征提取关键的一步.为此,介绍了基于数学形态学的植物叶柄与叶片的分割方法,通过二值化处理、数学形态学处理,能够有效地分离叶柄和叶片.其中,二值化处理采用动态阈值,使得该方法能够适用于不同颜色的植物叶;数学形态学处理采用动态十字形模板,使得该方法能够适用于不同尺寸的植物叶.     

基于蚁群算法的玉米植株热红外图像边缘检测

针对热红外图像目标与背景区分不明显、效果模糊,以及传统的Roberts、Sobel、Canny等边缘检测方法难以取得理想检测效果的特点,以玉米植株为测试对象,首次将蚁群优化算法应用于热红外图像边缘检测。该算法由初始化过程开始,进行N步迭代构造信息素矩阵,然后执行信息素过更新过程,最后图像边缘由决策过程给出。仿真实验结果表明,该算法与传统边缘检测算法相比,能够较好地得到边缘检测结果,可为农作物热红外图像处理提供一种新的方法。     

自动对靶精准施药机研究——基于图像边缘检测和目标识别

为了提高施药作业的效率和实际着药量,降低喷药成本和给环境造成的负担,提出了准确精量的对靶施药系统的设计理念,并给出了施药平台的原理和结构构成,最后对施药平台的图像处理系统进行了重点设计。为了验证方案的可行性,以传统的施药机械为搭载平台,将PC图像处理器嵌入到了精准对靶控制系统中,选择地势平坦的果园为实验场地,对施药平台进行了实验研究。实验结果表明:基于图像边缘检测和目标识别的自动对靶施药平台即使在光线不好的条件下,仍可以准确地得到果树果实和枝叶的位置信息,施药平台的实际着药量要比传统施药平台更高,而成本却更低,从而验证了方案的可行性。     

基于MSR-cut的高空间分辨率遥感影像边缘检测分割

针对R-cut(Ratio cut)边缘检测分割模型对高分辨率遥感影像分割时存在过分割和模糊边缘敏感性问题,提出了一种多尺度R-cut(Multi-scale ratio cut, MSR-cut)的遥感影像边缘检测分割方法.首先,采用形态重建的分水岭分割算法对影像过分割,形成多个超像素区域;然后计算并提取影像各个区域...     

图像与L系统相结合的柑橘叶片形态特征重构研究

为了快速、逼真、有效地描述植物叶片的外在形态特征,提出了一种基于图像与L系统相结合的柑橘叶片形态重构的方法。该方法利用边缘检测的方法提取柑橘叶片的边缘以及叶脉的分布特征,以Harris计算与叶脉相关的特征点。最后用L系统和B样条曲线对柑橘叶片形态进行重构。通过实验表明,该方法能够快速、有效地描述出柑橘叶片的形态,降低柑橘叶片模型构建的复杂度。     

基于支持向量机理论的植物根系图像边缘检测方法

由于传统边缘检测方法中存在噪声大、粗糙边缘和不准确边缘等缺点,因此在植物根系的研究中,采用传统的图像边缘检测方法检测出来的边缘信息都无法达到令人满意的效果.为此,基于支持向量机方法给出了一种改善的边缘检测算法.同时,提出了边缘检测算法流程,然后使用支持向量机分类方法对图像进行边缘检测;用所得到的边缘检测算法与Canny算法和Prewitt算法的性能进行了比较.仿真结果表明,给出的算法与Canny算法和Prewitt算相比,不仅边缘检测性能得到提高,而且可以一定程度地克服噪声干扰.