基于数学形态学的多车道线检测及MATLAB仿真

在智能车辆的视觉导航系统中,车道线的检测有极其重要的作用,车道线的检测对于自主驾驶安全是不可忽视的。本文利用数学形态学进行多车道线检测,并对相应算法进行仿真。     

基于车道线宽度特征的车道线识别

为了提高车道线识别的准确率和成功率,本文提出了一种基于车道线宽度特征的车道线识别算法。算法根据车道线宽度对图像进行线性滤波,采用图像二值化、逆透视变换以及ROI区域选取等技术获得车道线逆透视特征图,通过滑动窗口搜索方法提取所有车道线特征点并拟合车道线。实验结果表明,该算法能够正确、快速地识别出车道线,能够达到车道偏离预警、车道保持辅助等系统的应用要求。     

基于Hough变换的车道线检测算法设计

结构化道路具有完整而明显的特征信息,改进了传统道路车道线检测算法,能够满足车道线检测的实时性和鲁棒性的要求。首先提取感兴趣区域,减少数据处理时间。采取自适应阈值的二值化处理,能够保留更多的车道线信息。根据先验知识,对于不符合实际几何特征的车道线进行剔除,得到最符合实际的车道线。通过对多种环境图像的实验,可以验证该算法能够满足大多数行车环境。     

基于Sauvola与Otsu算法的秸秆覆盖率图像检测方法

针对自然光照下粗秸秆中空、细碎秸秆细节丢失导致秸秆覆盖率图像检测法精度低的问题,提出了一种基于Sauvola与Otsu算法相结合的秸秆覆盖率检测方法。首先对彩色分量空间距离灰度化后的图像采用Sauvola阈值分割来提取秸秆区域细节图像,然后对色差法灰度化后的图像采用Otsu阈值分割来解决秸秆区域中空问题,最后对不同阈值分割图像相加,计算其平均值,从而得到秸秆覆盖率的大小。田间试验结果表明,采用此方法对不同情况秸秆覆盖与不同地区的秸秆覆盖均具有较好的识别效果,不同情况秸秆覆盖率的最大平均误差约为1.9%,不同地区秸秆覆盖率的最大平均误差约为2.5%,有效地提高了秸秆辨识的精确度。      

基于消失点和方向约束的多场景下车道线检测

多场景下的车道线检测是汽车主动安全技术的核心问题之一。提出了一种基于消失点和方向约束的多场景下车道线检测方法,能够在光照亮度变化、杂乱阴影、阴雨等多场景下对车道线进行鲁棒性检测。首先对图像进行预处理,对图像进行灰度化处理,并对灰度化后的图像进行噪声滤波处理。然后采用高效的Line Segment Detector(LSD)算法对复杂场景中的候选车道线标志进行提取,具有较高的处理效率和较低的误检率,构造和线段强度相关的消失点投票函数对消失点进行估计。通过检测到的消失点和方向约束对干扰线段过滤,实验结果表明,该方法能够很好地对多场景下车道线鲁棒性检测。     

基于形态学的棉花种子破损检测

以"中棉35"棉花种子为对象,应用图像处理技术,提出了基于形态学的破损识别方法.采用链码算子获取轮廓信息并进行傅里叶算子平滑,根据曲率特征定位轮廓尖端点后,通过轮廓的对称性识别局部破损棉种;基于统计思想,根据大小、形状特征的差异识别严重破损棉种.选取完好、破损棉种各200粒进行识别试验,结果表明破损棉种识别率达到94%.     

基于形态学的棉花种子破损检测 基于形态学的棉花种子破损检

以“中棉35”棉花种子为对象,应用图像处理技术,提出了基于形态学的破损识别方法。采用链码算子获取轮廓信息并进行傅里叶算子平滑,根据曲率特征定位轮廓尖端点后,通过轮廓的对称性识别局部破损棉种;基于统计思想,根据大小、形状特征的差异识别严重破损棉种。选取完好、破损棉种各200粒进行识别试验,结果表明破损棉种识别率达到     

基于形态学的农田景物区域检测技术

研究了形态学在农田景物区域检测中的应用，通过形态学分析对农田景物区域进行了形态特征提取，在此基础上利用先验知识对各区域进行了识别分类。试验表明，本文提出的方法可以取得良好的效果。     

基于改进Otsu算法的生猪热红外图像耳根特征区域检测

为研究规模化生猪养殖场中非接触式体温检测方法,以自行设计的热红外图像采集器采集生猪图像,选取HSV颜色空间对图像进行变换,生成S层图像,应用形态学特征闭运算对二值化图像去噪。用改进后的Otsu算法,分别对仔猪、育肥猪和妊娠猪图像耳根特征区域进行检测。结果表明,该方法可以100%正确检测具有完整耳根部特征的仔猪、育肥猪、妊娠猪图像;对于耳根部特征不完整的仔猪图像23%可正确进行检测,育肥猪图像25%可正确进行检测,妊娠猪图像33%可正确进行检测;无法检测不具有耳根部特征的图像。     

基于自适应阈值的多尺度边缘检测方法

图像边缘信息在物体识别方法中具有重要作用,采用多尺度特征检测能同时检测出细微和粗糙特征.基于曲率尺度空间(CSS)技术,文章提出了一种改进的多尺度边缘检测方法,该方法首次利用自适应局部曲率阈值代替了原有CSS方法中的单一全局阈值,另外,为了消除虚假边缘点,候选边缘点的角度被检测在一组动态范围内.实验结果表明,该方法能有效解决多尺度特征的图像检测问题.     

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。     

基于图像形态学的球形果实品质检测研究

图像表态学是近年来新兴的，以形态为基础的，对图像进行分析的数学工具。分析了图像形态学在图像处理中的优点，对图形态学的基本运算及其作用做了简便的介绍，以苹果为例，探讨了应用图像形态学运算实现球形果实缺陷和形状的检测技术，最后对实验结果进行了分析。     

基于多阈值图像分割算法的秸秆覆盖率检测

针对目前秸秆覆盖率人工检测费时费力、准确率低、信息难以存储的问题,提出了一种基于图像分割的秸秆覆盖率检测方法。考虑到传统图像分割方法精度不高,且多阈值分割时计算量过大,将灰狼算法中的搜索机制与差分进化算法相融合,提出一种基于图像多阈值的自动分割方法（DE-GWO）,用于田间秸秆覆盖率检测。首先,对现场采集的秸秆覆盖图像进行预处理,采用自适应Tsallis熵作为目标函数,评估图像分割效率;其次,根据图像的复杂程度选取分割阈值的数量,利用DE-GWO算法对其进行多阈值图像分割;然后,分别按照灰度级别计算分割后图像比例;最后,根据拍摄高度、fov视角等参数,将图像中秸秆覆盖率与实际地理面积进行转换。实验结果表明,本文算法田间秸秆覆盖率与实际测量误差在8%以内,且相比于改进粒子群算法（PSO）和灰狼算法（GWO）,DE-GWO算法精确度更高,平均耗时为人工测量的1/1500。开发了一套依据DE-GWO算法的秸秆覆盖率检测软件系统,为后续监控系统的实时检测提供了算法基础和软件支持。     

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。     

基于数学形态学的镰刀菌显微图像边缘检测

用计算机进行图像分割是图像识别和图像分析的基础.为此,根据镰刀菌显微图像的独特特性,在分析综合传统的图像增强和图像分割算法的基础上,将直方图变换与数学形态学相结合,提出了基于形态学的镰刀菌显微图像边缘检测方法,并通过实验证明,该方法能够有效抑制显微图像的噪声、提高检测精度和保护边缘细节.     

基于数学形态学的心电通道起搏脉冲处理算法研究

心电通道起搏脉冲处理是心电信号处理方面的一个重要研究课题,针对心电通道上的起搏脉冲会造成QRS波的误识别以及波形分类错误等复杂问题,本文提出一种采用数学形态算法在心电QRS波识别之前对心电通道的心电信号进行处理,在保留心电QRS波的同时能够去掉起搏脉冲。实验表明,该方法能够有效的去掉心电通道上的起搏脉冲,提高心电通道QRS识别的准确率。     

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.     

基于形态学图像检测的机械手移栽穴苗识别技术

在机械手移栽穴苗的过程中,针对取钵体导致的苗体根系存在不同程度的残缺、外漏等问题,提出一种基于形态学图像检测的机械手移栽穴苗识别技术。该技术分为以下3步:(1)通过确定形态学图像处理方法的衡量指标,确定了研究所采用的方案;(2)采用基于形态学的方法对穴苗进行图像处理仿真实验;(3)开发取钵体效果判定的软件系统并进行测试和实验。采用西瓜幼苗进行仿真实验,仿真结果表明:基于形态学图像处理的机械手移栽穴苗识别技术具有较好的实时性、稳定性和鲁棒性。