基于计算机视觉的咸蛋图像边缘检测算法研究

0引言 图像的边缘是图像最基本的特征,它能反映出图像中目标对象的许多形状特征参数,是进行图像后续处理的前提和基础。长期以来,人们一直在寻找一种高效、定位精确、不漏检真边缘又不引入假边缘的检测方法。     

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。     

基于模式识别的大蒜瓣尖识别研究

针对现有大蒜播种机采用纯机械方式无法解决大蒜直立播种的问题,提出了用模式识别技术解决的方法。首先对图像进行二值化、边缘跟踪,然后根据大蒜的形态特征,提出以曲率为特征量,根据SUSAN角点检测算法的原理识别出瓣尖的位置。试验结果表明:此算法完全可以检测出瓣尖的位置,为解决大蒜直立播种问题奠定了基础。     

基于ECT图像重建算法的多相流检测研究

由于电容层析成像(ECT)图像重建的经典算法Landweber迭代法具有半收敛性,从而限制了其在多相流检测中的广泛应用。为了解决这一问题,从数学角度对Landweber法的半收敛性进行分析证明,并找到其物理本质原因。通过构造压缩算子提出一种全收敛的Landweber法,使得该方法具有稳定的收敛特性。同时,对ECT敏感场的"软场"特性进行分析,针对忽略"软场"特性所导致的经典Landweber法对不同流型的最佳迭代次数不一致的问题,利用最小二乘支持向量机对一定数量的图像样本进行训练,从而得到一个先验条件,并基于该先验条件提出一种自适应的迭代停止判据,实现在图像重建结果最接近多相流实际分布时停止迭代。仿真结果表明,改进后的方法不仅具有稳定收敛性,而且与Landweber法相比,图像重建精度可提高16%~50%。     

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。     

基于显著性检测的黄瓜叶部病害图像分割算法

针对复杂背景下黄瓜叶部病害分割精度不高的问题,提出了一种基于显著性检测的黄瓜叶部病害图像分割算法。首先利用超像素将黄瓜图像分块,获取黄瓜叶片的边缘,并提出了一种超像素间权重计算方法和显著种子选取方法;然后通过流形排序计算显著图,对得到的显著图进行阈值分割,得到二值图像;再将二值图像与原图像进行掩码运算,得到黄瓜病害叶片;最后利用超绿特征和数学形态学对病害叶片进行分割得到病斑。对常见的黄瓜病害(白粉病、褐斑病、霜霉病、炭疽病)图像进行测试,结果表明该算法与Otsu算法和k-means算法相比,有效解决了冗余分割问题,错分率均在5%以内,算法平均执行时间均小于4 000 ms,分割效果更加精确,为后续构建黄瓜病害自动识别系统奠定了基础。     

基于视觉算法的割草机器人作业系统优化

以割草机器人作业系统为研究对象，通过对割草机器人作业过程进行分析，利用高清摄像头进行目标区域草地图像采集，采用视觉算法进行草地图像转换，获取草地图像的颜色和边界特征集合，实现草地识别和草地形状识别，并根据结果进行割草作业自动化控制。试验表明：基于视觉算法建立的割草机器人作业控制系统，草地面积识别误差不大于1.5%,草地图像像素识别误差不大于3%,系统在进行草地状态识别时具有较高的可靠性。     

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。     

基于颜色特征的番茄图像分割算法的研究

图像分割是实现田间番茄机器识别的关键部分。根据采摘番茄目标与背景在颜色特征上的差异性,对田间采摘番茄的图像分割算法进行了研究。通过分析比较各种方法的分割效果和所耗费的时间可知,大律分割法具有较好的分割效果,但其在实际应用过程中却存在着一定的问题。针对出现的问题,对该方法进行了相应的改进。研究表明,改进后的大律分割法能较好地处理田间采摘番茄的图像,为进一步采摘识别提供了条件。     

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。     

中药材粉末显微图像模式识别方法

提出了一种适合中药材粉末状态下显微图像的模式识别方法。使用3种分析方法进行特征提取,即分形分析方法、小波分析方法、灰度/梯度共生矩阵法,经特征选择后,对图像分类贡献较大的8个特征量被组合成特征向量,用于图像识别。实验中采用了k-近邻分类方法,其较高的识别率表明,此方法是可行的和有效的,为今后进一步进行中药材识别提供了理论参考。     

基于Matlab的根系断层图像分割处理算法

根据植物根系原位形态可视化研究的需要,利用Matlab提供的图像处理算法,编制了根系断层图像分割处理算法的优选整合程序,用多种不同算法组合对根系CT原位图像进行实例检验,采用最终测量精度法作为评价准则,对分割效果进行分析研究。研究结果表明,在90%的置信水平下,处理模块的不同组合顺序以及每个模块中不同算法的选择对最终分割效果有显著的影响,各因素对分割效果总变异贡献率的大小排序为分割(46.1%)、灰度调整(17.9%)、分割前滤波(4.5%)、分割后滤波(2.6%)、执行序列(0.5%)。根据所设计的实验例证,提出了处理流程及算法中的较优组合。     

基于机器视觉的种子质量检测新型算法

在分析已有区域标记算法的基础上,提出了一种新的二值图像连通区域准确标记算法。顺序扫描和标记二值图像的各个像素点,准确判断标记过程中出现的标记冲突,并建立标记冲突的模型,在算法中增加回溯扫描算法,消除标记冲突引起的标记误差。实验证明:该算法可以准确地标记出各种形状的连通区域,与已有算法相比,扫描重复率低,运行准确,速度快,具有很好的应用前景。     

基于局部信息的图像滤波及边缘锐化算法

主要针对鸡蛋图像的斑块祛除、污块处理及边缘锐化而提出的.算法把图像分成若干子图像,对子图像进行具体处理,自动同时完成图像的滤波与锐化.试验结果表明,经算法处理过的图像达到了较为理想的效果,也为后面的禽蛋蛋心颜色检测方法提供了必要的预处理.     

基于邻差和的农产品X射线图像分割算法

针对图像阈值分割中二维灰度直方图和模态法的不足,提出了一种基于邻域差值之和与直方图凹面相结合的图像分割算法,并将此方法与二维直方图方法在板栗、苹果和猕猴桃的X射线图像分割中的效果进行了对比试验.试验结果表明,本方法的图像分割误差小于2.1％,最大分割误差仅是二维直方图简便算法分割误差的23.7％,能够更精确地提取果品的图像.     

基于流域算法的谷物籽粒图像分割技术

为解决谷物外观品质检测过程中获取图像的籽粒粘连问题,提出了一种基于先验知识的流域分割算法。首先,设定合理的区域面积阈值Ath,标记并去除图像中的单个籽粒区域,结果记为M;然后,设定有效腐蚀次数Eth,对粘连籽粒区域进行流域分割,结果记为Mc;最后,取Ms与Mc的并集,作为分割结果。试验结果表明,该算法分割效果较好,分割精度达到95．4％。     

基于PCA模式识别算法的收割机自主路径规划设计

为了更准确地对高分辨率可见光农田路标导航图像进行目标识别,将基于主成分分析(PCA 2 Principal Component Analysis)和模板匹配的方法引入到了联合收割机控制系统中,提升了收割机自主图像识别水平和路径规划能力。在识别过程中,采用PCA算法对分割图像进行特征提取和主成分分析,并将图像主轴旋转成水平方向和训练样本库进行匹配,最后识别出导航路标,并自动生成预设的路径。为了验证方案的可行性,将PCA模式识别算法嵌入到了收割机的控制系统中,在开阔平坦的农田里进行了实验测试,结果表明:采用PCA模式识别算法可以成功地识别农田里的导航路标,其识别准确率和效率都较高,且可以自动生成规划路径,对于现代收割机自动化作业能力的提升具有重要的意义。     

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.     

叶面雾滴沉积分布直接检测算法研究

提出一种基于阈值边缘提取算法和HSV颜色模型的二次分割叶片雾滴图像识别算法。通过模拟喷雾试验得到三种不同雾滴密度的叶片样本,保留叶片自身轮廓信息的同时分割叶面雾滴,计算叶面积与雾滴覆盖率关系。结果表明应用Otsu阈值边缘提取与HSV空间混合算法相对于传统的k-means聚类分割算法、动态阈值分割算法,更适用于叶面雾滴分布的识别与检测,三种覆盖密度叶片的分割准确率分别为:95.16%、94.23%、93.76%,平均准确率为94.38%;雾滴覆盖率检测相对误差分别为:2.82%、4.11%、7.59%,平均相对误差分别为4.84%。基于阈值边缘提取与HSV空间提取的混合算法可分割叶面雾滴图像并检测完整叶面上雾滴覆盖率,识别结果能够满足识别精度的要求。