棉花异性纤维图像分割方法

通过直方图分析,建立了适用于棉花异性纤维图像的增强模型;提出了改进Otsu法,并对Otsu方法的分割效果进行了深入分析.实验结果表明,所有棉花异性纤维图像的灰度直方图基本都呈单峰特性;所建的增强模型可以显著提高异性纤维目标与皮棉背景之间的对比度;改进Otsu法将最佳阈值的搜索范围从0～255缩减到150～230,使此环节的计算速度提高了2倍多.     

基于线激光的棉花中白色异性纤维检测

针对棉花中白色异性纤维检测,分析了棉纤维与异性纤维不同的反光特性,在此基础上提出了一种基于线激光的检测方法。实验结果表明,在线激光照射下,棉花与白色异性纤维图像的灰度直方图呈双峰特性,显著提高了白色异性纤维与棉花背景之间的对比度,简单的图像二值化分割算法就能有效检测出大部分白色异性纤维,对6种典型实验白色异性纤维的平均检出率为92.08%。     

基于改进蚁群算法的棉花异性纤维目标特征选择方法

为提高基于机器视觉的棉花异性纤维在线分类的精度和速度,提出一种基于改进蚁群算法的棉花异性纤维图像目标特征选择方法。采用初始选择概率预处理方案,设置特征初始概率,降低了冗余特征影响,缩短了算法搜索时间;利用分段变异运算及取优舍劣策略,对棉花异性纤维的颜色、纹理、形状3类特征进行分段变异,避免了算法局部收敛,选出了全局最优特征集。实验结果表明,改进的蚁群算法比基本蚁群算法优化能力更强,搜索时间更短,优化得到的棉花异性纤维特征子集的特征个数比原特征集减少了2/3,分类正确率由84%提高到93%。     

高分辨率棉花异性纤维彩色图像的快速分割方法

针对传统的图像分割方法较难分割棉花异性纤维的问题,提出了一种高分辨率棉花异性纤维彩色图像的快速分割方法。该方法通过改进的数学形态学的边缘检测方法得到灰度梯度图,再选取迭代过程中的最佳经验值得到最佳分割阈值,从而实现了灰度梯度图的分割。实验结果表明,该方法可以直接对高分辨率棉花异性纤维彩色图像进行分割,且分割效果较好,并使此环节的计算速度提高2倍以上。     

基于机器视觉的棉花异性纤维检测技术优化研究

为解决人为采摘、室外曝晒、分散储运等出现的问题,提出利用机器视觉来实现棉花异性纤维自动检测技术,包括图像预处理、图像增强、图像分割、图像数据的特征提取,目标模式识别方法。通过实验,SVM分类器训练出来的实验结果表明异性纤维识别的准确率有明显提高;最后再次实验,对检出的结果进行性能分析和评估,有效地提高了异性纤维检测方法的正确率,并对结果计算出相应的平均识别准确率,性能提升尤为明显。本文提出的棉花异性检测方法是在已有的检测方法基础上进行优化,有很好的应用价值。     

棉花异性纤维图像特征提

针对棉花加工过程中存在的异性纤维,采用机器视觉技术,通过图像处理方法提取异性纤维目标,采集异性纤维特征数据,应用一种改进型粗糙集理论,进行异性纤维图像目标特征向量的提取,得到有效的特征向量.最后采用决策树理论,利用提取的特征向量进行识别,实验表明,所提取的特征向量对于识别棉花异性纤维是有效的,识别率达到95%.     

基于形状特征的棉花异性纤维图像分割方法

棉花中的白色异性纤维与背景相近,现有的算法很难识别出来.为此,在使用透射光增加异性纤维和棉花背景的灰度差的基础上,提出了一种利用形状特征来分割异性纤维的算法;同时,在自适应局部阈值处理的基础上,利用骨架的走向对间断的纤维进行修补,最后根据几何特征过滤图像中的噪声.实验结果表明,该方法能够有效地分割出异性纤维.     

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。     

基于机器视觉的番茄果实图像分割方法研究

为了改善番茄采摘机器视觉系统中番茄果实图像的分割效果,对基于二维直方图的阈值分割方法的理论进行了分析,针对番茄果实图像的特点将阈值点附近的区域信息引入分割算法中,提出了一种改进的基于二维直方图的Otsu阈值分割方法,改善了图像的分割效果。     

基于小波极值变换的棉花异性纤维边缘检测

棉花异性纤维的边缘检测是用于提取异性纤维的主要特征,检测的质量直接影响到检测的精度.为此,根据棉花异性纤维检测的特点,利用极值小波变换对目标图像进行降噪和边缘特征处理.经过实验对比表明,该方法明显好于其他方法,说明极值小波变换对提高棉花异性纤维边缘检测精度有重要的意义.