图像分割技术之迭代算法在杂草识别中的应用

计算机图像处理是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。图像分割技术是图像处理之基本技术,图像分割就是在一幅影像中查找同类的区域。图像分割的应用范围涵盖了图像噪声的过滤以及特征的提取和识别。在介绍图像分割的主要特征的基础上,针对农田杂草识别中图像分割特点,提出了应用迭代算法的分割方法,并开发了相应的软件。实验验证该方法用于农田杂草识别前的图像的二值化处理,能够很好地消除图像噪声,得到连续的图像边界,可以有效地实现图像的二值化处理,为后续的杂草识别打下良好的基础。     

基于改进GAC模型的柑橘缺陷图像分割方法研究

柑橘表面缺陷的图像分割与识别是水果在收购与销售过程中的重要环节,对于提升水果的品质和经济效益有着重要意义。经典GAC模型算法虽然能够很好的分割平面缺陷,但无法准确的分割图像凹陷区域。以柑橘的虫伤、腐烂、炭疽、蓟马、溃疡5种常见缺陷图像作为研究对象,其中腐烂、炭疽为凹陷缺陷,对传统GAC模型算法进行理论研究并针对其不足提出改进方案。通过对比试验分析各参数对于试验结果的影响,并应用改进后的GAC模型算法对柑橘缺陷样本进行图像分割,分析改进后的GAC模型对柑橘表面5种缺陷的识别能力,验证改进GAC模型的可行性。     

水果采摘机器人视觉系统的目标提取

在田间对作物的果实图像进行实时、准确地目标识别提取，是采摘机器人视觉系统的关键技术，而目标提取的实质是图像分割。大部分水(蔬)果处于采摘期时，表面颜色与背景颜色存在较大差异。而同一品种果实表面颜色相近，体现为在色彩空间果实表面颜色和背景颜色存在着不同的分布特性。根据这一特性，提出了一种基于色彩空间参照表的适用于水果采摘机器人视觉系统果实目标提取的图像分割算法。该算法先由果实样本图像建立色彩空间参照表，再根据色彩空间参照表采用一种类似于“卷积”的方法进行图像分割。与现有其他方法比较，本方法基于彩色的信息处理，可将背景除去得更干净；对背景不做分割处理、无复杂运算，有利于机器人实时图像处理。采用该算法分别对草莓、橙子、西红柿的图像在L^*n^*6^*，Hsv，YCbCr色彩模型下进行了实验，结果显示该算法在这些色彩模型下均可取得理想的图像分割效果。     

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。     

基于改进蚁群算法和指数熵算子的三类阈值图像分割

针对多目标图像分割问题,采用了1种基于二维灰度直方图的三类阈值分割方法,将图像划分为暗、灰和亮3种不同的区域,分别给出了其模糊隶属度函数,引入概率分析,定义了基于指数熵算子的最大模糊熵准则,通过改进的蚁群算法,搜索最优模糊参数组合,以此确定图像的分割阈值。实验结果表明,该算法能快速、有效的分割图像。     

基于Mean-shift的棉花异性纤维图像分割

提出了一种基于均值平移(Mean - shift)算法和膨胀、滤波算法相结合的棉花异性纤维图像分割方法.选择具有代表意义的头发、麻绳和塑料布的灰度图像进行处理,首先对棉花异性纤维图像采用Mean - shift算法进行图像分割,然后对分割后的图像元素进行膨胀处理和滤波处理,实现棉花异性纤维图像的精确分割.实验结果表明,本文采用的图像分割方法具有较强的抗噪声能力,达到了比较满意的分割效果.     

一种粗糙熵和K-均值聚类相结合的岩心图像分割方法

K-均值聚类算法和粗糙熵是应用于图像分割的主要算法,目的是对图像进行分析处理。将K-均值聚类算法和粗糙熵结合起来应用到岩心图像的分割,目的是提取出岩石的隙缝信息。先利用K-均值聚类算法对岩心图像进行区域分割,再利用基于粗糙熵的方法对分割结果进行目标提取,从而达到多阚值分割的目的。通过效果图对比分析可以看出,采用基于粗糙熵的K-均值聚类算法处理多目标的岩心图像,提取出的目标更清晰,更明确,实验结果更有价值,证明了改进后算法的有效性。     

基于深度视觉和蚁群避障算法的果园精准喷施路径规划方法

为了实现对Y-shaped果树的精准喷施,本文融合了彩色及深度视觉图像,提出了1种基于蚁群避障算法的果园最优行驶路径的规划方法。首先,对彩色图像进行图像分割处理,划分道路及果树树墙障碍区域,得出喷施设备的可行驶区域,提出了喷施行驶范围检测算法;然后,通过对深度图像和彩色图像融合的处理,将Y-shaped果树树冠边缘轮廓精准拟合形成栅格地图,并与蚁群避障算法相结合,提出了最优行驶路径规划算法。最后,对拟合曲线和Y-shaped果树树冠边缘轮廓进行检验,验证算法的拟合程度。实验结果证明,本文提出的路径规划算法可以准确地检测出果树区域,并实现对行驶路径的精准规划。     

基于LXF模型水平集的玉米叶部病斑图像分割

农作物病害的发生对我国农业生产危害较大,运用机器识别技术对农作物病害图像进行自动识别有着重要的意义。主要介绍传统水平集和基于LXF模型水平集的分割算法原理,并且运用两种方法分别对玉米叶部病斑进行图像分割。实验表明基于LXF模型水平集的分割算法缩短了玉米病斑图像分割时间的同时病斑分割效果良好,为以后的特征提取、病斑种类的识别打下了良好的基础。     

基于潮湿土壤的杂草图像分割方法

杂草图像分割是杂草识别中重要的步骤,光照是分割误差的重要影响因素。因此,根据潮湿土壤受光照影响小,提出了一种基于潮湿土壤的杂草图像分割方法。首先,用水将土壤做潮湿处理,然后采集杂草图像,再用阈值分割的方法进行分割。试验结果表明在潮湿土壤下获取图像的分割误差显著低于干燥土壤,有助于杂草识别的研究。     

1种基于Otsu算法的植物病害叶片图像分割方法

植物叶片图像分割是植物分类和植物病害检测中的一个关键步骤,旨在把叶片图像分成各具特性的区域并提取出感兴趣的部分。在分析自然场景下植物叶片图像几种分割方法的优缺点的基础上,基于Otsu算法,提出了1种叶片图像分割方法,并进行分割算法试验。结果表明,该叶片图像分割方法对叶片中目标(叶片或病斑)-背景类的图像具有较好的分割效果。     

最大方差比图像分割算法的一种改进——以前磁曲线图像为例

在经典的最大方差比图像分割算法的基础上,以油田前磁曲线图像为例,提出一种新的适应于前磁曲线图像分割方法。通过对油田前磁曲线图像的处理效果来看,该算法比经典的最大方差比图像分割算法有更好的分割效果。该算法不仅仅对前磁曲线图像有效,对具有与其相似直方图的图像,均可用该算法进行图像分割。     

最大方差比图像分割算法的一种改进——以前磁曲线图像为例

在经典的最大方差比图像分割算法的基础上,以油田前磁曲线图像为例,提出一种新的适应于前磁曲线图像分割方法。通过对油田前磁曲线图像的处理效果来看,该算法比经典的最大方差比图像分割算法有更好的分割效果。该算法不仅仅对前磁曲线图像有效,对具有与其相似直方图的图像,均可用该算法进行图像分割。     

水果图像的背景分割和边缘检测技术研究

根据区域阈值法分别对所采集的彩色图像的红、绿、蓝三帧图像进行背景分割,发现在B 分量灰度直方图中利用双峰法选择阈值进行背景分割的效果最好;利用多种微分算子提取水果图像的阶跃性边缘,并用Hilditch 细线化方法对已提取边缘的图像进行了细线化处理,获得了较好的边缘提取和细化处理效果;所研究的背景分割和边缘检测技术的处理效果可以满足进一步进行水果的尺寸、果梗、形状和表面缺陷等检测的要求     

改进的医学CT图像K-均值聚类分割算法的实现

为提高K-均值聚类算法在医学CT图像分割上的应用效果、稳定性和质量,减少程序运行时间,本研究用Matlab语言优化了K-均值聚类算法程序,与StatisticsToolbox的K—means函数进行比较,使用单因素方差分析法检验两种算法实现程序运行时间的差异,并直接观察分割效果和稳定性。结果显示,改进后的K-均值聚类算法程序具有分割结果稳定、质量提高等优点,在常用Windows操作系统和Pc机配置环境下,分割耗时在1s左右,显著低于原有的分割程序,消除了等待感觉,提高了使用者的工作舒适度和效率,为图像的识别处理奠定了基础。     

计算机视觉系统中图像外边缘检测的新方法

提出了图像外边缘检测的2种新方法：邻域灰度检测算法和模板检测算法。利用新方法对水果图像进行了检测，结果表明，2种方法检测边缘能力都很强，检测出的边缘清晰，连续，边缘图像点有充,阮须进一步细化处理。该方法处理图像面积小于传统方法的1／2，检测速度快，适合计算机视觉进行实时检测。     

基于显著性检测的蔬菜鳞翅目害虫图像自动分割算法

提出一种基于显著性检测的害虫图像自动分割算法(S-segmentation算法),首先利用显著性检测方法,结合图像局部区域的颜色距离和空间距离特征,对样本图像作预处理;然后采用无交互式图像分割算法处理显著检测结果图,可实现目标区域的完美分割,避免多次重复设置背景区域.通过对5种鳞翅目幼虫图像进行分割试验,结果表明该算法的分割准确性明显提高,平均分割精确度可达93.14%,较传统图像分割算法提高了约20%,并且复杂度低,运行效率高,分割精确度不受样本数量影响.进一步将该算法应用到体型和颜色多样化的鳞翅目成虫图像分割上,得到的平均分割精确度达到88.22%.     

水果图像的背景分割和边缘检测技术研究

根据区域阈值法分别对所采集的彩色图像的红、绿、蓝三帧图像进行背景分割,发现在B分量灰度直方图中利用双峰法选择阈值进行背景分割的效果最好;利用多种微分算子提取水果图像的阶跃性边缘,并用Hilditch细线化方法对已提取边缘的图像进行了细线化处理,获得了较好的边缘提取和细化处理效果;所研究的背景分割和边缘检测技术的处理效果可以满足进一步进行水果的尺寸、果梗、形状和表面缺陷等检测的要求。     

基于图像分割的玉米粒数高通量估算方法

设计了一种高通量玉米粒计数的方法,首先针对玉米穗分割对边界进行跟踪,根据方向变化幅度寻找"凹点",然后根据边界的方向对"凹点"两两连接进行图像分割;其次提出了改进的支持向量机分类算法的玉米粒识别,除了颜色信息外还将图像中的梯度信息加入分类的自变量中,避免了玉米粒的连通现象;最后通过面积对玉米粒粒数进行估算。结果表明,该方法精确度较高,准确率达到了96.4%;实现了高通量处理,解决了随机摆放的玉米穗粘连分割与高通量条件下图像模糊玉米子粒难以识别的问题。     

棉田复杂背景下棉花叶片分割方法

【目的】解决棉田复杂背景下棉花叶部病害快速识别问题,为提出一种快速提取棉花植株和分割棉花叶片的方法。【方法】通过棉花植株的RGB颜色特征将植株与土壤进行分离,结合形态学处理技术和彩色分割方法,将植株的茎秆去除,保留棉花叶片部分;分别使用广度搜索分割算法、分水岭分割算法和轮廓搜索分割算法,对棉花叶片图像进行分割提取。【结果】基于广度搜索的分割算法将叶片轮廓搜索出来与原图融合分离出叶片,该算法对于图像结构简单的情况分割效果较好,通过对应的drawContours函数将每个轮廓画出,再与原图定位,将叶片的完整信息也轮廓结合,实现叶片的分离。【结论】基于距离变换的分水岭分割算法存在过分割问题,基于广度搜索分割算法与边缘检测结合对于叶片结构清楚图像分割效果显著,与轮廓搜索算法相比,后者的适用性更广,提取的轮廓层次结构也清楚,分割效果最佳。