基于细胞神经网络的植物叶片图像中叶脉的提取

叶片是植物最重要的器官之一,特别是在识别植物种类时起着关键作用.叶脉包含了植物的内在特征和重要遗传信息,叶脉复杂多变的特点使得传统的边缘检测方法不适用于叶脉络的提取.为此,提出了一种基于细胞神经网络(CNN)的植物叶脉图像提取方法.试验结果表明:与传统图像处理方法相比,该方法通过神经网络参数的合理设计,能够提取出较为理想的叶脉络和叶边缘信息,提高了提取的准确性.     

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.     

基于棋盘格的可变参照物叶面积测量方法研究

为进一步提高在图像处理方面的叶片面积测量精度,提出一种基于棋盘格的可变参照物叶面积测量方法.首先利用智能手机拍摄叶片图像,进行叶片图像分割,根据叶片分割结果选择与其面积相近的棋盘格作为参照矩形,然后提取棋盘格亚像素级角点信息实现图像几何失真校正,通过比例关系计算叶面积.为验证方法的精确性,对已知面积的规则图形进行试验,...     

植物叶片栅格数据矢量化方法的研究

在虚拟植物技术研究中,植物几何形态数据的获取及测量是一项基础而重要的工作.为此,提出了一种将植物叶片的栅格图像数据转换为矢量图像数据的方法.采用这种方法可以减少植物几何数据获取工作的时间,提高测量数据的精度和工作效率.     

自然场景下植物叶片图像分割方法研究

图像分割是一种重要的图像分析技术,旨在把图像分成各具特性的区域并提取出感兴趣的部分.图像分割的结果是图像特征提取、识别等图像理解的基础.介绍阈值分割和边缘检测的分割方法,并进行分割算法试验,分析自然场景下植物叶片图像几种分割方法的优缺点,为该分割方法的应用提供依据.     

基于卡尔曼滤波融合的改进神经网络油菜成熟度预测方法

油菜在智能植物生长柜中的生长发育过程会发生显著的形态变化。准确掌握油菜成熟度对调节智能植物生长柜环境参数设置、节约资源能源具有重要的意义。本文利用图像分割和边缘检测技术来提取冠层叶面积、株高和根系长度、根系侧面积等形态特征,分别建立神经网络模型并对其特征参数进行训练,实现对蔬菜成熟度的预测。提出基于卡尔曼滤波的成熟度预测信息融合方法,将预测准确性提高到95.5%。     

基于漫水填充算法的叶面积仪研制

叶片是植物进行光合和蒸腾作用的主要器官,叶片面积大小直接影响植物对光的利用效率。快速准确地测量叶面积能够有效提高植物光合和蒸腾作用研究的效率。测量叶面积的方法有很多种,其中以叶面积仪法最为广泛使用。但是国内现有叶面积仪开发的种类较少,误差比较大,且重复性较差。因此,提出一种基于漫水填充算法的手持式叶面积仪,并通过与传统方法测定不同形状叶面积进行比较。结果表明:该叶面积仪测量误差仅为0.55%,且多次测量变异性较小,最低变异系数仅为0.7%,平均变异系数为1.2%,测量效率高,适合推广使用。     

基于机器视觉的激光加工在线检测系统设计

激光加工作为高精密加工,对其加工质量的检测一直是一个重要的问题。相较于传统人工检测效率低、重复性不高等缺点。为此,设计了一套基于机器视觉的激光加工在线检测系统。该系统通过图像采集系统捕捉激光加工工件的表面图像特征,通过对拍摄到的图片进行图像增强、图像分割、边缘提取等一系列操作,提取出图像的轮廓信息,然后将获得的图像轮廓用最小二乘法拟合圆得到圆心坐标以及圆半径,求得圆度,实现了高精度的在线测量。试验结果表明,所设计的系统能够快速对激光加工的工件进行在线测量,该系统操作简便,精度较高。     

基于Android系统手机的叶面积测量方法

为了快速无损测量植物叶片的面积,利用Java编写的软件,以Android智能手机为工作平台,使用图像处理技术对植物叶片面积进行测量。测量步骤分为:图像获取、图像分割、图像二值化、滤波去噪、叶片面积计算。采用该方法分别对面积为100mm2的三角形、100mm2的正方形、314.15mm2的圆、112.26mm2的正五角星在150mm和200~800mm之间间隔为100mm的8个距离段进行了面积测量,结果显示其测量误差范围在-0.62%~0.79%之间。应用该方法测量了代表不同植物叶片形状的番茄、茄子和枫叶叶片,当手机和叶片的距离在300~600mm时,测量结果与LI—3100型叶面仪测得的结果偏差在±1%以内,其他距离段偏差均大于1%。本研究设置图像为2560像素×1920像素,测量精度能达到0.001cm2,证明该方法具备精确测量叶片面积的能力。     

基于改进Canny和灰度矩的水下图像边缘检测方法研究

针对水下图像对比度差、模糊,致使检测出的边缘存在不连续和伪边缘的问题,提出一种基于改进的Canny和亚像素的水下图像边缘检测方法。采用改进的Canny算法检测水下图像的像素级边缘,在此基础上采用灰度矩提取图像的亚像素边缘特征,提高边缘的定位精度和检测率。实验结果表明,提出的算法相较于传统的像素级边缘检测算法在边缘轮廓的提取、减少伪边缘、提升边缘精度方面有较大优势,尤其是对深海环境中光源单一以及图像对比度差的物体边缘的检测具有更显著的效果和定位精度。     

基于模糊逻辑的植物叶片边缘检测方法

针对温室环境植物叶片边缘检测中,植物图像通常含有噪声、背景复杂且图像数据存在模糊性和不完整性问题,提出了基于模糊逻辑的植物叶片边缘检测方法.首先,根据邻域像素的统计特性及绿色植物和土壤背景的颜色差异性,利用线性函数定义噪声和边缘的隶属度函数;其次,采用Sugeno模糊模型进行模糊推理,以减少模糊规则数量;最后,利用模糊推理结果先进行模糊滤波后再进行模糊边缘检测.实验证明,提出的方法克服了常规算法未考虑叶片像素和背景像素的颜色差异而导致产生大量伪边缘的问题,在噪声环境中能有效提取自然背景下植物叶片边缘信息,可有效用于温室环境的植物叶片图像边缘检测.     

电极圆锥内螺纹的非接触测量

提出了电极圆锥内螺纹的图像处理及检测方法。原始灰度图像为CCD采集的经过工件轴线的截面图像,该截面为一个特殊加工的剖分式轴截面,其定位与加工方法同电极内螺纹一样,以此作为抽检来判别电极圆锥内螺纹的几何参数及刀具磨损状况,通过对直径的测量,获得了刀具磨损的相关信息。图像处理过程包括几何变换、灰度级变换、图像平滑、滤波降噪、阈值选取及二值化、边缘提取等,并对不同处理方法进行了比较。在测量尺寸时,使用自编程序计算测量内螺纹的螺距、牙型半角及锥角,测量精度分别达到±0.012mm、±0.17°和±0.018°,满足产品的技术要求,并分析了误差产生的原因。     

小波变换在农田图像边缘检测中的应用

为了给农业机器人田间行走提供准确导航方向线,以农田景物为研究对象,提出用紧支撑双正交小波变换检测图像中的边缘,并改进了传统的小波算法。运用此方法,在计算机上对图像做边缘提取的实验。实验结果表明,该方法能够得到连续、光滑、单像素宽边缘链图像。程序的单幅图像处理平均效率为0.12s,不仅证明了该算法能够达到实时检测、自主导航的要求,而且也表明这种边缘提取方法是有效和可行的。     

手持式精准立木树高测量装置设计与试验

为解决森林资源调查中树高测量误差大,复杂林分环境树高测量难,倾斜立木树干长度测量不准等问题,以测量学、测树学、电子信息技术、传感器技术和图像处理技术为基础,研制了手持式精准立木树高测量装置。该装置集成了中央处理器、激光测距仪、高清摄像头、高精度陀螺仪传感器、液晶显示屏、存储器等元器件,利用激光测距传感器获取测量装置与被测树根间的距离,同时获取该装置的仰角信息,再利用图像中心确定树顶位置后获取第2个仰角信息,通过距离信息和角度信息解算测量树高。使用设备贴紧树干测量树干倾斜角度,对于干型弯曲的树木,利用边缘检测算法识别图像树干轮廓边缘,以轮廓近似法提取树干轮廓边缘点,获得树干边缘离散点坐标信息,将线性拟合求得的直线斜率转换为树干倾斜角,利用角度补偿算法完成长势倾斜立木的树长测量。试验结果表明树高测量精度可达98.04%,倾斜立木测量精度为96.89%,满足国家森林资源调查的精度要求。     

树干直径自动识别与测量技术研究

在森林资源调查中为实现树干直径快速、精确测量,使用电子元件进行了树干影像自动识别与测量。通过摄像头和CMOS传感器获得图像,经灰度转换后,使用窗口大小为5行5列的高斯滤波器,利用Canny边缘检测算法提取边缘,包括平滑、非极大值剔除、双阈值的边缘连接等,在提取的边缘图像基础上,设计了树木直径自动提取算法。以4列的窗口为模板,自上而下,对经过Canny算法后的图像进行竖直线段的提取。在提取所有竖线后,将最大宽度的2条竖线当作树干轮廓线,通过焦距、物距、像距与像素宽度之间的关系计算出树干直径。最后选择了不同树种共计16棵树木进行了验证,实验结果表明树干直径识别的精度为96.9%,绝大部分测量数据符合森林资源调查要求。     

基于叶片形态的田间植物检测方法

利用图像处理技术方法,以田间拍摄的水稻图像为研究对象,对田间植物进行检测研究。通过改进归一化绿蓝差值指数IDNBG 与色度模型,经过分类识别、图像阈值分割等步骤,对植物叶片进行提取。利用形态学正反向组合运算实现叶片内部完整性修复;利用边界4连通链码边缘检测实现叶片边缘平滑性修复。通过对可见光条件下田间拍摄的40幅图像进行植物提取实验,植物叶片提取正确率平均可达83.07%,误分率为3.57%。对其中90条边缘线进行边界平滑修复,部分叶片边缘被平滑但使叶片提取正确率降低0.63%。对植物检测主要影响因子进行分析得出,成像条件差异易影响亮度因子;通过形态学膨胀与正反向过滤运算,露珠与病斑得到一定程度的保留,提取叶片内部形状完整;链码运算可使叶片边缘得到平滑,同时也会去除部分正确的叶片,其运算量较大。     

瓜果分类BP算法研究与实现

分析了图像的颜色空间模型,以HSI为基础模型,对采集到的瓜果图像进行去噪、分割、边缘提取等预处理。在此基础上,对水果图像的特征以及相关参数进行测量,最后采用BP神经网络及K-近邻规则对目标进行识别。实验证明,BP算法的识别率较高,系统总体识别率达到了98.92%,完全达到了应用需求。     

基于Android手机平台的冬小麦叶面积指数快速测量系统

叶面积指数（Leaf area index,LAI）是衡量作物生长状况的重要参数,也是科学确定无人机喷药量的主要指标。为了建立一套作物叶面积指数实时测量方法,基于Android手机平台开发了一种冬小麦叶面积指数快速测量系统。在大田条件下选取长势均匀的10个试验区域,在不同生长期采用Android手机平台和ADC多光谱相机分别获取小麦冠层图像,同时手工测量小麦实际叶面积,根据不同测量结果计算3种叶面积指数： 将Android手机图像由RGB空间转换到HSV空间,在H-V双通道组合图像上进行图像分割后计算绿色叶片的面积IArea;由ADC多光谱相机自带软件获取的归一化植被指数（NDVI）和调节土壤植被指数（SAVI）数据反演的叶面积指数ALAI;实际手工测量的叶面积指数LAI。对以上3种叶面积指数的相关分析和建模分析结果表明,随着小麦不同生长期的变化,Android手机平台获取IArea与实际测量叶面积指数LAI的R2大于0.84(P小于0.01),ADC获取的叶面积指数ALAI与实际测量叶面积指数LAI的R2大于0.83。     

基于卷积神经网络的生菜多光谱图像分割与配准

针对多光谱图像中由于多镜头多光谱相机各通道之间存在的偏差以及传统分割方法的不适用,图像分析处理过程往往会出现无法自动化分割或分割精度较低的问题,提出采用基于相位相关算法和基于UNet的语义分割模型对田间生菜多光谱图像进行各个通道的精确配准并实现前景分割。使用Canny算法对多光谱各通道图像进行边缘提取,进而使用相位相关算法对多光谱各通道图像进行配准,单幅图像平均处理时间0.92s,配准精度达到99%,满足后续图像分割所需精度;以VGG16作为主干特征提取网络,直接采用两倍上采样,使最终输出图像和输入图像高宽相等,构建优化的UNet模型。实验结果表明：本文所提出的图像配准和图像分割网络,分割像素准确率达到99.19%,平均IoU可以达到94.98%,能够很好地对生菜多光谱图像进行前景分割,可以为后续研究作物精准表型的光谱分析提供参考。     

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。