基于大津算法连通域的松果多目标识别定位

松果识别对其产量评估、智能采摘等具有非常重要的意义.提出一种基于二值图像连通域的松果图像识别方法,首先研究松果图像RGB颜色特征规律,进行RGB颜色分量色差运算;然后选取合适的阈值对松果R-G图像进行二值化处理,初步分割果实和背景;再在图像分割时采用小面积连通域面积阈值法去除噪声的影响;最后采用连通域外接矩形法进行松果识别与统计,并计算出松果质心位置.结果表明,采用OTSU二值化分割+连通域噪音去除方法,可以清晰地分离出松果果实,松果识别平均准确率为89.6％.基于二值图像连通域的松果多目标果实识别与定位,为以后实现松果的自动化采摘提供了技术基础.     

基于颜色特征的图像分割方法及其在足球机器人中的应用

提出一种新的适用于跟踪移动机器人的视觉系统的彩色图像分割技术,这种方法采用符合人类视觉特性的HIS颜色空间表示图像的颜色特性,利用人对颜色的感知来对颜色分量进行非等间隔的量化并形成特征矢量,根据HIS颜色空间三个基本分量合成的一维特征矢量直方图进行分割,并克服HIS颜色空间存在不可避免的奇点对图像分割的影响.另外采用一种基于背景图像的非均匀光照修正算法,应用在足球机器人中.实验结果表明该方法不仅使目标定位和方向角更精确,而且提高动态环境下的鲁棒性.     

基于傅里叶描述子和Hu不变矩的油茶果识别

青色油茶果及其背景色差不大,形状特征差别明显,可用于特征识别。本文提出一种基于归一化傅里叶描述子、Hu不变矩形状特征和BP神经网络识别油茶果的方法。首先将油茶果从RGB颜色空间转换到HSV颜色空间,提取H分量后进行二值化;其次通过形态学算法去除二值化图像中的噪声;然后提取其前8阶归一化傅里叶描述子作为BP神经网络特征向量进行识别。结果显示,油茶果识别率为85%。为了进一步提高识别率,提取油茶果的7个Hu不变矩特征,利用BP神经网络识别,识别率可达100%。     

基于二叉树结构聚类算法的彩色图像分割研究

提出了一种基于二叉树结构的彩色图像分割方法,首先对待分割图像采用最优阈值化方法获取R,G,B 3个颜色空间的最佳阈值,然后通过构造自适用二叉树进行一次粗分割提取目标区域,最后采用C-均值聚类算法对二叉树的每个叶子节点进行精确分割.试验表明,该算法可以在保留原图像中大部分的信息的基础上,对目标物体进行有效的分割.     

基于改进Bernsen 二值化算法的 植物病害叶片病斑检测

针对大区域田间复杂背景下植物病害远程识别中的叶片病斑检测难问题,提出一种基于改进Bernsen二值化算法的植物病害远程检测方法。通过物联网采集不同区域的植物叶片图像,根据在RGB和HIS颜色空间中叶片病斑与正常叶片和背景的色调差异的特点,利用改进Bernsen二值化算法分别在图像的R、G、B、H 4个颜色通道上提取病斑,然后进行病斑图像融合,得到病斑图像。采用该方法对多幅物联网视频植物病害叶片图像进行病斑分割。实验结果表明,该算法在复杂背景环境下能够有效分割植物病斑图像,去除大量复杂背景,得到病斑图像。该方法能够为大区域植物病害远程智能监控系统提供技术指导。     

基于改进局部二值模式算法的中草药图像鉴别

以颜色特征和纹理特征相结合的方法实现中草药显微图像的识别。将RGB图像转换为HSV图像,以HSV直方图对目标图像颜色特征进行提取;在传统局部二值模式中引入支持旋转不变特征的算子,并以均匀模式来描述目标图像的纹理,从而有效降低特征的维数;针对传统局部二值模式未考虑邻域像素分布特点而影响了纹理特征提取效果的不足,为其加入邻域点灰度值间的关系,对所有的相邻像素进行二值化;以Chi平方统计法对直方图进行相似性度量;为克服传统K近邻法的多优解问题,引入最短距离模式对最优解进行提取;最后通过优化算法来验证其集体性能,过程中结合训练集与测试集,证实优化算法的识别效果更佳。     

名优绿茶嫩芽识别与定位方法研究

由于人工采摘名优绿茶效率太低,严重制约了名优绿茶产业的发展。研究具有选择性且能快速准确采摘名优绿茶的智能系统迫在眉睫。而嫩芽识别和定位则是实现名优绿茶机械采摘的前提,因此,开展了名优绿茶嫩芽识别与定位方法的研究。基于RGB颜色空间采用三基色以及组合因子对图像进行灰度化处理,利用维纳滤波和梯度增强技术对处理后的图像进行滤波去噪,采用大津法和迭代法分割图像获取二值图像;借助MATLAB软件对相机进行标定处理获取各项内外参数,然后采用质心法对目标进行定位。结果表明,利用G-B索引因子结合迭代法能较大程度地识别出嫩芽目标,采用张氏标定法能在误差要求范围内对目标质心进行定位,且实时性较高。     

基于RGB与HSV颜色空间的水稻齐穗后叶片SPAD值估测方法研究

通过计算机视觉技术对齐穗期至成熟期的水稻叶片图像进行分割,提取水稻叶片图像在RGB和HSV颜色空间中的6种颜色特征参数,计算典型的18种颜色分量,分析了颜色特征参数和颜色分量与水稻叶片SPAD值之间的相关关系;然后,采用线性回归分析方法,分别建立了基于RGB颜色空间和基于RGB与HSV颜色空间的SPAD值的估测模型,并采用逐步回归方法,分别建立了基于颜色特征参数和颜色分量的SPAD值的估测模型。结果表明:RGB颜色空间和HSV颜色空间均与水稻叶片的SPAD值有极显著的相关关系,以HSV颜色空间与水稻叶片SPAD值的相关关系更为密切;颜色特征参数H与SPAD值之间的相关关系最密切,其次是S、R、V;颜色分量r/b与SPAD值之间的相关关系最密切,其次是R-B、b、r;在建立的水稻叶片SPAD值的4个估测模型中,以基于颜色分量的逐步回归模型的拟合效果最好。因此,综合RGB和HSV颜色空间中图像颜色信息的分析应用,有利于提高水稻叶片SPAD值的图像反演精度。     

基于RGB与HSV颜色空间的水稻齐穗后叶片SPAD值估测方法研究

通过计算机视觉技术对齐穗期至成熟期的水稻叶片图像进行分割,提取水稻叶片图像在RGB和HSV颜色空间中的6种颜色特征参数,计算典型的18种颜色分量,分析了颜色特征参数和颜色分量与水稻叶片SPAD值之间的相关关系;然后,采用线性回归分析方法,分别建立了基于RGB颜色空间和基于RGB与HSV颜色空间的SPAD值的估测模型,并采用逐步回归方法,分别建立了基于颜色特征参数和颜色分量的SPAD值的估测模型。结果表明:RGB颜色空间和HSV颜色空间均与水稻叶片的SPAD值有极显著的相关关系,以HSV颜色空间与水稻叶片SPAD值的相关关系更为密切;颜色特征参数H与SPAD值之间的相关关系最密切,其次是S、R、V;颜色分量r/b与SPAD值之间的相关关系最密切,其次是R-B、b、r;在建立的水稻叶片SPAD值的4个估测模型中,以基于颜色分量的逐步回归模型的拟合效果最好。因此,综合RGB和HSV颜色空间中图像颜色信息的分析应用,有利于提高水稻叶片SPAD值的图像反演精度。     

基于提升小波和学习向量量化神经网络的小麦病害图像识别

通过研究小麦叶部病害的症状特点及图像特点,应用K_means硬聚类算法对小麦叶部病害图像进行彩色图像分割,得到二值化分割和彩色分割,利用多重分形分析从二值化分割图像中提取病害形状特征参数,分别利用提升小波变换和脉冲耦合神经网络从彩色分割图像中提取颜色特征参数和纹理特征参数.根据提取的组合特征参数,利用学习向量量化神经网络进行小麦病害分类识别.结果表明,该算法对小麦病害的识别率可达到95％以上.