基于ComⅥ和双阈值OTSU算法的农作物图像识别

针对农作物图像中依附泥土和杂质噪声呈现不规则性和复杂性特点,提出了一种基于植被指标合成双阈值OTSU算法的农田作物图像识别方法.该方法根据农作物充分显露和部分被遮盖2类图片特点,将图像识别过程分为3个阶段：首先利用植被指标合成获取农作物图像灰度图,然后根据双阈值OTSU自适应算法进行二值化处理与图像分割,再进行正常的形态学运算,将3个阶段所分割的图像叠加形成最终的农作物与土壤识别图像,并将该算法与双阈值迭代设定法进行了对比.试验研究表明该算法克服了传统灰度图算法和阈值迭代算法的缺点,能有效提取和识别过渡区域的边缘,图像识别的准确率为92.7%以上.最后,采用Visual Basic2010和Matlab 2012软件设计了农作物图像识别系统,从应用角度实现了图像识别的可视化与自动化.     

基于边缘检测和区域定位的玉米根茎导航线提取方法

基于玉米根茎图像信息,提出一种基于边缘检测和区域定位的玉米根茎导航线提取方法。首先,利用最大类间方差法自动分割2G-R-B灰度图像,得到二值化图像,结合形态学处理、位置/面积去噪方法提高二值化图像质量,对去噪图像按列累加得到列像素累加曲线;针对传统方法得到的特征点中伪特征点较多的问题,引入高斯滤波器平滑累加曲线,并运用极值法减少玉米根茎伪特征点的干扰,在提取玉米茎秆边缘直线时,提出基于最远茎秆成像宽度的双侧边缘判别思路,通过扫描每条边缘直线的四边形封闭邻域有效剔除伪边缘直线;最后,根据边缘直线二次定位玉米的根茎区域范围,并剔除伪特征点,采用最小二乘线性拟合方法准确提取导航线。试验表明,本文算法处理一幅1280像素×720像素图像耗时约236ms,特征点拟合准确率为92%。与传统方法相比,本文算法精度高、实时性好,在缺苗、杂草较多和株距不标准的情况下仍具有较强的鲁棒性。     

基于Otsu阈值与形态学处理的车道线检测

为了提高车道线检测的识别能力和可靠性,提出了一种在对图像进行Hough变换前进行预处理的方法。该方法采用直方图均衡化、拉普拉斯滤波器图像增强,进而引用Otsu阈值分割处理转化为二值图像;再对该二值图像形态学处理消除物体边界点和微小结构像素,减少后期Hough变换的投票像素点;采用Canny算子对图像进行边缘检测以及Hough变换检测出车道线。     

传统图像分割算法在农作物籽粒考种应用中的研究进展

传统图像分割算法以时间、空间复杂度低等优点在农作物籽粒考种领域中有着广泛的应用。对传统分割算法在农作物表型获取过程中的应用进行研究,首先阐述Otsu、分水岭、边缘检测、SLIC算法以及凹点分析算法的算法原理,对种皮颜色灰度均匀、形状不同的农作物籽粒,以“问题—方法”的模式阐述不同算法在应用中存在的问题以及相应的解决方法;接着将算法基于阈值、区域、边缘、聚类、凹点整合为五大类,对算法的分割效果、优缺点及其适用范围进行比较研究;最后,剖析农作物籽粒图像分割应用研究存在农作物种类覆盖度不够宽泛、图像分割精度不高、技术通用性不高等问题,并从算法精度提高、重叠遮挡处理等方面对未来的研究进行展望,以期为农作物籽粒考种过程中的图像分割研究提供参考。     

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。     

基于数学形态滤波算子的黄顶菊种子图像边缘检测

黄顶菊种子边缘检测是进行黄顶菊种子形态特征提取和分析的基础.经典的边缘检测算法由于抗噪声能力差,无法精确检测出黄顶菊种子的边缘.为此,运用数学形态学的基本原理和方法,提出了一种基于数学形态滤波器的二值图像边缘检测算法,应用于黄顶菊种子图像的边缘检测.实验结果表明,提出的边缘检测算法的性能明显优于经典的边缘检测算法,不仅能够准确、有效、完整地提取出黄顶菊种子的边缘,同时能有效地去除噪声.     

基于离散小波变换特征的农作物叶片表面农药残留检测方法

农药残留检测方法易受到叶片图像空间噪声的干扰,检测精度较低。为此,提出基于离散小波变换特征的农作物叶片表面农药残留检测方法。采用多模态融合网络对农作物叶片表面特征向量进行提取,在网络模型中引入注意力模块对特征向量进行非对称模态融合处理,以消除空间噪声,并通过对叶片图像的边缘进行过滤与校正,以分割叶片图像边缘,结合离散小波变换特征算法对原始图像进行逐级分解变换,并求取叶片表面光谱反射率,以此确定叶片表面感兴趣区域,基于此,利用特征光谱处理方法对农药的光谱进行判别,以此实现农药残留检测。对比实验结果表明,所提方法对于农作物叶片表面农药残留检测具有较高的检测精度。     

基于小波模极大值的水果大小检测方法

提出了一种基于小波模极大值的水果检测方法,对采集到的图像进行滤波处理,利用自适应阈值法进行二值化处理,通过小波模极大值法提取水果的边缘图像,得到水果的边界信息,最终确定水果的横径值。试验中将测试结果与实际的果径值相比较发现,该方法具有较高的准确性,从而可以用以区分水果的等级。     

基于小波变换的农田景物边缘检测

依据农田景的图像的基本特点，提出零点反对称紧支撑二进小波检测图像中的边缘。运用此方法在计算机上对图像边缘提取，得到了连续、光滑、单像素宽的边缘链图像。表明这种边缘提取方法有效、可行。     

小面模型与数学形态相结合的边缘提取算法

边缘提取是遥感数字图像处理的基本工作之一。为此．给出了一种通过图像灰度值来逼近和重构图像的、连续函数的小面模型边缘提取算法．并使用数学形态学的方法对提取的边缘进行了细化。从而得到图像的精确边缘。     

基于形态学的农田景物区域检测技术

研究了形态学在农田景物区域检测中的应用，通过形态学分析对农田景物区域进行了形态特征提取，在此基础上利用先验知识对各区域进行了识别分类。试验表明，本文提出的方法可以取得良好的效果。     

基于农田景物边缘的农业机器人自定位方法

自主行走农业机器人自定位技术是导航系统的关键技术，本文通过对机器人的近景成像几何建模，提出了利用虚点提取和检测实现从图像到场景现实空间的三维计算，并确定机器人与路径的相对位置、方向，从而获得了自定位信息的方法。实验证明了该方法的正确性。     

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。     

基于最小二乘法的温室番茄垄间视觉导航路径检测

针对温室非结构作业环境和复杂背景下作业机器人路径识别检测问题开展研究。在HSI颜色空间分析番茄垄间道路图像在各分量的分布特性,提出了基于机器视觉的垄间加热管敏感区域提取方法,依据I分量直方图采用最大类间方差法进行图像自适应阈值分割,对分割后二值图像利用目标区域的边缘提取算法获得导航离散点簇。根据最小二乘法原理对导航离散点簇拟合得到2条加热管边缘线,在此基础上给出中心导航基准线检测算法,并针对光照不均和作物遮挡对导航路径检测进行了实验。实验表明,与Hough变换算法相比,该算法简单快速,对光照不均具有良好的鲁棒性,能够准确提取目标敏感区域的边缘信息,对不同遮盖率番茄垄间导航路径提取正确率达91.67%。     

基于茎基部分区边缘拟合的稻株定位方法

准确地定位稻株是水稻株间除草机械作业的前提,提出了侧位俯拍的图像采集方式获取稻株茎基部图像,采用茎基部分区边缘拟合的方法定位稻株,解决了除草期内水稻冠层接连引起的定位不准确问题。首先分析稻株生长形态,探究侧位俯拍稻株茎基部的相机安装参数设定,以及影响成像质量的相关因素,提出了遮光条件下采集图像的方法,构建了具有遮光功能的图像采集系统;其次采用2G-R-B彩色图像灰度化、自动阈值、形态学操作等方法处理并分割稻株图像,检测茎基部边缘并分析其形态特征,并提出了分区边缘拟合定位方法:划分拟合区间为3个子区间,在子区间内进行边缘拟合,以拟合边缘线段中点坐标均值作为子区间茎基部中点,根据中点拟合茎基部中线,以中线中点作为定位的茎基部中心。最后进行了基于茎基部与冠层的稻株定位精度田间对比试验,结果显示:插秧后10~20 d内,基于茎基部的稻株定位误差均在7.0 mm以下,其中10 d、15 d、20 d时的定位误差分别为6.9mm/6.8 mm、5.9 mm/5.8 mm、6.3 mm/6.5 mm(有水条件/无水条件);基于冠层的稻株定位误差在8.0 mm以上,其中插秧20 d后,定位误差超过15 mm以上。试验结果表明,所提出的基于茎基部分区边缘拟合的稻株定位方法,定位精度高,除草适用期长,可满足株间机械除草过程中对稻株精准定位的技术要求。     

基于亚像素定位的图像边缘检测策略研究

针对图像处理与计算机视觉技术中低对比度、边缘模糊图像的边缘检测问题,参考局部极值与梯度方向两种因素,并结合图像边缘方向趋势,提出了一种单像素边缘跟踪策略。相较于应用广泛的Canny算法,该跟踪策略无需设置全局阈值,实现方式更为简洁、高效;提取的图像边缘连续、平滑、完整,并有效地减少了图像边缘的冗余像素,进而提升了图像后续处理的效率;边缘跟踪方向抗干扰性强,具有较强的鲁棒性。为了减小检测的图像边缘与真实图像边缘之间的偏差、提高图像边缘检测的精度,参考边缘像素点的相邻区域灰度,以边缘像素点的梯度分布为依据对该像素点进行亚像素定位。经实验验证,经过亚像素优化的图像边缘检测策略可用于检测边缘模糊、对比度低的图像,检测的图像边缘完整、连续且平滑。该策略有效地消除了程序运算中引入的截断误差,提升了图像边缘检测精度,且适用于亮度5~100000lx的高动态成像场景中。     

基于多季相分形特征的Landsat 8 OLI影像耕地信息提取方法

利用遥感技术快速准确地提取耕地信息是耕地保护的关键环节。以山东省商河县为例,提出了一种基于多季相分形特征的Landsat 8 OLI影像耕地信息提取方法。首先采用毯子覆盖法计算多季相遥感影像每个像元的上分形信号和下分形信号,对比分析耕地和其他土地利用类型的分形特征,选取上分形信号的第3尺度作为特征尺度,提取商河县耕地空间分布特征;其次采用同时期的土地利用矢量数据、Esri land cover数据和统计数据进行耕地信息提取精度评价;最后分别设置多季相分形提取与单季相分形提取、现有土地利用数据产品的对比实验,并基于点位匹配度和面积匹配度进行评价。结果表明：多季相数据更能反映农作物生长的复杂性,有助于提高耕地信息的提取精度;不同土地利用类型在不同分形尺度的信号值各不相同,分形特征可以在不同尺度上清晰地刻画出不同土地利用类型的分异性;基于矢量数据和Esri land cover数据评价的多季相分形特征耕地提取点位匹配度为87.13%和89.83%,面积匹配度为99.73%和97.91%,均比单季相分形提取结果精度高;综合考虑点位匹配度、面积匹配度和空间分布特征,研发方法能有效区分耕地和其他土地利用类型,提取结果更优,且与统计数据有更高的一致性。该方法可准确提取耕地信息,为耕地的动态监测和损害评估提供技术支撑。     

基于图像处理的果树滴水线导航路径检测方法研究

针对果园开沟施肥,提出一种基于图像处理的果树滴水线导航路径检测方法。该方法采用垂直地面向上布置的CCD相机采集果树冠层投影图像,并实现果树冠层沿地面垂直投影轮廓的识别与滴水线平滑处理,进而对无人施肥装备沿果树环状行走路径进行确定。通过相机标定获取相机内部参数和畸变参数,对原始图像进行畸变矫正;通过对图像在RGB颜色空间的分布特征进行定量分析,使用平均值法对图像灰度处理,使用定阈值法进行二值分割;二值图像中由于存在大量的空间间隙,使用形态学膨胀操作,填充间隙,以凸显树冠投影边缘轮廓;使用边界跟踪算法,提取树冠轮廓边缘;引入Beseel曲线拟合方法,对轮廓边缘进行平滑处理,通过对比二阶、三阶、四阶、五阶拟合结果,得出使用三阶和四阶Beseel拟合结果较为符合导航路径要求。将相机固定在一个位置,分别在晴天和阴天拍摄条件下采集图像,进行滴水线导航路径提取,分别使用三阶和四阶Beseel曲线拟合晴天和阴天的图像边缘轮廓,使用四阶拟合结果较为符合实际要求,平均像素误差为19.5像素,平均像素相对误差为2.6%,平均每帧图像处理速度为27 ms,能较好地满足导航精度和实时性的要求,为施肥作业平台沿滴水线自动导航提供参考。