一种基于小波变换的边缘检测算法

目的 利用小波变换,完成图像边缘的检测,提取能表征图像概貌的重要特征.方法 学习并比较几种边缘检测方法,结合小波变换的多尺度特性,对小波变换分解的近似系数和高频系数进行处理,构建模值和幅角图像,提出一种基于小波变换的图像边缘检测算法.结果 在MATLAB R2018b环境下,首先以屋顶图像为例,将算法与Roberts算...     

基于蚁群优化算法的图像边缘检测

图像边缘携带了图像的大部分主要信息。通过对图像进行边缘检测不仅能有效地提取图像信息降低计算的复杂度而且是图像测量、图像分割、图像压缩、模式识别等图像处理的基础。本文尝试将蚁群优化算法（Ant Colony Optimization, ACO）用于图像边缘检测,通过选取经典house图像和SAR机场图像设置阈值进行自适应边缘提取,实现了边缘的精确检测。实验结果显示,该算法能够有效地提取图像目标的轮廓信息,很好保持图像纹理,具有理想的抗干扰性能,保证了检测结果的准确性。     

对无损伤测量叶片面积方法的改进

在栽培现场无损伤测量叶片面积,可以利用两个平行摄像头对同一叶片采集两张二维(2-D)彩色图像,然后根据特定的算法和计算公式,复原三维叶片(3-D)图像,再由三维图像计算该叶片面积。但在现场条件下拍摄的二维(2-D)彩色图像存在强烈的噪声及干扰,从而在边界提取时出现大量的伪边缘,使得边缘像素点匹配难度加大,从而无法正确地复原出三维(3-D)图像,也就无法测量叶片面积。为消除伪边缘、剔除干扰,并使叶片边界光滑连续无冗余,笔者提出将点变换成线段,根据线段群之间的几何位置关系剔除噪声线段。然后将线段连结成线段群,并将周长最长的线段群认定为所需要的叶片边缘,从而在抗噪声和抗干扰上取得良好的效果。通过上述处理,可以在现场达到精确测量叶片面积的目的。     

基于形态学和小波变换的图像边缘检测方法

电力机房图像边缘提取是实现电力机房三维重建的重要辅助环节,机房图像边缘提取越精准,三维重建将会更准确.本文提出一种融合小波变换模极大值和多尺度多结构形态学的图像边缘检测算法对电力机房图像进行处理.首先,对原始电力机房图像进行小波分解得到高频图像和低频图像;然后,采用小波变化模极大值算法提取高频图像的边缘信息,多尺度多结构数学形态学算法提取低频图像的边缘信息;最后,通过叠加运算融合高频和低频的边缘信息,得到原始图像的边缘信息.通过仿真实验表明,本文提出的边缘检测算法在抗噪性能、边缘连续性、定位精度上综合实力最强.     

基于Hermite插值的彩色图像边缘检测种子轮廓

针对现有种子品质的不足,为准确获得种子的形状参数以及最终能准确识别出各稻谷品种,提出了一种基于Hermite插值的彩色图像边缘检测技术算法。该算法与彩色图像边缘检测算法相结合,根据图像自身的彩色、梯度信息,依靠Hermite曲线插值技术对边缘线段进行连接修复,保证了算法抑噪和检出边缘曲线光滑连接的能力。     

基于线性抛物线模型的车道检测与跟踪方法

车道检测是车道偏离预警系统的前提,是车辆辅助驾驶系统的重要组成部分。提出一种基于线性抛物线模型车道检测与跟踪方法：首先,提出一种新的车道线检测感兴趣区域（ROI）设置方法;其次,引入双阚值算法对道路边缘进行提取,利用Hough变换初步获得车道中线及消失点坐标并提取道路标识线;最后,建立线性抛物线模型,引入卡尔曼滤波（KF）对车道线进行跟踪,并用卡尔曼滤波对模型参数进行更新。多段实地采集的视频仿真试验结果表明,该算法能快速、稳定的检测和跟踪车道线。     

数学形态学在种子图像边缘检测中的应用

通过分析播种机性能检测的方法和种子目标的图像特点,提出一种基于数学形态学的种子图像边缘检测方法.利用开闭运算的级联对种子图像在生成过程中因传送带上的杂质等的干扰进行滤波后,采用3×3八方位方形结构元边缘检测算法获取种子的边缘.试验表明,与经典的边缘检测算子相比,该算法不仅具有很好的边缘提取能力,而且具有很强的抗噪能力.     

一种新的基于小波变换的边缘检测算法

提出了一种新的基于小波变换的图像边缘检测算法。该算法首先按水平、垂直和对角方向对图像进行多尺度二进制小波变换,提取3个方向的小波系数。然后采用相邻尺度小波系数相乘的方法去除噪声,提取小波系数乘积的极大值点。最后将这3个方向上的极大点进行融合,形成图像的边缘。仿真实验表明,该算法具有较好的边缘检测和抑制噪声的能力,边缘检测效果明显优于传统的边缘检测方法。     

基于分形特征的图像边缘检测算法

基于分形图像的自相似特征,提出了一种新的图像边缘检测算法,实验结果证明该算法能有效提取图像边缘,具有较强的抗噪声性能。     

关于利用小波变换对稻米图像进行边缘检测的改进方法研究

为了进一步提高稻米图像边缘检测效果,本文在小波变换和双阈值相结合的方法基础之上,提出了利用边缘长度提取有效边缘的方法,并利用该方法对稻米图像进行边缘检测,取得了较好的边缘提取效果。     

基于一种改进的Hough变换的输电线提取与识别

运用西方叙述学中文类的观念，来分析道教东晋上清仙传的名称体例、语言笔法与意象结构上所表现的叙述内涵与特质，以凸显其作为宗教别传的文学意义与“修与报”的结构功能。首先，探讨其内传命名的区隔性与传信性，内传撰阅的封闭性与神圣性，以及所表现的形式体例特质。其次，分析其结合宗教体验与文学美感所形成的诗的、象征的、神话的宗教语言，以及叙述虚实笔法与情节发展的结构性关系，所具显的“既是宗教又是文学”的艺术美感。最后，解析文本中感官字词描述所呈现的丰富文学意象，以及修炼与仪式所蕴含的叙述结构，推定其应颇合乎“奇幻叙述体”的叙述审美特色。     

The recognition of apple fruits in plastic bags based on block classification

The recognition of apple fruits in plastic bags is easy to be affected by reflected and refracted light. In order to weaken the influence of light, a method based on block classification is proposed. The method adopts watershed algorithm to segment original images into irregular blocks based on edge detection results of R–G grayscale images firstly. Compared with the watershed algorithm based on gradient images, the segmentation method can preserve fruits edge and reduce the number of blocks by 20.31%, because graying image method, R–G, filters most of leaves and edge detection operator insures that the edge of fruits are detected accurately. Next, these blocks are classified into fruit blocks and non-fruit blocks by support vector machine on the basis of the color and texture features extracted from blocks. Compared with the image recognition method based on pixel classification, the proposed method can restrain the interference of light caused by plastic bags effectively. The false negative rate (FNR) and false positive rate (FPR) of the method based on pixel classification are 21.71 and 14.53% respectively. The FNR and FPR of the proposed method are 4.65 and 3.50% respectively.     

支持向量机和最大类间方差法结合的水稻冠层图像分割方法

针对田间多变光照强度给水稻冠层图像分割带来的难题,探讨了一种基于支持向量机(SVM)和最大类间方差法(OTSU法)相结合的水稻冠层图像分割算法。首先,从不同光强条件下的水稻冠层图像中采集代表性水稻和背景像元构建训练图像S1和S2,通过分析水稻S1和背景S2两类图像在RGB色彩空间中R、G、B色彩特征值的分布频率,rgb(标准化RGB)色彩空间中r、g、b色彩特征值的分布频率,CIE L*a*b*色彩空间中L*、a*、b*色彩特征值的分布频率,以及HSV色彩空间中H、S、V色彩特征值的分布频率,筛选出具有明显双峰特征的g、a*、b*和S作为关键色彩特征;然后,在由g、a*、b*和S色彩特征构成的多维色彩空间中采用支持向量机学习算法获得分隔水稻和背景像元的优化超平面Z(Z=0.421g+0.753 a*+0.152 b*+0.051S+0.085);最后,计算水稻冠层图像中每一像元的Z值,并用最大类间方差法计算分割阈值Z_t,从而实现水稻冠层图像分割。为了评价该分割方法,以90幅不同光强(阴天、多云和晴天)条件下采集到的田间水稻冠层图像作为测试图像,并以常用的ExGOTSU分割方法作为对比,分析该分割方法的分割精度和光强稳健性。结果表明,Ex GOTSU方法的精确度显著受光强条件影响,随着光强强度的提高而显著降低,光强稳健性差;该研究所提分割方法对阴天、多云和晴天条件下水稻冠层图像的分割误差为7.30%、8.72%和8.98%,分割精确度较高,且具有良好的光强稳健性。因此,该基于支持向量机和最大类间方差法相结合的水稻冠层图像分割方法具有较高的分割精度和光强稳健性,可为田间多变光照条件下水稻冠层图像精准分割提供技术参考。     

复杂背景与天气条件下的棉花叶片图像分割方法

为实现自然条件下棉花叶片的精准分割,提出一种粒子群(Particle swarm optimization,PSO)优化算法和K-means聚类算法混合的棉花叶片图像分割方法。本算法将棉花叶片图像在RGB颜色空间模式下采用二维卷积滤波进行去噪预处理,并将预处理后的彩色图像从RGB转换到目标与背景差异性最大的Q分量、超G分量、a*分量;随后在K均值聚类的一维数据空间中,利用PSO算法向全局像素解的子空间搜寻,通过迭代搜寻得到全局最优解,确定最佳聚类中心点,改善K均值聚类的收敛效果;最后,对像素进行聚类划分,从而得到棉花叶片分割结果。按照不同天气条件和不同背景采集了1 200幅棉花叶片样本图像,对本研究算法进行测试。试验结果表明:该算法对于晴天、阴天和雨天图像中目标(棉花叶片)分割准确率分别达到92.39%、93.55%、88.09%,总体平均分割精度为91.34%,并与传统K均值算法比较,总体平均分割精度提高了5.41%。分割结果表明,本研究算法能够对3种天气条件(晴天、阴天、雨天)与4种复杂背景(白地膜、黑地膜、秸秆、土壤)特征混合的棉花叶片图像实现准确分割,为棉花叶片的特征提取与病虫害识别等后续处理提供支持。     

基于改进C-V模型的棉花叶片目标提取方法

为解决自然条件下棉花叶片因其轮廓几何边缘长势不均匀所导致的叶片目标提取不精准问题,提出一种基于改进C-V模型的棉花病害叶部目标提取方法。在传统C-V模型的基础上,将长度惩罚项和符号距离函数的约束能量项引入能量模型中,以达到对演化曲线长度变化的约束目的,从而完成对整幅图像目标特征的提取。本研究算法先对待分割的图像设置初始曲线,并利用高斯滤波算子对待分割图像进行平滑滤波处理,然后根据图像全局灰度信息和局部二值匹配信息建立能量方程,根据其离散化形式,对水平集函数进行演化,并从中提取演化曲线,最后根据水平集函数演化过程所满足的终止条件,输出图像分割结果。按照不同天气条件和不同背景采集了1 200幅棉花叶片样本图像,对本研究算法进行测试。试验结果表明:本研究算法对于晴天、阴天和雨天图像中目标(棉花叶片)轮廓提取准确率分别达到82.23%、82.73%和84.60%。分割结果表明,本研究算法能够对3种天气条件(晴天、阴天、雨天)与4种复杂背景(白地膜、黑地膜、秸秆、土壤)特征混合的棉花叶片图像目标特征轮廓实现准确提取。     

综合小波和模糊方法的图像边缘检测

为了更好地对图像边缘进行检测,提出一种基于小波局部极大模和模糊方法相结合的图像边缘检测算法．它将图像分为高频和低频部分分别进行处理．高频部分利用小波局部极大模的方法进行边缘检测,低频部分则利用模糊方法进行处理,并对两种边缘图像进行了融合．试验结果证实了该算法的可行性．     

基于密度自适应的RANSAC非结构化环境下果园机器人导航

目的 提出一种基于多传感器融合的果园导航方案,解决果园机器人在GPS导航过程中受果树遮挡导致信号弱、定位效果差的问题。方法 通过16线激光雷达采集高精度的三维点云数据,利用Voxel grid filter滤波算法进行点云预处理,降低点云密度并去除离散点,将果树行通过欧几里类算法进行聚类,采用改进的随机采样一致性 (Random sample consensus, RANSAC) 算法拟合出果树行直线,根据平行直线的关系,推算得到导航线,并融合惯性测量单元(Inertial measurement unit, IMU)对果园机器人进行高精度定位。基于差速转向和纯追踪模型进行轨迹跟踪,实现果园机器人在果树行间自主导航以及自动换行的目标。结果 在将激光雷达和IMU的数据进行融合后,获取到果园机器人的准确位姿,当机器人以速度0.8 m/s在果园作业时,对比最小二乘法和传统RANSAC法产生的偏差,基于密度自适应RANSAC法产生的横向偏差不超过0.1 m、航向角偏差不超过1.5°,均为3种方法中的最小值。但当机器人速度增加到1.0 m/s时,各项偏差均明显增大。结论 本文提出的基于多传感器融合的果园机器人导航技术适用于大多数规范化果园,具有重要推广价值。     

A fast segmentation method for high-resolution color images of foreign fibers in cotton

Foreign fibers in cotton seriously affect the quality of cotton products. The identification of foreign fibers in cotton is a critical step in the automated inspection of foreign fibers in cotton; image segmentation is crucial in this identification process. This paper presents a new approach for segmenting images of foreign fibers in cotton. Firstly, color images were captured, and the edge of color images were detected by an edge detection method based on improved mathematical morphology. The color images were subsequently converted into a gradient map, the law of experience values was analyzed, and the best thresholding value of the gradient map was chosen by selecting the best experience value iteratively. The experiment results indicate that the proposed method successfully segments the high-resolution color images of cotton foreign fibers both directly and precisely. Furthermore, the speed of image processing is much faster than that of conventional methods.     

基于LoG算子的棉花图像检索算法研究

针对基于边缘检测的图像检索中边缘点容易受到噪声干扰的问题,提出一种基于LoG边缘算子的棉花图像检索算法.首先在求取边缘检测前进行滤除噪声处理,然后根据欧式距离衡量图像间的相似性.棉花图像数据集的试验结果表明,算法能够有效去除边缘噪声,提高了图像检索的查全率和查准率,尤其适用于高噪声环境下的棉花图像检索.