基于马氏距离的荔枝图像分割设计方法

在基于颜色特征和聚类的马氏距离算法基础上，利用MATLAB软件设计了人机交互式可视化计算机图像分割程序。运用该程序，对荔枝照片进行了图像分割，分离出复杂背景下的荔枝果实图像。结果表明：该程序能较好地解决复杂彩图中目标图像的分割问题，可以消除因不慎而修改源代码的风险；通过数据分析器和滤波器能准确的对采样数据进行判断以及对含噪声的目标图像作进一步处理。     

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。     

牧草图像快速分割方法及比较分析

针对北方典型牧草植物-苜蓿图像,采用多种常用的灰度化方法,并对其中的超绿法和Cr色彩法进行了改进,结合灰度图的特点,选用了单阀值分割和基于欧式距离的聚类分割方法将图像二值化,实现了苜蓿与背景的分离提取.利用大量的图像样本,对图像的分割准确率进行了统计分析和比较研究,得到了常用算法的定量评价和分割效果,得到了针对苜蓿图像的有效分割方法,为进一步实现牧草自动识别提供了依据.     

基于FPGA和分水岭算法的甜瓜图像分割

准确从背景中分割出瓜体以及从瓜体表面分割出缺陷是甜瓜外观品质分级计算机视觉系统的重要任务。采用分水岭算法可以一次完成这2项工作。针对软件实现的分水岭算法在图像分割过程中实时性较差的缺点,采用了并行分水岭算法,并在FPGA平台实现该算法。试验表明,基于硬件的算法实现具有较好的实时性,提高了甜瓜图像的分割速度。     

生物图像阈值分割方法的研究

阈值法是最基本的图像分割方法之一,被应用于很多领域,特别是在图像相对简单的生物图像处理方面得到了广泛使用.本文对现有的各种图像阈值分割方法进行综述,重点介绍了基于图像灰度直方图的阈值分割方法.     

基于MATLAB的茄子图像分割方法

针对茄子图像的灰度和颜色特点,利用MATLAB中丰富的图像处理函数,分别进行了色差分割和色调分割。在色调分割中,采用了自动选取阈值的Otsu法。在去除残留噪音的处理中,采用标注的方法对二值图像的各连通区域进行面积统计。保留最大面积的区域,从而使分割效果大大改善。利用多参数来衡量分割效果,使评价做到最大程度的客观、合理。     

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。     

杂草图像分割中分割特征的研究

分析了4种来源于超绿特征（2g-r-b）的分割特征,并进行实证分析。结果表明,（R＋G＋B）是杂草图像分割特征中最主要的参数。     

结合深度学习和引导滤波的苹果叶片图像分割

针对传统方法对苹果叶片进行图像分割和测量几何形状参数精确度较低的问题,结合基于深度学习和引导滤波技术提出一种新的苹果叶片图像自动分割算法。首先采用深度学习方法,使用BiseNet卷积神经网络对苹果叶片图像进行自动分割,得到苹果叶片主体轮廓;然后使用彩色苹果叶片图像作为引导图像对主体轮廓进行引导滤波处理,以增强边缘锯齿等细节特征信息;最后将主体轮廓与细节特征信息进行联合分割,得到完整、准确的苹果叶片信息。对包含174种8 184张苹果叶片图像数据集进行试验,结果表明苹果叶片分割的精确率达到98.99%,交并比98.82%。利用本研究算法能够真正实现准确、快速测量苹果叶片的面积、周长等参数值,为苹果叶片几何参数的测定提供了一种新的测量方法。     

温室植物病害图像处理技术中图像分割方法的研究

为了准确地得到植物受害病因及病种受害程度,提高温室病害防治的智能化,深入研究了植物病害图像处理中图像分割的方法。通过对温室黄瓜霜霉病和炭疽病的处理研究,探索出了新的多区域双峰法去除背景的方法,并利用边缘检测技术和阈值分割技术在正常部位和病害部位实现了图像的有效分割。     

一种基于粗糙集理论的神经网络图像分割方法

神经网络用于分割图像时需要大量的训练数据,由于数据量大,计算速度相当慢,不适合实时数据处理.基于此,将粗糙集理论与神经网络相结合,提出基于粗糙集的神经网络图像分割方法.利用粗糙集理论中的约简的计算方法,从图像属性中获取精简的规则,根据这些规则构造神经网络各层的神经元个数,并根据粗糙集理论中的属性重要性来修正神经网络的权值.实验结果表明,该方法抗噪能力强,提高了精度,在大大缩短网络训练时间的同时改善了分割效果,满足图像处理的实时性要求.     

苹果自动分级中的图像分割

为了提高苹果自动分级中图像处理的速度和可靠性，就有关苹果图像分割问题进行了探讨，提出了苹果图像处理窗口的快速确定方法、阈值计算方法以及用最小二乘法与搜索点所在的区域相结合确定搜索方向的方法，试验表明，用上述方法能可靠，有效，快速地进行图像分割。     

一种快速的视网膜光学相干图像分割方法

在医学领域,黄斑厚度可以用来量化糖尿病黄斑水肿和年龄相关性黄斑变性等疾病,临床上通常使用光学相干断层扫描的影像技术来获取黄斑图像。但现有的黄斑图像分割方法运算速度较慢,阻碍了其临床使用。本文提出一种新的基于多分辨率及水平集的黄斑图像分割方法,首先使用高斯滤波对原始图像按行进行滤波,再运用多分辨率方法获取图像初始局部轮廓,最后使用水平集方法可以快速获取黄斑图像的中间轮廓,得到最终的图像分割结果。通过在311幅黄斑图像的仿真实验对比,本文方法在边缘检测结果和运算速度上比传统方法有很大改进。     

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。     

马铃薯芽眼图像的分割与定位方法

为了探索种薯自动化切种过程,填补关于马铃薯芽眼识别的研究空白,提出一种基于机器视觉技术的芽眼识别方法:从摄像头采集到马铃薯图像后进行计算机图像处理,从彩色空间中利用欧式距离直接分割芽眼区域,在灰度空间中对图像进行中值滤波后利用模糊技术对图像进行增强,之后利用动态阈值分割法分割芽眼区域,结合两个空间的分割结果后利用数学形态学处理方法标记出芽眼。结果显示:在彩色空间中,芽眼识别准确率为62%;在灰度空间中,识别率达到89%。将二者有机结合后,获得了96%的识别准确率。该方法识别成功率高,鲁棒性强,且芽眼区域标记完整,可为种薯切种自动化奠定基础。     

一种去除高光和阴影的桃蛀螟图像分割方法

[目的]经典的阈值分割方法(OSTU法)在桃蛀螟图像分割中会出现过度分割和错误分割.针对这种情况,提出一种去除高光和阴影的桃蛀螟图像分割方法.[方法]算法过程:第一,将图像从RGB颜色空间转换为YUV颜色空间,利用一个5次多项式转换亮度信息,去除高光.第二,将去除高光的图像在RBG颜色空间归一化,根据阈值找到图像的阴影区域.第三,利用贝叶斯公式计算每个像素的归属,实现图像分割.[结果]经过试验,取得了较好的图像分割效果.     

Otsu分割与区域标记相结合的菠萝图像分割研究

以菠萝为研究对象,提出了一种结合最大类间方差(Otsu)阈值分割和区域面积标记的菠萝果实图像分割方法,并针对生长环境下和实验室环境下的菠萝图像进行分析研究,结果表明,该方法能够较好地实现对成熟菠萝果实与背景的分离,比单独采用阈值分割效果好。     

基于形态学梯度的细胞图像自动分割

提出一种自动分割细胞图像的方法,利用数学形态学梯度运算对图像边缘进行锐化。再利用判别分析法自动确定梯度图像阈值,经后处理,可得单像素宽度细胞图像边缘。该边缘可描述医学图像中细胞的有效区域,实现细胞图像自动分割。为验证该方法的有效性,对30幅实际细胞图像进行分割试验。结果表明,该方法对细胞图像分割有较好的适应能力。     

基于遗传算法的骨髓细胞图像分割方法研究

设计了一种基于熵的遗传聚类分割算法.以像素的灰度值为特征向量进行编码,利用直方图熵法准则函数作为适应度函数,采用基于排名的选择操作,以一定的概率进行算术交叉和变异,并结合聚类分析设定种群的聚类中心对细胞图像进行遗传聚类分割.对于分割后获得的细胞核轮廓利用活动轮廓模型进行了优化,从而获得连续的细胞轮廓曲线.