基于计算机视觉的竹块颜色分类方法研究

为了实现计算机视觉对竹块的自动识别与颜色分类,研究了竹块图像的颜色特征、颜色分类方法。首先,将原始图像由RGB空间转换为HSI空间,用OTSU法确定阈值对原图灰度图像分割背景,用radon变换倾斜校正,提取竹块颜色判定有效区域,并计算其HSI的均值和标准偏差,作为特征参数输入BP网络进行训练。结果表明,该方法简捷有效,人工神经网络与人工分级的平均一致度为94.5%。     

成像环境因素对烟叶图像采集结果的影响及校正研究

【目的】研究灯箱中采集烟叶图像时照明电压、不同品牌数码相机、聚焦距离及相机分辨率等成像环境因素对图像识别结果的影响，用相对颜色法对因成像环境因素影响而引起的烟叶图像颜色变异进行实时校正。【方法】通过试验筛选出颜色表现稳定的聚四氟乙烯材料作为颜色参照白板，在灯箱环境中，设置不同的因素处理，用数码相机同期采集烟叶与颜色参照白板图像，通过分析烟叶图像R、G、B颜色特征变化来确定成像环境因素构成的影响。提取烟叶图像三颜色分量与颜色参照白板对应颜色分量的比率，即相对颜色分量作为校正烟叶图像识别误差的特征参量。【结果】照明电压、不同品牌数码相机、相机分辨率相同而聚焦距离不同均使烟叶图像颜色产生变异，从而出现识别误差。【结论】相对颜色法能够实时校正识别误差，降低因成像环境因素影响而产生的颜色变异，为规范烟叶图像的数字采集环境奠定了基础。     

RGB颜色通道在氧乙炔火焰图像分割中的应用

研究在RGB颜色通道中对氧乙炔火焰图像进行分割所取得的效果。并用MATLAB进行仿真,给出了同一幅图像的直接灰度图和颜色通道下的分割效果图,并计算出彩色图像在直接灰度图分割时的RGB均值和采用通道分割时的RGB均值,给出了分析结论．实验证明,采用颜色通道分割氧乙炔火焰图像可以为更准确的提取各项特征参数奠定基础．     

基于MATLAB获取甜菜冠层图像信息的研究

采用数字图像处理技术对作物进行氮素营养诊断已经成为主要技术之一。由于应用数字图像技术进行营养诊断需要前期数据支持,本文研究了基于MATLAB的图像预处理方法,图像分割方法,对原始RGB图像进行了有效的提取。使用MATLAB编程,首先对原RGB图像应用中值滤波法对原图像进行去噪处理,再进行后续图像分割工作,采用Otsu阈值分割方法去除阴影图像,利用HIS颜色模型中H通道图像选取特定阈值进行土壤分割,利用YCbYr颜色模型中Cb通道,选取Cb通道特定阈值进行白板阈值分割,最后得到只含有绿叶的RGB图像,再利用MATLAB编程统计得到绿叶所有像素点的R、G、B平均值,为后续甜菜营养诊断提供数据支持,创造了可行的前提条件。     

基于改进K中值聚类的苹果病害叶片分割方法

针对复杂背景下的苹果病害叶片分割问题,提出一种基于改进的K均值聚类的苹果病害叶片病斑分割方法。首先将原始叶片图像由RGB(R为红,G为绿,B为蓝)颜色空间转换到Lab(L为亮度,a为从洋红色至绿色的范围,b为从黄色至蓝色的范围)颜色空间,然后在Lab颜色空间中利用ab二维数据空间的颜色差异,以欧式距离度量像素间的相似度,使用K均值对图像进行聚类,利用数学形态学中的开闭交替滤波方法对聚类后的灰度图像进行校正,最后得到图像病斑。对3种常见苹果病害叶片图像进行分割,并与其他分割方法进行比较。结果表明,该方法效果好,其误分率为8.41%。     

自然环境下杨梅果实图像的分割方法研究

为解决自然环境下杨梅果实图像难以准确分割的问题,提出了一种基于同态滤波算法进行杨梅图像分割的方法。通过分析杨梅果实的颜色特征,基于RGB颜色空间采用R-G色差分量处理杨梅果实图像,并进行二值化,采用形态学及连通区域标注统计法,消除可能存在的图像噪声,从而去除树叶等大部分背景;然后通过计算区域最小外接矩形的长宽比来判断区域内是否还存在枝叶,以此考虑是否需要进一步分割。在进行下一步分割前,为了消除光照不均的影响,在HSV颜色空间中,采用同态滤波图像增强的方法对亮度V分量进行增强,实现光照补偿。最后,继续基于RGB颜色空间采用R-G色差分量,应用Otsu分割法来细分割剩余的枝叶等部分,实现杨梅果实图像的分割。结果表明:本研究算法能够有效地将杨梅从背景中分割出来,分割误差Af的均值仅为2.26%,与直接采用Otsu分割算法的分割误差Af的均值25.23%相比,降低22.97%。与没有同态滤波过程的图像分割算法的分割误差Af的均值18.12%相比,降低15.96%,从而验证本研究算法的有效性。     

基于改进遗传脉冲耦合神经网络的玉米病害图像分割方法

作物病害图像分割是利用数字图像处理技术进行病害识别的关键性技术环节之一,现有病害分割方法存在病害区域外部形态特征细节保留程度差和颜色纹理信息丢失等问题.针对上述问题,提出一种基于改进遗传算法的脉冲耦合神经网络分割方法.首先改进遗传算法,以信息熵的加权线性组合作为优化适应度函数用以在每次迭代过程中评价脉冲耦合神经网络对于病害区域的分割效果,通过计算种群适应度方差和适应度均值自适应调整遗传算法的交叉概率和变异概率;然后将改进遗传算法与脉冲耦合神经网络相结合,实现网络连接系数、衰减系数和幅值系数的自动优化调节;最后利用改进遗传脉冲耦合神经网络分割算法,在RGB子空间分别对病害图像进行病害区域分割,将分割结果利用RGB颜色空间子图合并策略实施合并,从而得到最终的图像分割结果.将此算法、最小交叉熵阈值化算法和GA-PCNN算法用于玉米黑瘤粉病彩色图像病害区域分割.结果表明:从主观视觉评测角度,此算法分割效果较好,能够较为细致的呈现病害区域的外部形态特征和较为完好的保留病害区域的颜色纹理特征;从客观量化评测角度,此分割算法在目标区域分割匹配率、错分率和正确率上明显优于最小交叉熵阈值化算法和GA-PCNN算法.     

基于matlab的番茄果实串检测提取

以自然环境下的番茄果实串作为研究对象。通过果实的颜色特征选择RGB模型,分别提取出R、G、B各颜色分量的灰度图,确定多组图像中番茄串目标区域的各颜色分量均值。通过分析确定用R-G色差分量进行大津法(Otsu)阈值分割,然后利用形态学闭运算处理果实串的二值图。利用初步处理后的图像进行颜色反转求最大连通域,再重新将颜色反转得到完整的果实串连通区域,并结合Canny边缘检测算子实现番茄果实串边缘轮廓的提取,轮廓上的极值坐标作为外接矩形边框。计算轮廓区域内各像素点坐标之和除以轮廓内总像素数得到果实串的形心坐标。试验表明,该方法对番茄果实串有较好的处理能力,具有通用性。     

基于苹果朝向的最大横切面直径检测方法

为提高运动苹果的采后分选精度,设计一种基于苹果朝向的最大横切面直径检测方法。采集苹果在传送杆上多位置、多姿态RGB图像,利用张氏标定法进行图像畸变校正,通过颜色分割和形态学处理方法提取苹果区域;基于R通道分量的梯度变化获取苹果果梗/花萼区中心,通过对称性判断苹果朝向。计算垂直于朝向的最大直径,将其作为最大横切面直径;针对相机投影角增大产生的投影失真问题,构建投影校正方程以校正检测结果。结果表明：1）对60个苹果（富士和黄元帅各30个）的720幅图像进行直径检测,以单张图像检测结果在±5 mm内作为检测准确的判断标准,所提出的投影校正算法将单张图像的直径检测准确率从65.3%提升至95.3%。2）对每个苹果的12张图像的直径检测结果求平均值作为最终果径,准确率达100%,其中,86.7%的富士和93.3%的黄元帅检测直径在±2 mm以内,均方根误差分别为1.5 mm和1.1 mm。总体结果表明,本研究提出的最大横切面直径检测方法能够精确检测苹果果径,可为苹果大小分级提供技术支持,也为近球形的果蔬分选提供了有效参考。     

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。     

小波和傅里叶相融合的彩色木材图像增强

针对现实生活中彩色图像普遍存在不清晰和对比度差的情况,在RGB模型上提出了一种新的彩色图像增强算法,并且应用到了木材图像领域。将彩色木材图像分解为RGB3个通道,首先使用滤波器把3个通道分别分解成高低频子带;然后使用傅立叶变换和小波变换相融合的方式进行锯齿检测,同时进行阈值判断;之后对检测到的锯齿进行消除,低频子带使用方向自适应滤波器,高频子带使用小波收缩函数进行消除;再使用小波逆变换返回3个通道;最后将3个通道还原成彩色图像。结果表明,该方法和传统方法相比较,可以有效保持图像的边缘特征,达到增强效果。以樟子松微观横截面为例,峰值信噪比PSNR提高了5.05,信息熵提高了3.14。本研究同时采集了榆木微观横截面、杨木宏观横截面和云杉微观横截面,其图像均得到增强。     

遥感图像真彩色融合问题中的彩色约束方程

根据遥感真彩色融合的物理机制,推导出RGB彩色模型中的约束方程,引入YVC彩色模型,提出不同分辨率遥感图像彩色融合必须满足的独立彩色约束方程,应用一次和二次多项式展开导出相应的近似解。通过进行计算机模拟和遥感实际试验,结果表明,二次多项式近似解可明显改善对道路地物的融合效果。     

松类枝果分离方法的研究

利用计算机图象处理技术预测球果产量,需要将球果和树枝分离,本文尝试将RGB表示的彩色图象转换为HSV表示的彩色图象,以增强图象对比度,再利用图象分割和数学形态学技术对结果进行处理,以得到用于球果自动标记的图象.     

基于支持向量机的水稻稻瘟病图像分割研究

水稻稻瘟病图像的分割是水稻稻瘟病自动分析与识别的关键环节,其分割效果直接影响后续处理。提出一种基于支持向量机的水稻稻瘟病病害彩色图像分割方法。首先选取叶子正常部分的像素点以及颜色相对复杂的病斑像素点作为负训练样本和正训练样本,提取像素R、G、B彩色分量作为特征向量,对支持向量机进行训练,然后在RGB空间利用训练好的支持向量机对待分割图像的所有像素点进行分类,实现水稻稻瘟病彩色图像的分割。为了获得最佳的分割效果,采用网格搜索法对径向基核函数下的不同核参数分割效果和性能进行比较与分析,确定最佳模型参数。利用此模型进行水稻稻瘟病图像分割实验,获得较好的分割精度,结果优于最大类间方差分割算法。     

RGB与HSI色彩空间下预测叶绿素相对含量的研究

为探明RGB与HSI两种色彩空间下水稻叶色图像参数与叶绿素相对含量(SPAD)之间的关系,应用支持向量机的方法预测水稻叶片的SPAD值,为快速精准获取植物SPAD值提供理论基础,同时为科学施肥提供理论指导。水稻田间试验于2015—2017年在江西农业大学农学试验站和江西省成新农场进行,供试水稻品种为金优458(JY458)、中早35(ZZ35)和两优培九(LYP9),每个水稻品种均设计4组不同的氮素水平。通过对获取的水稻图像进行叶色参数提取以及叶绿素仪测量的SPAD值来分析水稻叶色图像参数与SPAD值之间的关系,并用支持向量机的方法建立相关模型预测SPAD值。结果显示,较RGB色彩空间下三种水稻品种在HSI色彩空间上预测值的均方根误差分别减少了0.067 5(JY458)、0.020 0(ZZ35)和0.154 2(LYP9),平均相对误差比RGB色彩空间下分别减少了0.084 2(JY458)、0.133 5(ZZ35)和0.238 2百分点(LYP9)。水稻叶片在两种不同色彩空间下的叶色图像参数和水稻叶片SPAD值之间存在显著性相关(P<0.05),利用改进的网格搜索算法优化支持向量机的方法建立水稻叶片SPAD值预测模型,其预测结果误差小,为快速准确无损获取植物SPAD值的预测提供了一种新方法。     

基于Bayes的竹片颜色检测分级方法

为了采用机器视觉对竹片自动识别与颜色分选,研究了一种基于竹片图像颜色特征与纹路特征和Bayes分类器的颜色分类方法.首先,对灰度图像采用Canny算子进行边缘检测,再利用Hough变换对竹片进行边缘定位,并对倾斜竹片实施旋转校正,以确定待检测竹片在图像中的具体位置.根据竹片的位置提取竹片区域平均颜色特征及纹路特征,将其作为样本的属性特征,采用Bayes训练的颜色等级作为输出,建立特征参数与颜色等级之间的Bayes分类器,上位机获得分级信号后经串口通过下位机实现竹片的自动分级.试验结果表明,该方法对竹片颜色检测准确率达到91.7%,可为竹制品行业的竹片颜色自动在线检测提供理论依据.     

基于多元岭回归估计小麦种植密度

种植密度对小麦产量影响较大,合理的种植密度对提高小麦产量具有重要意义。因此,快速、准确的估计小麦种植密度显得尤为关键。提出一种基于多元岭回归估计小麦种植密度的方法。首先,将获取的彩色麦苗图像从RGB颜色空间转到 Lab颜色空间,利用改进的K-means聚类算法对麦苗进行分割。然后,选取已知种植密度的50幅麦苗图像作为训练样本进行标准化,获得标准化麦苗图像的面积特征、轮廓特征和LBP纹理特征,将这3个特征参数和已知的麦苗密度作为训练输入,利用多元岭回归得到麦苗密度与特征参数间的函数映射关系。最后,对要测试的麦苗图像,按照上述步骤进行处理,求出测试麦苗图像的3个特征参数作为输入,代入映射函数得到测试麦苗图像的密度值。结果表明,该方法在估计4个不同品种小麦种植密度时,田间麦苗单幅图像中小麦种植密度的估计平均精度达到93.99%,平均相对误差为6.01%,对比已有估计小麦种植密度的方法,该方法估计精度显著提高。     

Modeling leaf color dynamics of winter wheat in relation to growth stages and nitrogen rates

The objective of this work was to develop a model for simulating the leaf color dynamics of winter wheat in relation to crop growth stages and leaf positions under different nitrogen (N) rates. RGB (red, green and blue) data of each main stem leaf were collected throughout two crop growing seasons for two winter wheat cultivars under different N rates. A color model for simulating the leaf color dynamics of winter wheat was developed using the collected RGB values. The results indicated that leaf color changes went through three distinct stages, including early development stage (ES), early maturity stage (MS) and early senescence stage (SS), with respective color characteristics of light green, dark green and yellow for the three stages. In the ES stage, the R and G colors gradually decreased from their initial values to steady values, but the B value generally remained unchanged. RGB values remained steady in the MS, but all three gradually increased to steady values in the SS. Different linear functions were used to simulate the dynamics of RGB values in time and space. A cultivar parameter of leaf color matrix (M_RGB) and a nitrogen impact factor (FN) were added to the color model to quantify their respective effects. The model was validated with an independent experimental dataset. RMSEs (root mean square errors) between the observed and simulated RGB values ranged between 7.0 and 10.0, and relative RMSEs (RRMSEs) ranged between 7 and 9%. In addition, the model was used to render wheat leaves in three-dimensional space (3D). The 3D visualizations of leaves were in good agreement with the observed leaf color dynamics in winter wheat. The developed color model could provide a solid foundation for simulating dynamic crop growth and development in space and time.     

基于HSI颜色模型的杂草与 土壤背景分割方法研究

针对杂草识别中如何将杂草与土壤背景分离问题,提出了利用HSI颜色模型中的H分量分割杂草和土壤背景的方法:该方法首先把RGB彩色空间转换到HSI彩色空间,然后根据色度分量(H)确定阈值将灰度图像转化为二值图像,并在此基础上进行适当腐蚀、膨胀,实现了杂草和土壤背景的准确分割.实验结果表明,该方法的准确率达到90%,验证了该...     

不同品种菊苣在货架贮藏期内的色泽变化

提出了判断不同品种菊苣在货架贮藏条件下色泽变化的一种实用光学方法。为了量化色泽变化采用了ＲＧＢ数字化数字化图象处理系统。借用ＨＩＣＵＰＰ命令树把观察表面的颜色分割成独立的４个色区。将６种菊苣用于试验。采用综合分化比较样品在货架贮藏期间的红褐变化。