一种用于遥感图像增强的聚合算法

遥感图像是借助传感器从云层获取地面信息的一种图像。该文章针对遥感图像的处理，提出一种用于遥感图像增强的聚合算法。算法研究过程中，从图像去雾、图像对比度、图像分辨率三个方面采用不同的处理算法进行相同的处理，分析处理结果后选出各部分的最优算法；并将每个处理环节的最优算法相结合，融合出一种遥感图像增强的最优聚合算法。融合后的算法更适合对遥感图像进行增强处理。     

计算机视觉在作物水分亏缺诊断中的应用进展

随着图像处理与分析技术的蓬勃发展,许多专家学者利用图像获取工具比人眼更精细的分辨能力,应用计算机视觉技术进行信息诊断研究。论文简要介绍了计算机视觉技术,着重分析了作物图像获取方法和作物图像信息的分析方法,指出基于计算机视觉的作物水分亏缺诊断在实际应用中存在的问题,并对该领域的未来发展进行展望,指出:多信息融合是图像信息描述的主流趋势,高效的图像识别与分析算法是关键;水分亏缺诊断与作物缺水临界点、作物灌水量研究有机结合是实现作物田间实时灌溉和精量灌溉的前提。     

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。     

基于PCA和Whitening算法的水稻病害图像预处理研究

水稻病害图像预处理在使用机器视觉技术对水稻病害智能诊断识别中至关重要。预处理效果直接影响水稻病害识别准确率。提出一种新的基于PCA和Whitening融合算法的水稻病害图像预处理方法。实验获取了水稻病害彩色图像和灰度图像的训练样本和测试样本,对获取的样本应用PCA降维,然后对降维后的样本随机取样,应用Whitening算法得到了相应的训练特征和测试特征。实验表明,该融合算法增强了预处理后的水稻病害图像样本对光照及亮度的鲁棒性,可有效提高病害识别准确率。     

用于CMOS图像器件的超分辨率算法研究

提出一种基于CMOS图像器件的超分辨率图像合成算法,该方法将4幅沿水平、垂直及对角线方向错位获取的CMOS图像重新组合,得到一幅重建的新图像.对重建图像的像素灰度进行了理论分析和计算,求出了重建超分辨率图像的算法.结果表明,在不提高CMOS工艺水平的条件下,该算法能将重建的CMOS图像的分辨率提高到原图像的2×2倍.实现了CMOS图像器件的超分辨率图像合成算法.对该算法进行了计算机仿真,结果同理论分析计算的结果完全一致,证明了所提出的CMOS图像器件超分辨率算法是正确的.     

枸杞种质图像标准化离体采集方法初探

植物图像信息是枸杞种质资源保护利用研究工作的基础.文章介绍了利用摄影技术对枸杞种质图像进行离体拍摄的方法.通过规范图像采集流程,获取具有统一标准的枸杞种质图像,更有利于计算机进行图像识别分析,为枸杞种质资源鉴定评价及数字化储存提供技术支撑.     

基于病斑特征融合的烟草病害图像检索方法

针对目前烟草病害诊断专家系统依靠肉眼获取病害特征,致使病害诊断存在不确定性、误判等现象,提出了一种基于病斑特征融合的烟草病害图像检索方法以诊断病害。通过图像处理技术分割病害图像病斑,提取病斑的颜色、纹理、形状特征,依据双编码遗传算法和支持向量机识别病害模型对病斑特征降维,以获取表征病害的有效特征及权重。将有效特征归一化处理后与病害图像数据库系统中的病斑特征进行图像相似度距离计算,按距离大小返回一批相似图像,依据相似图像获取病害描述及防治措施。以烟草7种常见病害进行试验表明,融合病斑的颜色、纹理、形状特征检索病害图像,查准率和查全率明显比用单个特征检索的高。用这种方式诊断烟草病害,不但有较高的病害识别率,还能使诊断结果可视化,将其用于烟草病害诊断专家系统,将提高系统的鲁棒性,为实现病害的远程在线诊断提供条件。     

基于图象识别的高抛光透射面缺陷检测

对高抛光透射面的缺陷进行分类，构建基于图像识别技术的高抛光透射面缺陷检测系统模型，探讨高抛光透射面缺陷图谱分析的技术要点。针对在实际检测过程中出现的图像过曝光和低曝光问题，提出高抛光投射面图像获取时的图像过曝光或低曝光问题的解决办法。在matlba环境下进行图像数字化处理及特征提取，实现高抛光透射面缺陷图谱的计算机自动分析。大量的模拟和真实图像实验结果表明，所给出的方法具有求解精度高、鲁棒性强的优点，表明这些方法是可行的，具有一定的实用价值。     

基于EXG因子的水稻秧苗图像分割

针对水稻稻田图像中秧苗和背景分割问题,采用基于最大类间方差法(OTSU法)的分割方法,成功地把水稻秧苗像素和背景像素分割开.首先用CCD相机获取水稻插秧机插秧作业后的水稻稻田图像,选择超绿特征因子(EXG因子)将水稻秧苗RGB彩色图像转化为灰度图像,使用OTSU法计算阈值,成功地将灰度图像转变为二值图像.又采用该方法分割了20幅水稻秧苗图像,结果表明,EXG因子可以对水稻秧苗图像有效分割.     

煤粒图像检测的Matlab实现

传统的煤粉颗粒测试的方法存在一定的局限性。尝试应用图像分析来直接获得颗粒的信息。首先对利用数码相机获取的煤粒图像进行图像类型转换、插值运算、二值化运算、灰度增强、滤波运算等预处理。在此基础上,通过边缘检测、形态学方法对煤粒图像进行图像分割实验,进而选取分水岭算法作为图像分割方法。最后利用Matlab特征提取函数提取该图像中煤粒面积,得到煤粒数据,实现了煤粒数据检测。