基于直方图小波变换的图像颜色特征索引技术

提出了一种基于直方图小波变换的图像颜色特征索引技术:对图像HSV颜色直方图进行小波变换,变换后数据用于相似性的递进匹配.该方法与直接直方图比较具有相同的效果,而特征矢量长度明显减少,检索效率明显改进.实验结果表明,小波变换由于其金字塔形式可为图像数据库提供内容特征的递进匹配,明显加快图像检索匹配速度.     

基于序列信息的土壤CT图像超分辨率重建

受部分容积效应影响,土壤计算机断层扫描（Computed Tomography,CT）图像存在孔隙边界模糊现象,影响土壤孔隙结构研究的准确性。针对该问题,该研究提出基于序列信息的生成式对抗网络（Sequence information Generative Adversarial Network,SeqGAN）,实现土壤CT图像的超分辨率重建。针对土壤CT序列图像具有较高相似性的特点,SeqGAN法引入序列卷积块挖掘前后图像的序列信息,并将多重特征增强融合于目标图像中;利用多层残差块提取图像特征,构建残差块输入和输出的直接连接,以减少模型退化;利用对抗网络实现损失间接反馈,提高模型的特征学习能力。在序列相似性较高的土壤图像数据集验证了该方法性能。结果表明,SeqGAN法均方误差比次优方法GAN降低25%,峰值信噪比提升1.4 dB,结构相似性提升0.2%。重建的土壤图像具有较高准确率和清晰度,可为后续土壤物理学研究提供准确的数据基础。     

图像辅助流式细胞仪在中华绒螯蟹血细胞分析中的应用

[目的]探讨图像辅助流式细胞仪在中华绒螯蟹血细胞分类中的应用。[方法]建立了一种基于新型图像辅助流式细胞仪的自动化方法,并与显微镜观察对比,分析其在中华绒螯蟹血细胞分类方面的效果。[结果]2种方法均显示中华绒螯蟹血细胞可根据胞内颗粒差异分为4类。利用该研究建立的新方法测量河蟹血淋巴中无颗粒、小颗粒、中颗粒和大颗粒细胞的比例分别为(54.33±3.38)%、(27.63±2.10)%、(5.43±0.35)%和(12.51±3.38)%。由于显微镜参考的是可辨识的颗粒结构,而流式细胞仪则根据反映胞内全部颗粒差异的色散测量结果进行分类,因此2种方法的分析结果既有联系又不完全一致。[结论]上述结果提示中华绒螯蟹的各种血细胞之间还有尚未了解的差异,因此可能存在更多的细胞种类。图像辅助流式细胞仪既可以清晰地划定设门区间,又能通过图像佐证结果的准确性,还可凭借其高通量分析能力进一步确保结果的可靠性。该方法有助于促进水生动物血细胞的自动化分类分析与研究。     

遥感数字图像的无缝镶嵌

在遥感图像的应用中,当研究区处于几幅图像的交界处或研究区较大需多幅图像才能覆盖时,常常需要把覆盖研究区的那些图像进行配准并把这些图像镶嵌起来,才能更好地统一处理、解译分析和研究.以航空像片为例,利用图像处理软件ERMAPPER 6.2对图像进行数字镶嵌并作无缝接边处理.结果表明:这样,大大改善了镶嵌后图像的质量,解决了手工镶嵌图像中接缝偏移、色调不均匀、地质界线延伸、影像错位等许多问题 (大幅图像尤其明显),为后期的图像处理创造良好的基础.目前出现的米级高分辨率的卫星图像同本次采用的航空像片在波段和分辨率上具有相似性,因此本研究对这些高分辨率卫星图像的镶嵌同样适用.     

基于高速摄像的棉花采摘物料运动参数研究

提出了一种基于高速摄像的棉花采摘物料运动参数图像解析方法.通过高速摄像机拍摄刷辊式采棉机棉花采摘过程,将籽棉采摘后运动过程分为3个阶段,应用IPP视频图像分析软件进行视频图像处理分析.对第1阶段籽棉的飞行运动轨迹进行了多项式拟合,得到了籽棉运动轨迹方程;分析籽棉的第3阶段飞行运动,获得其自由下落速度,绘制了籽棉速度散点...     

基于视差图像的重叠果实图像分割算法

为解决自动采摘视觉系统中重叠果实的分割问题,提出了基于视差图像的果实分割算法。采用双目立体视觉系统获取图像对,对图像对进行预处理和校正,通过图像对的立体匹配来获取视差图像,最后对视差图像进行分割。该算法将分割的依据和信息从二维图像的颜色、形状、纹理等扩展到三维空间的深度,对空间距离不同的目标具有较好的分割效果。实验表明,对获取的视差图像进行基于区域的分割时,其区域间灰度对比度为0.98,目标计数一致性达到0.90;进行基于边缘的分割时,其边缘检测误差为5.74%,因此,该方法对重叠果实区域的分割是有效的。     

成熟期苹果树冠层器官异源图像配准

为精确构建果树冠层彩色三维空间结构,以成熟期苹果树冠层为研究对象,将PMD摄像机及彩色摄像机相结合获取冠层器官异源图像,开展异源信息配准技术研究。将SIFT算法应用于异源图像特征点提取研究中,并应用目标函数优化RANSAC算法完成同名点提纯以保证特征点匹配的有效性,避免了异源图像尺度变化及果园自然光照的影响;在分析异源图像成像效果基础上,确定了应用双线性映射模型求解异源图像空间映射关系,有效克服了应用仿射变换模型求解异源图像空间映射关系的不精确性。果园不同自然环境下的配准实验表明:提出的混合算法适用于苹果树冠层器官异源图像的配准,晴天顺光环境下的正确配准率为88.2%,晴天逆光环境下的正确配准率为84.2%,阴天环境下的正确配准率为72.7%。     

基于深度全卷积神经网络的大田稻穗分割

稻穗的准确分割是获取水稻穗部性状、实现水稻表型自动化测量的关键。该研究应用水稻图像数据集及数据增广技术,离线训练了用于稻穗分割的3个分别基于Seg Net,Deep LAB和PSPNet的全卷积神经网络。综合考虑分割性能和计算速度,优选了基于Seg Net的网络,称为Panicle Net。在线分割阶段先将原始图像划分为子图,由Panicle Net分割子图,再拼接子图得到分割结果。比较该算法及现有作物果穗分割算法Panicle-SEG、HSeg、i2滞后阈值法及joint Seg,该算法对与训练样本同年度拍摄样本Qseg值0.76、F值0.86,不同年度样本Qseg值0.67、F值0.80,远优于次优的Panicle-SEG算法,且计算速度约为Panicle-SEG算法的35倍。该算法能克服稻穗边缘严重不规则、不同品种及生育期稻穗外观差异大、穂叶颜色混叠和复杂大田环境中光照、遮挡等因素的干扰,提升稻穗分割准确度及效率,进而服务于水稻育种栽培。     

基于显著性检测的黄瓜叶部病害图像分割算法

针对复杂背景下黄瓜叶部病害分割精度不高的问题,提出了一种基于显著性检测的黄瓜叶部病害图像分割算法。首先利用超像素将黄瓜图像分块,获取黄瓜叶片的边缘,并提出了一种超像素间权重计算方法和显著种子选取方法;然后通过流形排序计算显著图,对得到的显著图进行阈值分割,得到二值图像;再将二值图像与原图像进行掩码运算,得到黄瓜病害叶片;最后利用超绿特征和数学形态学对病害叶片进行分割得到病斑。对常见的黄瓜病害(白粉病、褐斑病、霜霉病、炭疽病)图像进行测试,结果表明该算法与Otsu算法和k-means算法相比,有效解决了冗余分割问题,错分率均在5%以内,算法平均执行时间均小于4 000 ms,分割效果更加精确,为后续构建黄瓜病害自动识别系统奠定了基础。     

基于颜色特征和支持向量机的蚕茧分类方法研究

针对人工筛选蚕茧工作中漏检率高、效率低的问题,提出了一种基于颜色特征和支持向量机的蚕茧分类方法。该方法以黄斑茧、烂茧、印头茧、薄皮茧和上车茧等5种蚕茧为研究对象,首先对采集的蚕茧图像进行边缘检测、连通域提取等步骤以实现背景分割与正、反面连接,然后提取蚕茧图像HSV颜色空间模型下的颜色直方图和颜色矩作为颜色特征,并将5种蚕茧的HSV三通道像素分布详细划分、量化,最后对蚕茧图像颜色特征进行主成分分析,结合支持向量机设计4种分类器构造方案进行效果对比。试验结果表明,将颜色直方图和颜色矩组成颜色特征集后进行主成分分析,并使用支持向量机构造分类器对5种蚕茧分类效果最好,其中主成分变换最优累计贡献率为999%,分类准确率达91%,单粒蚕茧图像识别时间为012s。本方法为蚕茧智能化分选设备的研究提供了理论基础。