基于直方图局部信息和Gath-Geva模糊聚类的彩色图像分割方法

针对Gath-Geva模糊聚类算法对初始给定的聚类中心等先验信息较敏感,提出了一种基于直方图局部信息的模糊Gath—Geva聚类新算法．实验结果表明,新算法在彩色图像分割方面,与传统模糊C—Means算法相比,具有较强的分割精度．     

基于Matlab的复杂背景下叶片图像提取方法

将需要研究的植物叶片从复杂的背景下提取出来是后期图像理解和图像分析的关键。、主要是在支持向量机的基础上将叶片从复杂的环境下提取出来,并与H通道的（）’rSu算法和最大直方图熵与GA相结合的图像分割算法相比较,在Matlab环境下进行仿真分析,结果显示支持向量机在复杂背景下进行图像分割方面有优势。     

自适应直方图均衡化图像增强算法研究

直方图均衡化图像增强算法原理简单,同时是可逆操作,即只要知道变换函数,就可以通过其逆函数来得到原始的直方图,并且处理的数据量也不是很大,但在增强处理过程中因大量灰度级被合并而导致处理后图像出现不自然的情况。为此,提出了自适应直方图均衡化图像增强算法。该算法根据原始图像的直方图,自适应地确定一个剪切系数,然后按照剪切系数对直方图进行剪切,最后进行均衡化处理。算法的创新点在于自适应确定剪切系数,解决有高峰直方图图像增强后局部不自然的问题。试验结果表明,该算法对直方图有高峰的图像有较好的增强效果并避免过度增强不自然的问题,在计算机图像处理上有较高的应用价值。     

基于区域灰度增强的种子特征匹配方法

提出一种采用SURF(speeded up robust features)特征提取结合区域灰度增强以提高种子图像特征匹配度的改进方法。该方法根据样品和待测种子外部特征,提取SURF特征集,计算图像特征对应的灰度直方图,并通过规定化处理增强区域灰度,最后计算出图像的匹配度。试验结果表明,该方法特征匹配平均耗时<10 ms,实时性强;能避免不同外界光源的干扰,鲁棒性强;匹配度平均提高30%,有效提高了图像的匹配度。     

改进加权FCM用于裂纹蛋2D图像分割的研究

解决裂纹鸡蛋图像灰度直方图目标与背景区域分布模糊、图像分割效果差的问题.通过将包含空间信息的二维直方图和改进特征加权FCM算法有机结合,迭代寻求最佳聚类有效性函数和加权矩阵,实现鸡蛋图像缺陷分割.同时,对经典FCM和改进特征加权FCM算法的性能进行了分析比较.结果表明:提出的算法更接近于真实聚类中心,目标函数值亦得到改善;二维直方图的改进特征加权模糊聚类算法更好地提取了裂纹鸡蛋图像的细节信息,图像分割效果好.     

一种自适应图像融合数据增强的高原鼠兔目标检测方法

高原鼠兔目标检测是统计高原鼠兔种群数量和研究其种群动态变化的基础。基于深度卷积神经网络的目标检测模型在训练数据缺乏时会导致模型的检测性能下降,甚至出现过拟合现象。基于GAN（Generative Adversarial Network）的数据增强方法可以生成与原始数据集同分布的目标图像,能够有效解决训练数据缺乏的问题。然而GAN生成的目标图像与背景图像相融合时采用逐像素相加或直接像素替换生成新图像的方法会造成融合图像边界突出,且当被融和的目标图像和背景图像的颜色差异较大时,会产生融合图像的目标颜色与实际场景不符的问题。针对以上问题,该研究提出了一种基于多尺度梯度生成对抗网络MSG-GAN（Multi-Scale Gradients for Generative Adversarial Networks）的自适应图像融合数据增强方法。首先将训练样本中的目标图像提取出来,用于训练多尺度梯度生成对抗网络MSG-GAN,使其能够生成新的目标图像;其次,采用颜色直方图自适应地选择颜色相近的目标图像和背景图像;然后,采用泊松融合方法对自适应选择的目标图像和背景图像进行融合得到新图像,从而使得融合图像的目标边界更为平滑,减小融合图像中目标与背景之间的颜色差异;最后,将融合图像加入到原始训练集得到增强训练集,对目标检测模型进行训练。对自然场景下的高原鼠兔目标检测的试验结果表明：该研究所提出的数据增强方法训练的目标检测模型的平均精度为89.3%,高于未数据增强方法 （86.5%）、Cutout 方法（87.2%）、Random Erasing 方法（87.9%）、Kisantal方法（87.0%）和Maeda方法（87.9%）增强数据集训练的目标检测模型的平均精度,能有效提高目标检测模型对高原鼠兔的检测性能。     

基于灰度带比例的优质西瓜子识别算法研究与实现

为了分拣出正常西瓜子,根据西瓜子的特点,提出了针对西瓜子的基于灰度带比例的特征值提取算法,并在CCD色选机上进行了试验验证。在瓜子图像预处理中,先对瓜子图像进行对比度自适应的直方图均衡化,而后对瓜子的二值化图像进行中值滤波。在瓜子分类方面,采用灰度带比例作为分类特征量,并在CCD色选机上进行特征量分类训练,最终分检出正常瓜子,识别率达到95%。该算法为该西瓜子的分类识别提供了理论支持和技术实现。     

基于邻域直方图的玉米田绿色植物图像分割方法

为了准确分割绿色植物与土壤背景,克服田间环境的复杂性,比如植物阴影、残渣的存在和光照强度变化等外界因素带来的影响,采用图像处理和支持向量机方法,以超绿特征(2G-R-B)灰度图像为研究对象,以像素点邻域组成的灰度直方图特征作为输入特征向量,通过试验选出最佳训练参数和最优邻域窗口模型。实验表明,该方法适应不同光照强度,并且可以减小噪声、植物阴影和残渣对图像分割带来的影响,得到完整的分割图像。     

自适应直方图均衡化算法在图像增强处理的应用

在图像增强处理中,用离散的灰度等级作直方图均衡化时,很难得到完全平坦均匀的结果,采用局部法对图像进行处理,不同局部采用不同的对比度增强方法.这种自适应直方图均衡算法,对妊娠超声图像进行处理,实验表明,自适应直方图均衡化算法在妊娠超声图像增强处理具有良好效果.     

奶牛图像识别系统的研究

对奶牛图像识别系统作了研究,分析了奶牛图像的二值化处理,对光照过强、奶牛背部颜色等影响下的直方图作了分析,并提出了相应改进措施,给出了最佳阈值确定流程图。为进一步完善二值化结果,提出了以黑色点为种子点作区域增长的算法,还提出对二值化图像的识别方法。