葡萄干彩色图像的背景分割研究

背景分割是分析葡萄干其他特征的基础。为此,经研究提出一种改进的迭代算法,用来获取葡萄干灰度图像阈值;基于RGB阈值法与亮度阈值法,对葡萄干进行背景分割后的图像分析比较,证明亮度阈值法能较好地进行葡萄干彩色图像背景分割,保存图像的颜色信息。     

农机制造业钢板板形拼接算法研究

随着我国经济的高速发展,板形控制已成为当今冶金业迫切需要解决的问题。为此,对用于农机制造的钢板板形图像拼接和特征提取过程中进行了图像预处理,利用图像本身的特点,进行了特征提取后的拼接算法研究,并针对准确和快速的特点,对几种算法进行了对比分析,给出了典型算法的计算机框图和算法选用的建议。     

基于K均值聚类的厚壁组织区域自动提取

桉树是我国南方的速生丰产林,区域提取是定量分析各种组织抑制桉树茎生根原因的重要前提。为此,介绍了基于K均值聚类的在桉树茎切片图像中自适应提取厚壁组织区域的图像处理技术。将桉树茎切片彩色图像转换为CIEL*a*b*彩色空间,用K均值聚类分析算法对描述颜色的a*和b*通道进行聚类分析,提取细胞厚壁,然后填充其中白色的细胞腔,构成完整的厚壁组织区域。实验结果表明,在CIEL*a*b*空间使用该算法可以获得较准确的实验结果。     

生物超弱发光的光子成像及其检测方法研究

任何有生命的物质,人、动物、植物和微生物等都有一种超弱发光,这是生命体本身所固有的一种属性,而且这种超弱发光的强弱与生命活动能力密切相关,新陈代谢愈旺盛,生命活力愈强,则发光也愈强。为此,介绍了生物超弱发光的基本原理和光子成像探测系统的结构,并且对迄今为止生物超弱发光研究的主要实验结果以及超弱发光的主要检测方法进行了归纳总结。     

计算机视觉系统中图像外边缘检测的新方法

提出了图像外边缘检测的2种新方法：邻域灰度检测算法和模板检测算法。利用新方法对水果图像进行了检测，结果表明，2种方法检测边缘能力都很强，检测出的边缘清晰，连续，边缘图像点有充,阮须进一步细化处理。该方法处理图像面积小于传统方法的1／2，检测速度快，适合计算机视觉进行实时检测。     

应用SPOT5影像进行农居点调查的可行性研究

    研究应用SPOT5影像进行农居点调查的可行性及其精度.以浙江省桐乡市龙翔街道为例,以SPOT5影像为解译底图,对龙翔街道范围的农居点进行信息提取矢量化,获取1∶1万农居点调查矢量图斑,并以同期的土地利用航测结果为比较真值,从各种角度进行数据分析.研究结果表明,图斑属性解译精度为95%左右,图斑平均相对面积精度在94%左右;图斑大小对农居点面积精度有影响,500 m2以上图斑的面积提取精度可以达到85%以上.说明应用SPOT5影像对农居点进行调查是可行的.     

基于高分辨率影像的农村宅基地空间分布信息提取

【目的】 基于高分辨率影像提取农村宅基地空间分布,可以快速、便捷获取农村宅基地空间分布信息。【方法】 文章选择黑龙江省安达市吉星岗镇作为研究区,基于高分辨率正射影像,采用人工目视解译方法获取了研究区农村宅基地空间分布信息,并利用房地一体农村宅基地和集体建设用地使用权确权登记颁证工作成果对其精度进行了验证。【结果】 （1）吉星岗镇共有宅基地5 897宗,总面积640.76 hm²,平均每宗宅基地面积为1 095.61 m²。（2）吉星岗镇宅基地在空间上总体分布零散,但在行政村内分布相对紧凑,基本上以自然屯为单元,集中分布在自然屯内某个区域。（3）吉星岗镇宅基地数量和面积总体精度分别为81.86%、91.87%,10个行政村宅基地数量精度在72.55%～88.47%之间,面积精度在82.94%～99.92%之间。（4）与实测法、倾斜摄影测绘法、勘丈测绘法等方法相比,基于高分辨率正射影像,采用人工目视解译方法获取宅基地空间信息,操作简单、成本低、工作周期短。【结论】 该文成果可为研究区农村宅基地改革和管理提供数据支撑,该方法为获取农村宅基地空间信息的方式提供了参考。     

基于K-means聚类的柑橘红蜘蛛图像目标识别

为快速检测红蜘蛛虫害,该研究采用基于Lab颜色模型中a(红/绿)、b(黄/蓝)层信息的K-means聚类法识别彩色图像中的红蜘蛛。试验选取8幅具有不同清晰度的柑橘红蜘蛛图像,采用基于Sobel边缘检测算子的评价函数计算图像清晰度评价值以评价图像清晰度,对比采用灰度法和包含2、3、4或5个聚类中心的K-means聚类法的目标识别效果和识别效率。结果表明,灰度法对8幅图像中红蜘蛛目标识别率平均值为29%,误判率平均值为201%,无法应用于复杂背景图像中的红蜘蛛目标识别。包含5个聚类中心的K-means聚类法对清晰度较高的图像识别率为100%,误判率为0,对清晰度较低的图像识别率为88%,误判率为0;当图像尺寸较小时,包含4个聚类中心的K-means聚类法识别效率与灰度法相当;当图像尺寸较大时,重复计算聚类中心导致识别耗时较长;基于Lab颜色空间的识别算法无法有效识别其他颜色的红蜘蛛,继续研究的方向为引入红蜘蛛形态信息以提高识别准确率和优化聚类中心的选取以降低识别耗时。     

基于神经网络与图像处理的花生仁霉变识别方法

为了采用机器视觉对霉变花生仁的自动识别与分选,研究了一种基于花生仁图像特征和人工神经网络的霉变识别方法。首先,利用Sobel算子直接对噪声含量少、边缘保存较完整的B分量灰度图进行边缘检测,经过形态学滤波、填充、合成等处理去除背景,得到分割后的彩色花生仁图像。然后提取颜色特征H、I、S及纹理特征RW、GW、BW,将其作为MATLAB所创建的神经网络的输入,并分别定义正常、轻度霉变、严重霉变3组代码为100、010、001的类型作为网络的输出,建立特征参数与霉变等级之间的神经网络识别模式。试验结果表明,该方法对正常花生仁、轻度霉变花生仁、严重霉变花生仁的检测准确率分别为95%、90%、100%,得到了较好的识别效果。     

意与艺

东西方文化、艺术各有其优势。基于对“人”的认识不同，导致对文化、艺术认识的巨大差异，从而引出了种种艺术现象。对之进行比较与分析，去除其糟粕，吸收其精华，使二者既能相互交融.又能独立其间，是寻求中国现代文化艺术发展方向的途径之一。