储粮害虫图像边缘检测算法研究

阐述了基于机器视觉的在线粮库虫情测报系统的系统结构,论述了害虫图像边缘检测是该系统的关键模块。在此基础上详细分析了Roberts算子、Sobel算子、Krisch算子、高斯-拉普拉斯算子在害虫图像边缘检测中的应用。在VC++ 60平台上实现了这四种方法对粮样图像的边缘检测算法程序的同时,还分析比较了这四种算法对特定粮虫图像边缘检测处理效果的优劣。     

基于机器视觉的储粮害虫图像模糊检测方法研究

本文阐述了基于机器视觉的储粮害虫检测系统,表明了粮虫图像边缘检测方法是该系统的重要组成部分。提出了一种改进的快速模糊边缘检测方法,计算表明,该方法对粮虫图像边缘检测的效果较好。     

基于数学形态学的储粮害虫图像边缘检测算法研究

对储粮害虫进行实时监测是非常必要的，其中基于图像识别的检测是目前研究较多的一种方法，本文简述了数学形态学方法．对数学形态学在粮虫图像处理边缘检测中的应用进行了研究。计算表明，该方法较好地解决了粮虫图像的去噪和边缘检测问题。     

基于数学形态学的储粮害虫图像边缘检测算法研究

对储粮害虫进行实时监测是非常必要的．其中基于图像识别的检测是目前研究较多的一种方法。本文简述了数学形态学方法。对数学形态学在粮虫图像处理边缘检测中的应用进行了研究。计算表明，该方法较好地解决了粮虫图像的去噪和边缘检测问题。     

基于支持向量机技术的粮虫图像分类技术研究

介绍了支持向量机的基本思想,提出了一个基于支持向量机的粮虫模式识别系统。该系统先对粮虫图像进行小波边缘提取,根据灰度共生矩阵和局部统计方法提取小波分割后的图像纹理特征。最后利用支持向量机对粮虫图像进行分类。     

基于灰关联分析的储粮害虫图像边缘检测算法研究

对储粮害虫进行实时监测是非常必要的,其中基于图像识别的检测是目前研究较多的一种方法。该文提出了一种基于灰关联度分析的图像边缘检测算法,并将其应用于储粮害虫图像的边缘检测,计算表明,该方法能较好地检测粮虫图像的有效边缘信息。     

基于形态学梯度的图像边缘检测算法

边缘检测是数字图像处理的一个重要内容，讨论了经典的边缘检测算子算法，该算法更多地采用Prewitt算子、LOG算子、Canny算子等在空域中进行。数学形态学在图像处理中有广泛的应用，其基本原理是基于利用结构元素去探测图像；在讨论常见数学形态学梯度的基础上，提出了一种基于形态学梯度的图像边缘检测算法，应用定义的形态学梯度结构检测出较理想的图像边缘信息。仿真结果表明，该算法在含噪图像中能得到较为理想的图像边缘信息，其抗噪声性能明显地优于经典的算子检测算法，在检测精度方面较经典的单一算子检测方法亦有一定的改善。     

基于边缘增强扩散的AFM图像边缘检测

在原子力显微镜（AFM）图像边缘检测中，针对其噪声干扰以及目标与背景之间差异微小等问题，提出了一种新的解决方法。其基本思路是采用基于图像梯度统计知识选取合理的梯度阈值来构造边缘增强扩散算子，利用该算子对AFM图像进行边缘保留去噪处理后，用Canny算子检测并标记其边缘。实验采用固液界面AFM图像来对上述检测方法进行评价，从实验结果来看，这种方法在边缘检测精度上优于传统的Roberts边缘检测等方法。     

基于空频域联合闭值分割的轮廓检测方法

传统的边缘检测算子仅在空域上对梯度图像进行阈值分割来计算二值边缘图像,当应用在自然场景图像中时,检测结果中往往含有大量的干扰边缘。为了消除干扰边缘,提高传统边缘算子的轮廓检测性能,提出了基于空频域联合阈值分割的轮廓检测方法:首先对梯度图像进行频域阈值分割消除干扰边缘,然后进行空域阈值分割得到最终的二值边缘图。结合Canny算子,利用自然场景图像对该方法进行了性能评估,结果表明,该方法大大减少了干扰边缘,有效提高了Canny算子在复杂自然场景图像中的轮廓检测性能。     

一种基于变点统计分析的图像边缘检测的方法

基于统计的图像边缘检测方法是计算机视觉中边缘检测的重要方法之一。提出了一种基于非参数变点统计分析的方向性边缘检测算法,该方法可以最小化对图像数字特征的先验信息的需求。深入讨论该算法在含有高斯噪声和椒盐噪声的灰度图像处理中的一些问题,通过实验与MATLAB的经典的边缘算子sobel算子和canny算子相比较。该方法不仅能很好地检测出图像的真实边缘,而且有效地抑制了两种噪声对边缘检测的影响,取得了较好的效果。     

基于SSD的粮仓害虫检测研究

为了对粮仓害虫进行有效地检测,减少粮食损失,提出一种基于SSD的粮仓害虫检测方法。该方法利用多个尺度的卷积特征图来检测害虫。通过轻量化模型结构和优化损失函数来提高SSD的训练速度和检测效率。实验将6类高爆发的粮仓害虫图像进行训练和测试,结果表明:该方法相比较于当前主流的目标检测方法在对粮仓害虫检测中具有更高的mAP。     

基于支持向量机的图像边缘检测研究

将支持向量机应用于储粮昆虫图像的边缘检测中,利用支持向量机两类分类的思想,借助“支持向量”分辨出图像的背景和目标从而检测了图像的边缘,探讨了图像的边缘检测的一种新方法。     

基于图像分析的谷物害虫检测与分类识别技术研究

介绍了谷物害虫检测系统的硬件组成，描述了采用差分图像法实现对谷物害虫检测判断和三帧差分法实现谷物害虫图像恢复与提取的方法，最后利用图像的一阶灰度值直方图和图像的目标区域，自动提取静态仓储物害虫图像的纹理等特征，实现对仓储物害虫的快速鉴定和分类．     

运动图像识别技术在谷物害虫检测中的应用

描述了采用差分图像法实现对谷物害虫检测判断和三帧差分法实现谷物害虫图像恢复与提取的方法。该方法在连续3帧视频图像中,分别在1、2帧之间、2、3帧之间作差分运算,根据未变化区域与运动变化区域服从不同的统计规律,对差分图像作运动变化检测。该算法适于实现对仓储物害虫的快速鉴定和分类,实验结果令人满意。     

基于DCT压缩域的图像边缘检测算法

目前,大多数边缘检测算法都是在像素域内进行的,而图像数据大多以压缩格式传输和存储,因此要进行边缘检测,必须先经解压缩,变成非压缩格式,再进行处理,这无疑增加了计算量,影响了处理的速度和性能。给出了一种直接在DCT压缩域中进行边缘检测的方法,通过推导出的边缘检测矩阵算子,直接对反量化后的DCT系数进行处理,进而判断出图像边缘点。与传统的像素域边缘检测方法相比,文中算法由于不需要完全解压缩,因而大大降低了计算复杂度。