基于均衡化及柔性形态学的显微图像边缘检测

对显微图像进行噪声过滤和增强是对其进行的分类、识别、检测处理的基础,在分析、综合传统的图像增强和图像分割的算法的基础上,将直方图变换和柔性数学形态学组合,提出了基于均衡化及柔性数学形态学的显微图像边缘检测方法,并通过实现表明该方法能够有效的抑制微生物显微图像的噪声,提高检测精度,保护边缘细节,并且易于编程实现.     

微生物显微图像分类识别技术研究及应用

阐述了储粮微生物显微分类识别的方法,提出了检测系统的硬件和软件组成.介绍了对检测到的微生物图像的目标区域,自动提取静态微生物图像的纹理特征和几何形状特征的主要技术和方法.实验结果表明,该方法可为储粮微生物的计算机自动模式识别提供稳定的特征参数值,不但有效提高了识别效率,而且也为储粮微生物的快速鉴定和分类研究开辟了新的途径.     

基于数学形态学的显微图像边缘检测技术分析

根据微生物显微图像中微生物形态各异、容易重叠、边缘灰度接近等特性,利用数学形态学方法的思想,用灰度形态学作初步边缘处理,用二值形态学的方法进行边缘修复。并对原始图像用其它微分算子进行边缘检测,实验结果表明基于数学形态学的边缘提取算法对于微生物显微图像边缘检测有很好的效果,能够满足后期识别处理的需求。     

基于数学形态学的显微图像边缘检测技术分析

根据微生物显微图像中微生物形态各异、容易重叠、边缘灰度接近等特性，利用数学形态学方法的思想，用灰度形态学作初步边缘处理，用二值形态学的方法进行边缘修复。并对原始图像用其它微分算子进行边缘检测，实验结果表明基于数学形态学的边缘提取算法对于微生物显微图像边缘检测有很好的效果，能够满足后期识别处理的需求。     

新的木材显微细胞图像分类识别方法

提出一种基于纹理的木材显微细胞图像分类算法。通过非下采样的Contourlet变换模极值密度提取图像纹理特征,并采用K近邻分类方法进行分类,实现对木材显微细胞图像的分类。实验结果表明：平均识别正确率在85%以上。提出的方法能有效地实现对木材显微细胞图像的分类。     

基于形状不变矩和多分类器的储粮微生物识别

运用柔性形态学进行图像边缘检测,然后采用改进的7个形状不变矩对储粮微生物中的四种主要细菌进行了特征提取,并使用多分类器来进行分类,提高实际应用的识别率.实验取得理想结果,说明改进的形状不变矩能够满足储粮微生物显微图像的识别要求.     

基于模糊模式识别的显微图像分类

提出了一种基于贴近度和择近原则的模糊模式识别方法来实现储粮微生物显微图像的判别,该方法充分利用了由于微生物生长时间的长短会连同种菌类间存在差异、不同种菌类存在相似性的这个模糊的特点,引入了模糊集的理论.实验结果表明,该方法的评价结果更符合客观实际,获得了较好的分类效果,同时该方法也丰富了模糊识别理论,拓宽了其应用范围,也为实现储粮微生物在线检测提供了一种新方法,具有一定的应用价值.     

焦炭显微图像的轮廓提取新方法研究

区域轮廓的提取是对焦炭显微图像中不同光学组分进行分类与识别的关键.由于焦炭的光学组分在不同偏光下呈现的多样性以及该图像本身的复杂性,现有的方法提取轮廓边缘存在较大的困难.文中采用一种边界加权的改进均值偏移算法对焦炭显微图像中不同组分进行聚类,准确聚类的同时较好地保留边缘信息;然后再采用双阈值法和多边形近似得到图像的连续轮廓.实验表明,该方法抗噪性强,能够有效地提取不同组分的轮廓.利用轮廓的特征信息为焦炭显微图像某些类别的分类提供了基础.     

砂岩显微图像分析方法及其工具实现

图像分析是研究砂岩薄片的重要手段。研究适用于砂岩薄片的图像分析的方法并进行工具实现,在岩石学研究、油气勘探等方面具有重要意义。文中设计开发了砂岩显微图像分析软件系统。首先,提出基于超像素分割和聚类的图像分割方法来分割砂岩薄片显微图像,形成只具有单一矿物成分的超像素;然后,以矿物显微图像作为训练数据,提取颜色和局部等特征参数来训练分类器分类超像素;最后,合并相邻超像素从而形成完整的矿物颗粒,并标定其类别成分。在对方法进行研究的基础上,进行软件设计实现,对砂岩薄片显微图像中的矿物组分和组构特征进行分析。对一些采自西藏的典型砂岩薄片显微图像的分析表明,该方法具有良好的实用价值,但还需要进一步完善和优化。     

基于图像处理的小麦腥黑穗病形态学特征的提取方法

基于图像识别是小麦腥黑穗病分类鉴定中正在研究的一种新技术。文章研究了提取小麦腥黑穗病病菌冬孢子形态学特征的图像处理方法。通过获取小麦腥黑穗病显微图像,对显微图像进行图像分割,中值滤波以及试探性扩张矩形等方法获得了病菌显微图像冬孢子区域的内接矩形,提取了基于灰度共生矩阵的纹理特征与形状特征。实验数据显示该方法能有效地提取出小麦腥黑穗病的形态学特征,对后续基于模式识别鉴定小麦腥黑穗病类别具有参考意义。     

基于SVM的离线图像目标分类算法

目标分类是计算机视觉与模式识别领域的关键环节. SVM(支持向量机)是在统计学习理论基础上提出的一种新的机器学习方法.提出一种支持向量机结合梯度直方图特征的离线图像目标分类算法.首先对训练集进行预处理,然后对处理后的图片进行梯度直方图特征提取,最后通过训练得到可以检测图像目标的分类器.利用得到的分类器对测试图片进行测试,测试结果表明,对目标分类检测有良好的效果.     

基于类别方差的自动多门限图象分割

从模式识别的分类理论出发,对基于类别方差的自动单门限图象分割方法进行了扩展,给出一种适合于灰度图象的自动多门限图象分割方法,对灰度图象能够自动寻找最优的门限值（一个或多个）,与人类的视觉分割过程一致。实验表明,能够自动且有效地进行灰度图象的多级门限值分割。     

基于计算机视觉的烟叶病害识别研究

针对野外非专业人员对烟叶病害识别的不准确性和受主观因素影响的不足,以烟叶病害中常见的赤星病和野火病为研究对象,运用计算机图像处理技术提出了一种快速分类识别算法,主要包括特征参数提取和病害识别分类两部分。通过赤星病和野火病烟叶病害图像分析,优选出6个病害识别特征参数,建立了两类病害标准特征库。病害识别分类采用基于标准特征库的模糊模式识别算法,并且与模糊C均值聚类识别进行了对比。病害分类识别实验结果表明该分类识别算法具有良好的识别率。     

基于图像结构信息的城市房屋震害特征自动提取技术

由于常规边界检测算法难以完全满足城市房屋震害特征提取的需求，本研究提出了一种基于最优方法的边界跟踪方法，并利用ENVI IDL二次开发语言实现了基于区域结构和纹理统计特性相结合的损坏房屋自动识别算法。最后以1976年我国唐山地震的黑白航空影像为例，进行倒塌房屋的自动识别，得到了较为满意的结果。结果表明，利用本所提出的震害建筑自动识别方法，在提取震害房屋信息方面是有效的，其结果与目视结果大体一致。在完全倒塌的试验区，震害房屋的识别结果与目视解译的结果几乎完全一致，符合程度在99％左右；在其部分倒塌区，自动识别的结果与目视解译的结果符合程度也达到了89％。在这项自动识别理论中，由于采用了基于区域的图像处理与分析技术，所以保持了房屋建筑最基本的特性——区域特征，完全不同于基于光谱特征的震害房星识别技术。故而可以得到较好的自动识别结果。     

基于形态学及SVM思想的病变图象识别方法

提出了一种将形态学理论与SVM(支持向量机)算法结合起来的病变图象特征识别方法.利用形态学的广义骨架理论及形状因子,抽取图象特征,作为SVM训练数据,同时借助SVM良好的分类性能,对图象骨架进行分类,从而实现图象特征的快速分类,提高识别率.本文以红外乳腺图象为例,说明了本算法的各种特色.实验结果表明,该算法能有效提高图象识别率并具有一定的应用前景,同时,该方法对其他类似的模式识别问题也有一定的借鉴作用.     

基于改进DenseNet的刺绣图像分类识别的研究

针对中华传统刺绣工艺传承保护问题中的分类任务,传统的刺绣分类方法存在耗时长、精度低以及需要大量掌握专业知识的人力资源等问题;设计了一种基于改进DenseNet的刺绣图像分类识别方法;构建刺绣图像分类识别数据集;采用局部二值模式LBP、Canny算子边缘提取以及Gabor滤波等方式提取纹理特征,将不同特征图与原图合并为四至六通道图像数据集送入网络进行消融试验,扩充了数据集宽度;为稳定训练过程,加速损失收敛速度,提出引入SPP (spatial pyramid pooling)结构优化模型;为提高分类识别精度使用Leaky ReLU激活函数优化ReLU函数;实验结果表明基于改进DenseNet的刺绣图像分类识别方法可解决传统刺绣图像分类方法中存在的问题,改进后的刺绣图像分类模型与基准模型相比准确率提高了8.1%,高达97.39%。     

水体遥感影像处理的研究

研究了遥感图片的水体类型解译识别问题。水体图形的准确提取是遥感图片解译识别的关键问题。综合应用敏感因子组合法、种子点增长法和数学形态学的方法提取水体,在对提取的水体图像分析基础上,进一步确定了特征向量和采用模糊识别理论进行识别,并对识别结果进行了分析,实验结果显示提取的水体获得较满意的识别效果。     

基于支持向量机和纹理特征的人脸识别

提出了一种基于支持向量机和纹理特征的识别方法及框架模型。即在研究支持向量机理论的基础上,采用支持向量机的分类算法实现人脸识别系统的训练和测试,并将图像的纹理特征技术应用于人脸识别的预处理中。实验表明支持向量机和纹理特征相结合可以获得较好的识别率。     

基于图像势能理论的目标轮廓特征提取方法

在进行模式识别和目标分类系统中,一种好的特征提取方法可以提高系统性能。采集图像势能并用于图像特征的提取与保存是二值图像处理的一个新方法和新理论。势能方法把每一个像素点所具有的势能按序收集、顺序存放,较好地保留了图像的特征,以便存储和分类。图像轮廓是一个对象区别于其他对象的最主要特征之一,运用势能理论计算出目标轮廓的势能,可以较好地表现出图像的特征,其计算速度快,运算量小,占用存储空间小,可用于目标识别和目标分类等领域。     

基于BP-AdaBoost神经网络的多参数掌静脉图像质量评价法

手掌静脉纹识别技术作为新一代高精度的生物特征识别技术,被广泛用于个人身份鉴定领域.然而,其识别效果受限于图像的质量,低质量的图像往往造成识别准确度偏低,如何有效的对图像质量进行评价从而筛选出高质量的图像成为掌静脉识别技术中的一项重要研究内容.本文旨在解决这一问题,提出了一种基于BP-AdaBoost神经网络的多参数的掌静脉图像质量评价法.根据掌静脉图像质量特点,提出多个参数的评价指标（对比度（contrast）、信息熵（entropy）、清晰度（sharpness）和等效视数（enl））.利用BP网络优良的非线性拟合特点,以多个评价参数为网络输入,分类结果为网络输出,训练10个BP弱分类器;在此基础上利用AdaBoost算法得到最终的强分类器.实验结果显示,对比传统加权融合的评价分类方法,分类的结果准确度较高,系统具有具有良好的应用价值.