机器视觉在蚕茧表面积测量中的应用

针对传统评茧方法的缺陷,提出了基于机器视觉技术的蚕茧表面积测量方法。利用机器视觉系统拍摄蚕茧图像,根据图像的灰度分布特征,通过Otsu法分割蚕茧图像得到二值化图像,将蚕茧看作椭圆体,由蚕茧区域的长轴和短轴值计算出蚕茧表面积。根据蚕茧的边缘图像,利用最小矩形法确定椭圆长轴和短轴的值,可以测量任意旋转角度的蚕茧表面积。实验结果表明该方法是有效的,为科学评茧提供了依据。     

提高边缘细节清晰度的图像融合改进算法

为解决图像融合过程中边缘信息以及细节内容易于丢失的问题,提出图像融合的改进算法。对源图像进行小波变换分解,将分解后的高低频系数用矩阵存储。对于低频子带的系数,采用形态学边缘检测的方法,提取出边缘轮廓系数,后运用加权平均法对其进行融合得到用于重构的低频系数。对于各高频子带的系数,先采用区域能量法构造出判断矩阵,经多数筛选法和形态学处理后得到二值融合决策图,并根据此决策图选取出用于重构的高频系数。最后,进行图像重构得到融合图像。实验结果表明,该算法增强了图像边缘细节的清晰度,其图像融合效果在相同融合条件下比其它算法更好,熵、标准差和平均梯度等图像融合的评价指标提高了0.5%～5%,可以更有效地应用于医学或多聚焦图像的融合。     

基于双参数阈值的蚕茧分割及双宫茧识别研究

针对粘连蚕茧难以准确分割、现有双宫茧识别方法局限性等问题,本文提出了基于双参数阈值的蚕茧分割计数、蚕茧形状复原及双宫茧识别的串联算法。首先,应用可变分割阈值结合形态学运算的方法对图像进行分割计数,再遍历完成分割的每个蚕茧的像素点,应用基于边缘检测与椭圆拟合的蚕茧形状复原方法拟合蚕茧形状,然后计算蚕茧长短轴比值和面积参数,采用双参数多级阈值对双宫茧进行检测。实验结果显示,图像分割计数准确度为100%,双宫茧全部检出,双宫茧与单宫蚕茧分类准确率为98.6%。该方法检出了面积阈值法易漏检的小双宫茧,也较准确地识别出与长短轴比值阈值接近的蚕茧类型。     

结合显著区域检测和手绘草图的服装图像检索

针对服装图像检索准确率和效率较低的问题,提出一种服装显著区域检测和手绘草图的服装图像检索方法。首先采用正则化随机漫步算法对输入的服装图像库进行视觉显著区域检测,并结合其边缘轮廓信息,得到服装显著边缘图像;其次,对输入的服装草图和服装边缘图像进行特征提取,得到服装草图和服装边缘图像各自的方向梯度直方图(HOG)特征;然后,通过计算服装草图特征和服装边缘特征的相似度,实现特征匹配;最后,按照特征匹配结果在服装图像库中检索与服装草图相似的服装图像,采用基于距离相关系数的重排序算法对其相似度进行排序并输出检索结果。结果表明,该方法提高了服装检索的准确率,具有较好的鲁棒性,检索准确率可达78.5%。     

基于机器视觉的谷糙分界线检测方法

目的：精准识别谷糙分界线。方法：提出一种基于直线边缘检测的谷糙分界线识别方法。该方法对不同颜色特征的谷糙分离图像进行模型匹配，将不同匹配结果的图像采用对应的灰度化处理方式；并利用直线边缘检测算法对该边缘进行灰度波动变换、差分处理得到目标位置。结果：相较于传统的边缘检测方法，该方法将误差范围控制在5%以内，大幅提高了识别精度。结论：该方法的识别误差相对较小，适合用于谷糙分界线的识别应用。     

基于改进K-Means算法的蚕茧自动计数方法的研究

在自动缫的生丝生产过程中,生丝平均纤度会受到各种工艺条件的影响而发生变化,需要通过对绪下茧粒数进行检测来了解生丝平均纤度。基于形态学方法中的腐蚀膨胀法和K均值算法相结合的方法,改进了K均值聚类算法,解决了蚕茧图像中出现的多个蚕茧相互粘连的问题,实现了对粘连蚕茧图像的分割及蚕茧计数。结果表明:该方法能很好地解决图像反光及蚕茧图像粘连的问题,实现蚕茧图像的分割及正确计数,为绪下茧粒数自动检测技术的研究打下了基础。     

基于机器视觉的低对比度纸病识别算法研究

利用机器视觉识别纸病时,若背景与目标纸病的对比度低,且采用单一的边缘检测算法,将会出现对目标纸病边缘定位不准确、抗噪性能不好等问题。对此,提出了一种解决方法,即首先分别用LOG算子和基于数学形态学的边缘检测方法对低对比度纸病图像进行边缘检测,然后对这两种边缘检测算法得到的图像进行小波融合,融合得到的图像中纸病边缘定位准确且具有一定的抗噪性,最后,对此进行了实验验证。研究结果表明,文中提出的解决方法可行,即可将该方法用于基于机器视觉的低对比度纸病识别。     

基于网格的织物图像拼接技术

图像拼接技术是计算机视觉和数字图像处理中的重要分支。本文首先研究在图像配准过程中绝对差、差值平方和,以及归一化相关系数对配准时间和精度的影响;其次研究算术平均法、加权平均和多分辨率小波融合方法对消除拼接接缝的效果;最后通过对时间复杂度、匹配度和融合效果的分析,得出适合织物图像的拼接方法。通过研究发现,采用基于灰度空间上的网格特征匹配和应用加权平均方法进行重叠区域的图像融合可以很好地完成织物图像的拼接。     

基于多边形近似的重叠蛋白质点分割方法研究

二维凝胶图像电泳过程中可能出现蛋白质点重叠和堆聚的现象,文章利用图像处理与分析技术设计了一种有效重叠蛋白质点分离的算法。利用多边形近似方法,将检测到的蛋白质点边缘转化成数字边界,对该数字边界用多边形进行有效近似,计算近似多边形顶点对应的内角,通过阈值的设定,得到边界上的凹点,对凹点进行匹配连线,从而实现对重叠蛋白质点的有效分割。     

一种基于像素清晰度的多聚焦图像融合方法

针对多聚焦图像的特点和区域融合规则的优点,给出了一种基于图像像素清晰度的多聚焦图像融合方法.该方法通过小波分解后的系数求取各图像像素的清晰度,对低频分量采用基于像素清晰度的自适应加权平均方法进行融合,对分解后得到的高频分量、高频系数选取基于图像像素清晰度最大原则,并对选择结果进行一致性验证.实验结果表明,采用该方法得到的图像,很好地保留了图像边缘、轮廓等重要特征,具有较好的视觉效果.     

蚕茧质量无损检测方法研究

通过应用数字图像处理技术和专用软件，对蚕茧的图像采集和数据分析处理、计算，数学建模，建立标准数据库，从而计算出鲜茧茧壳量，好肾率和蚕茧色泽等，再综合这些指标，对蚕进行评级。     

The study on structural properties and tensile strength of reared silkworm cocoon

Silkworm cocoon is a natural composite with laminated structure in which is made of silk fibers conglutinated by sericin. Recently, the identification of silkworm cocoon composite structure as a nonwoven complex structure and its properties are attracted by several researches. In this study, the structure and morphology of reared silkworm cocoon as well as its mechanical properties have been studied. Silkworm cocoon structural features, such as fiber diameter, porosity, fiber length, number of fiber intersection, the number of pores, and fiber orientation were evaluated for outermost and innermost layers in three sections using image processing method. Also the mechanical properties such as tensile strength, initial modulus, and toughness of silkworm cocoon in the three sections of cocoon head, middle, and tail were measured. The structural analysis of silkworm cocoon shows that the innermost layer has finer fibers with a lower density structure compared to the outermost layer. Fiber orientation in cocoon middle section is more than the head and tail sections. Also the results of mechanical properties of silkworm cocoon show that tensile strength, initial modulus, and toughness are significantly different in three sections of cocoon in which the cocoon middle section exhibits a higher tensile strength and initial modulus than the head and tail sections.     

基于改进神经网络算法的蔬菜图像识别

文章提出了改进神经网络算法,建立了径向基函数神经网络模型,包括梯度下降方法求解权重参数,增大邻域半径的均值聚类方法求取隐函数中心值,利用相邻聚类中心获得核宽度,通过量子遗传算法删除冗余权重和神经元;提取了蔬菜图像的特征,并给出了算法流程。仿真试验表明,试验算法对蔬菜图像的形状特征平均识别率为97.56%,纹理特征平均识别率为95.60%,颜色特征平均识别率为93.25%,训练时间平均为5.83s、识别时间平均为2.18s,优于其他算法。     

影响干壳量检验相关因素的研究

围绕着影响干壳量检验的相关因素，以试验调查为手段，探索了干壳量与出丝量的关系、雌雄蛹茧与干壳量的关系、同一鲜茧抽样机率与干壳量的关系及毛脚茧化蛹过程中的重量变化等方面的问题，可为制定和完善干壳量检验标准提供科学依据。并对干壳量检验提出了以粒茧干壳量定等，以０．３ｇ干壳量划级，对内印内染茧调减鲜茧上车率等建议。     

基于多阈值算法融合的图像分割

针对一种阈值分割算法很难对不同类型的图像进行有效地分割的问题,提出一种多阀值算法融合的方法.该方法通过不同的算法得到一组阈值,由迭代的方式将它们有机地组合,并定义一个回报函数,来选取最优阈值.实验结果表明,该方法针对不同类型的图像能够选择最优的阈值进行有效的分割,消除了使用者必须具有先验知识的障碍,省去了人工选择分割方法的麻烦.     

基于平滑滤波和分水岭算法的重组织织物图像分割

针对带有重组织的织物图像特点,提出了一种根据纱线颜色进行图像分割的方法。首先将织物图像转化为Lab颜色模式,采用混合中值滤波算法滤除扫描噪声;其次通过设置色差容许值改变高斯权值的平滑滤波算法进行滤波,去除织物图像中的重组织阴影和同颜色纱线纹理,保留纱线颜色特征;然后提取织物图像的色差梯度,通过分水岭算法进行图像分割,获得区域标记图像;最后将颜色相近的分割区域进行合并,得到织物图像的分色索引图像。实验结果表明,提出的算法可以对重织物图像进行较为准确地分割。     

基于图像处理技术的干茧茧壳厚度计算方法

介绍了一种基于光电技术和数字图像处理技术计算干茧茧壳厚度的方法。通过在稳定的光强下对被检茧进行图像采集和分析处理,计算干茧茧壳图像灰度值的大小,应用数字图像处理软件推算出干茧茧壳厚度。该方法测量精度高,切实可行,为快速无损检测蚕茧质量奠定了理论基础。     

仪测茧层含水率与干壳量的推算

为提高鲜茧干壳量检验的工效，省略干燥鲜壳的工序，探索了鲜茧层的含水状态，仪测茧层含水率对干壳量的推算。认为鲜茧层在测查过程中因剖茧，其茧层含水量是变化的；同一群体中的个体茧层含水量存在着差异。提出了在测茧层含率推算干量进入实用性前，还应注意解决好的几个问题。     

我国桑蚕茧评级标准和收购价格的演变

回顾了50年来我国桑蚕茧评级所经历的按缫折评茧，按茧层率评茧，按干壳量评茧和“组合售茧，缫丝计价”试点等四个发展阶段，分析了各个阶段蚕茧收购基准价的变动，并对现行评茧标准的不足进行了讨论。