基于特征分析的番茄识别及其软件的快速开发

为导引机械手采摘番茄,提出了基于形状与纹理特征分析的番茄识别和软件实现方法。提取番茄和枯叶等干扰物的子图像,选择3个形状特征和5个纹理特征参数进行统计分析,在Matlab下快速验证番茄识别算法,再利用OpenCV函数库在Visual C++下对识别算法进行再现,实现了目标识别软件的快速开发。对674幅番茄图像进行识别试验的结果表明,对生长状态为相互分离的成熟番茄,正确识别率达到90%以上。不同分辨率的番茄图像处理实验结果表明,利用OpenCV函数库编制的程序比Matlab下的代码执行效率显著提高,而且能实时采集并同步处理双目图像,可为采摘机器人目标识别和软件开发提供参考。     

基于图像处理的作物病害自动识别系统的研究

为了实现对作物病害检测与防治的自动化,构建了一个基于叶片病斑图像处理的计算机诊断系统,以实现作物叶部病害的自动识别。该系统依据作物病叶颜色差异,用EM算法和偏微分方程水平集模型等图像分割算法,从图像中获取完整准确的病斑;然后提取病斑的颜色、形状和纹理特征,运用主成分分析方法对数据进行降维处理;最后采用神经网络和支持向量机方法对这些特征进行学习与分类,以及病害识别。系统已试用于黄瓜、番茄等园艺作物叶部病害的自动诊断与识别,其优点是自动化程度高,识别准确率在一定条件下较好。     

基于智能手机的人行横道红绿灯自动识别

鉴于目前绝大部分人行横道红绿灯没有配合声音提示,利用带摄像头的智能手机,通过人行横道红绿灯的自动识别技术将大大提高盲人过马路的安全系数。提出一个融合级联Adaboost与颜色过滤的人行横道红绿灯自动识别算法。该方法首先利用AdaBoost算法对红绿灯位置进行检测;然后在HSI色彩模型的色调子空间进行颜色分析的基础上进行红绿灯的过滤与分类。用采集的418幅实际复杂场景下的图像数据进行实验,结果表明该方法能达到较好的检测效果。     

基于纹理信息的水果图像识别方法仿真研究

研究水果图像自动识别问题.由于外界噪声的干扰,影响自动识别的准确率.针对传统水果分类系统依靠人工或者特殊传感器件的局限,同时识别算法由于水果图像的颜色特征和纹理特征复杂,造成识别难度增大等缺陷,提出了一种新的计算机视觉和图像的水果自动分类识别系统.针对于对水果图像进行特征取值,特别是对颜色不同的水果进行识别.首先利用水果的HSV颜色表达,提取稳定的颜色特征;另外利用小波变换所生成的共生矩阵,提取水果的纹理特征.将这两种特征结合,并利用K最近邻分类器进行水果的分类和识别.经仿真结果证明了利用水果颜色和纹理特征的结合,可以有效的实现不同水果的自动分类,并比较传统单一的特征有更高的分类准确率.改进方法设备简单,分类准确率高,无需训练的优点,特别适宜在农业生产领域广泛应用.     

基于AdaBoost的人行横道红绿灯自动识别算法

鉴于目前绝大部分人行横道红绿灯没有配合声音提示,利用带摄像头的可穿戴计算设备,通过人行横道红绿灯的自动识别技术,可大大提高盲人过马路的安全系数。提出一个融合级联Adaboost与颜色过滤的人行横道红绿灯自动识别算法,该方法首先利用AdaBoost算法对红绿灯进行检测定位,然后在HSI色彩模型的色调子空间进行颜色分析的基础上进行红绿灯的过滤与分类。用采集的418幅实际复杂场景下的图像数据进行实验,结果表明该方法能达到较好的检测效果。     

基于HSI颜色空间统计直方图的图像检索

给出了一种对图像的特征进行提取、分析并识别出一定形状及色彩差别的方法,主要目的是提取图像的颜色变化。首先是对采集到的彩色图像进行预处理,包括:图像的滤波、目标图像的定位等;然后采取了相应的图像颜色空间和识别算法,包括:图像颜色空间的变换、颜色量化、图像特征提取、识别算法。计算机仿真结果表明,该算法可行,并取得了较好的效果。     

基于HSI颜色空间统计直方图的图像检索

给出了一种对图像的特征进行提取、分析并识别出一定形状及色彩差别的方法,主要目的是提取图像的颜色变化。首先是对采集到的彩色图像进行预处理．包括：图像的滤波、目标图像的定位等;然后采取了相应的图像颜色空间和识别算法,包括：图像颜色空间的变换、颜色量化、图像特征提取、识别算法。计算机仿真结果表明,该算法可行,并取得了较好的效果。     

飞机跑道胶痕的自动识别系统设计与实现

为了减轻机场跑道除胶工作人员的劳动强度,提高除胶工作效率,文章提出了一种基于机器视觉的胶痕自动查找和识别方法,设计了基于ARM单片机控制的图像无线采集和基于PC机控制的图像接收、图像预处理和图像识别系统;文章通过分析预处理后的数据特点,确定了基于细胞神经网络算法的胶痕识别算法,然后在MATLAB仿真环境下确定了该算法的最优模型和参数,最后在Visual C++6.0环境下完成了该算法的程序编译,调试并完成了对胶痕的自动识别过程;理论仿真和程序测试的结果证明了文章提出的方法在胶痕自动识别系统中的可行性,也为机场特种设备的无人化和智能化提供了参考。     

彩色图像的织物组织自动识别

针对基于彩色图像的单层组织识别问题，将二重织物的组织识别问题分解为单组织识别与整合，为了提高单层组织自动识别的精度，运用颜色聚类等方法分割织物样图，并提出了一种经纱分割算法，实现了经纬纱线的准确分割，最后，提出了一个基于织物表面图像的半自动交互式纬二重组织识别方案，实验结果表明该算法是有效的。     

基于蚁群和带空间约束FCM的荔枝图像分割算法

准确地提取荔枝果实的完整轮廓对采摘机器人自动识别与采摘至关重要。以蚁群和模糊C均值（FCM）聚类为理论基础,选用符合荔枝颜色特性的L*a*b*颜色空间,提出一种基于蚁群和带空间约束FCM的荔枝图像分割算法。该算法利用L*a*b*颜色空间的a*通道正轴代表红色和负轴代表绿颜色进行初始分割,然后利用蚁群聚类算法全局性和鲁棒性的优点确定FCM的聚类中心,用引入空间约束的FCM完整地分割出荔枝果实。实验结果表明此方法实现了荔枝图像完整地分割,并且满足了采摘机器人后续的荔枝识别与采摘,对成熟荔枝分割的正确率达到了87%。     

基于彩色图像处理的西红柿品质特征的提取研究

用机器视觉系统判别西红柿品质是否有效 ,关键在于能否真实地提取特征参数 .由于西红柿果实存在新陈代谢且表面非常光滑 ,使机器视觉系统采集图像时受环境温度和光线的影响很大 .同时 ,很难直接从采集到的RGB彩色图像中提取有效的品质特征参数 .为此 ,本论文基于彩色图像处理技术把 RGB彩色图像转换为 L* a* b*模式的彩色图像 ,然后提取西红柿品质特征参数 ,试验结果验证采用这种特征提取法提取的西红柿品质特征参数基本上不受照明强度的影响     

机器视觉表面缺陷检测综述

目的 工业产品的表面缺陷对产品的美观度、舒适度和使用性能等带来不良影响,所以生产企业对产品的表面缺陷进行检测以便及时发现并加以控制。机器视觉的检测方法可以很大程度上克服人工检测方法的抽检率低、准确性不高、实时性差、效率低、劳动强度大等弊端,在现代工业中得到越来越广泛的研究和应用。方法 以机器视觉表面缺陷检测为研究对象,在广泛调研相关文献和发展成果的基础上,对基于机器视觉在表面缺陷检测领域的应用进行了综述。分析了典型机器视觉表面缺陷检测系统的工作原理和基本结构,阐述了表面缺陷视觉检测的研究现状、现有视觉软件和硬件平台,综述了机器视觉检测所涉及到的图像预处理算法、图像分割算法、图像特征提取及其选择算法、图像识别等相关理论和算法研究,并对每种主要方法的基本思想、特点和存在的局限性进行了总结,对未来可能的发展方向进行展望。结果 机器视觉表面缺陷检测系统中,图像处理和分析算法是重要内容,算法各有优缺点和其适应范围。如何提高算法的准确性、实时性和鲁棒性,一直是研究者们努力的方向。结论 机器视觉是对人类视觉的模拟,机器视觉表面检测涉及众多学科和理论,如何使检测进一步向自动化和智能化方向发展,还需要更深入的研究。     

基于物理模型的虚拟颜色空间

传统的色度学系统是建立在人类视觉系统的心理物理实验基础上的,共有基于实验的色标系统（如MUNSELL颜色体系）和基于实验的经验公式系统（如CIELAB,CIELUV体系）二类体系。但是,人类颜色视觉系统的色度学体系及相应的颜色测量方法并不适合于机器视觉系统,因为人类色度学体系的颜色空间是非均匀空间,即色度图上两点之间的欧氏距离并不能代表颜色知觉的差异,由于两者存在着非线性关系,为此,提出将现代计算机礼堂中关于环境光照和物体表面的物理模型引入经典的色度学,以建立一套新的基于物理模型的虚拟颜色空间,用于标定不同颜色视觉系统的颜色率。     

坯布疵点实时检测系统的软件设计*

介绍了基于机器视觉的坯布疵点实时检测系统软件部分各主要环节的具体实现.该系统运用修正的自适应邻域平均法增强坯布疵点图像的质量,用自动阈值法将疵点从背景中分割出来,并利用去除杂点法对分割后的二值图像进行滤波.以提取出的周长、面积、不变矩等为特征,运用BP神经网络分类器对常见的九种疵点进行了分类,识别正确率达到了95.7%.     

基于修正模型与暗通道先验信息的水下图像复原

受到复杂成像环境影响,光学视觉系统获取到的水下图像普遍存在对比度低、模糊和颜色失真等问题．为此,本文提出一种基于修正散射模型的水下图像复原算法．首先,深入分析光在水下的吸收衰减特性,在简化大气散射模型的基础上,将水体背景光融入到模型的直接衰减项;其次,考虑到水下红光迅速衰减,采用红通道的逆通道对其进行补偿;然后,使用基于四叉树的分级搜索算法估计水体背景光值;最后,在修正的成像模型基础上,结合水下暗通道先验信息估计介质透射率进而复原水下图像．实验结果表明,本文算法水下复原后的图像色彩自然,能有效恢复出远景区域的细节信息,图像对比度、色度和饱和度的综合评价指标整体优于对比算法,适用于不同类型的水下退化图像．     

基于均匀空间的颜色分级方法

自动视觉检测是机器视觉的一个重要研究领域，而颜色分级是自动视觉检测中的一个典型问题，在陶瓷、木材等行业应用广泛。为了实现快速自动分级，根据人类视觉特性，提出了一种基于均匀颜色空间的表面颜色分级方法。该方法首先将数据从RGB颜色空间转换到CIE 1976 L^ a^ 均匀颜色空间；然后在CIE 1976 L^ a^ 空间用RWM(radius weighted mean)方法提取主导颜色(dominant colors，DC)，再以此作为颜色特征，提出了一种新的颜色距离度量——映射色差，并分析了它与平均色差的关系；最后以映射色差为距离度量，采用最小距离分类器来进行颜色分级。实验结果说明该方法是有效的。     

基于颜色空间映射的自适应足球机器人视觉系统

为了解决足球机器人比赛中视觉信息检测问题,给出基于嵌入式多处理器体系结构的视觉系统框架,并研究了一种自适应阈值目标分割方法。该方法将视觉系统采集的图像从YCbCr颜色空间转换为一维颜色映射图像,并提出基于竞争学习的空间映射方法。同时使用小波变换方法来平滑颜色映射空间直方图和降低阈值搜索维数。然后使用基于映射图像直方图动态搜索阈值的方法来分割图像。最后,通过实验表明研究的视觉系统的有效性,能够实时准确地完成视觉处理任务。     

色彩聚类在车牌颜色识别中的研究与应用

彩色图像中的色彩聚类和识别在机器视觉环境中的理解、自动化生产过程的导引、交通标志的自动识别等方面有着非常重要的作用.研究的色彩聚类和识别是“车辆牌照自动识别系统“的一个重要部分--车牌颜色识别.论文提出并实现了一种基于特定色彩空间,利用不同颜色的特征值进行色彩聚类和识别的方法.论文事实依据充分,以大量不同背景和不同光照条件下的彩色车牌作为实验数据进行分析、研究,提出了一种有效的、稳健的色彩聚类和识别的方法.     

色彩聚类在车牌颜色识别中的研究与应用

彩色图像中的色彩聚类和识别在机器视觉环境中的理解、自动化生产过程的导引、交通标志的自动识别等方面有着非常重要的作用。研究的色彩聚类和识别是“车辆牌照自动识别系统”的一个重要部分——车牌颜色识别。论文提出并实现了一种基于特定色彩空间,利用不同颜色的特征值进行色彩聚类和识别的方法。论文事实依据充分,以大量不同背景和不同光照条件下的彩色车牌作为实验数据进行分析、研究,提出了一种有效的、稳健的色彩聚类和识别的方法。     

基于图像处理技术的杂草特征提取方法研究

利用计算机视觉技术将杂草从背景中识别出来进行定位喷洒农药已成为精细农业研究的热点。选取颜色空间OHTA中I＇2分量作为特征量;利用基于遗传算法的自动阈值选取方法对特征分量巧进行阈值分割初步分离杂草与小麦;通过颜色聚类和形态滤波获得准确的杂草区域。实验结果表明：直接在彩色空间进行分割,可提高彩色图像的分割效果,利用该方法获得的杂草平均正确识别率达到90．47％。