图像分割在轨道异物检测中的应用

随着高速铁路建设与运营新趋势的出现,实现列车前方轨道异物的智能检测发展为必然趋势。基于机器视觉、图像处理等各项融合技术的异物检测手段应用逐渐推广,在基于图像处理方法的轨道异物检测中,进行分割后的图像是轨道异物检测和识别的关键。为验证分割算法的有效性,首先从图像分割的角度简述多种方法在轨道异物检测中的优化及应用,其次将一...     

基于模糊C-均值聚类的作物叶部病斑图像分割

农作物病害的发生对我国农业生产危害较大,运用机器识别技术对农作物病害图像进行自动识别有着重要的意义。对于玉米叶部病斑,大多数分割算法不能很好地分割出来,采用快速模糊C-均值聚类算法,对玉米染病叶片图像进行分割,并通过实验验证了这种算法在聚类优化性能不变的前提下,病斑和背景的区分很明显,分割效果较好。     

基于无人机遥感的大面积农作物叶片病虫害识别研究

病虫害会影响农作物的产量，在农业生产过程中，需要及时发现并准确识别出病虫害，才能够保证农业的种植产量，研究基于无人机遥感的大面积农作物叶片病虫害识别方法。配置八旋翼无人机和多光谱相机，搭建无人机遥感识别平台；以棉花叶螨为病虫害识别对象，选择农作物生长数据，划分健康叶片和叶螨病害范围。通过无人机遥感技术设计识别方法，利用叶螨的自身反射曲线，对应病虫害光谱指数特征，分辨不同等级下叶螨的反射光谱情况；定义遥感影像中的像素阈值，建立遥感影像识别模型，对图像前后景熵值进行分割；利用几何校正原理，对应划分区域采样点的大地坐标系，多项式转换图像位置坐标，对叶螨进行识别。实验结果表明：在叶螨发生的高峰期进行识别，能够直接对健康棉田和螨害区域进行划分，并且可以在空间和时间序列上，分析叶螨生长特点，具有实际应用效果。     

基于模糊C-均值聚类的作物叶部病斑图像分割

农作物病害的发生对我国农业生产危害较大,运用机器识别技术对农作物病害图像进行自动识别有着重要的意义。对于玉米叶部病斑,大多数分割算法不能很好地分割出来,采用快速模糊C-均值聚类算法,对玉米染病叶片图像进行分割,并通过实验验证了这种算法在聚类优化性能不变的前提下,病斑和背景的区分很明显,分割效果较好。     

基于粗糙集与水平集的细胞智能识别应用研究

针对细胞图像特性微弱,提出改进的Chan-Vese水平集分割算法,利用水平集演化曲线实现对微生物感染的细胞核边缘的准确分割;针对宫颈细胞图像特征,首先提取细胞图像样本的五维特征向量(纹理、几何形状特征以及灰度图像等),然后根据粗糙集理论建立决策表,用于细胞图像的微生物识别,并直接从训练样本图像中导出决策规则;应用所获取的规则对微生物测试样本图像进行分类;实验结果表明该方案应用在宫颈细胞智能识别上可以达到较好的效果,在工程上应用是可行的。     

一种用于农作物叶部病害图像识别的双权重协同表示分类方法

农作物病害是我国主要的农业灾害之一,准确识别病害类型是防治农作物病害的关键。因此,首先采集了小麦、玉米、花生、棉花4种农作物的22种常见叶部病害的441张图像;然后,在对每张病害图像中的叶片和病斑进行分割的基础上,分别提取了描述农作物种类的叶片特征参数和描述病害类型的病斑特征参数;其次,将这两类特征参数组合并作归一化处理,得到病害图像的数据特征向量;再次,采用所有病害图像的数据特征向量,构建了一个农作物叶部病害数据集;最后,在同时考虑数据特征重要性和数据空间局部性的基础上,提出了一种双权重协同表示分类(DWCRC)方法并将其用于农作物叶部病害识别。在农作物叶部病害数据集上的实验结果表明,提出的双权重协同表示分类方法在用于农作物叶部病害识别时具有较高的识别率。     

智慧农业病虫害巡检系统设计与实现

为了应对农作物生长过程中病虫害的影响,本文开发了一个病虫害巡检系统。该系统以STM32F407ZGT6、ARM Cortex-A为采集与控制单元核心,配以自制智能小车,实现农作物环境监测及视频图像采集。针对农作物图像,利用深度学习技术,对其病虫害情况进行快速无损识别。使用MQTT协议实现本地数据上传,并对云端数据转发和存储。设计网页和手机端,方便查看农作物生长环境状态、病虫害识别情况等。该系统运用到农业生产中,能够有效防止病虫害事件扩大,具有准确性高、检测速度快、稳定性强等优点。     

基于直方图预处理与BF算法的含噪图像分割

图像中的噪声会直接影响图像分割质量,为快速、准确地识别含噪图像中的目标,提出一种基于直方图预处理与BF算法的含噪图像分割方法。该方法通过小波变换抑制图像中的噪声,分析增强图像的直方图特点以缩小分割阈值的分布范围,以二维最大类间方差为原则设计分割目标函数,利用BF算法快速搜索最优分割阈值。实验结果表明,该方法在收敛速度、稳定性和分割效果三个方面均优于基于遗传算法、人工鱼群算法等其他群体智能的分割方法。     

图像特征提取及其在行人识别与定位中的应用

图像中的行人识别和定位是人工智能的重要问题。针对现实场景的图像目标识别,提出基于图像分割和SIFT特征算子提取的图像中行人识别与定位方法;在此基础上,实现了图像中的行人数量统计。与其他的图像中的行人定位方法相比,能够有效检测无遮挡情况下行人的位置和行人数量;以校园行人图像数据为应用背景,验证了方法的精确度和可信度。     

水平集分割方法在合成孔径雷达图像目标识别中的应用

正确分割目标、提取目标的有效特征是合成孔径雷达图像目标识别中的一个关键问题。将水平集图像分割方法应用于合成孔径雷达图像目标识别,将目标图像中的目标区和阴影区从背景杂波中分割出来,其中目标区的形状作为目标的有效特征用于基于模板匹配的目标识别中。用MSTAR数据库中的3类目标的图像数据对该方法进行验证和分析,实验结果表明,在基于模板匹配的目标识别中,该分割方法可提取出有效的目标形状特征,实现目标的正确识别。      

融合手势识别和终端用户评估的交互控制

基于RGB图像的手势识别因其对设备要求低、采集数据方便等在人机交互领域得到广泛的应用.在RGB图像的手势识别与交互过程中,一方面由于RGB的手势图像在采集过程中存在光照影响导致利用肤色信息进行手势分割的效率较低,另一方面用户对交互手势的认知与设计师设计的手势有差异,导致用户交互体验反馈较差.针对这两个问题我们进行了系统性的优化:首先把用户的认知与交互手势设计原则联系起来建立手势共识集;其次进行手势图像的色彩平衡处理,利用椭圆肤色模型分割手势区域;然后将二值化手势图像输入到Mobile Net-V2轻量化卷积神经网络进行手势识别率的计算.手势的终端用户主观评价与手势识别技术结合可以较系统地为交互任务进行手势设计,减少用户在实际交互过程中的认知偏差,提高交互系统的可用性和效率.     

利用深度图像的虚实物体碰撞交互研究与实现

对传统增强现实系统中虚拟物体与真实物体难以进行碰撞交互的问题,提出一种对深度图像中的场景进行分割,并基于分割结果构建代理几何体的方法来实现虚、实物体的碰撞交互。采用Kinect等深度获取设备获取当前真实场景的彩色图像信息和深度图像信息;通过深度图像的法向聚类及平面拟合技术来识别出场景中的主平面区域;对除去主平面区域的其他聚类点云区域进行融合处理,得到场景中的其他主要物体区域;为识别出的主平面构建虚拟平面作为该平面的代理几何体,为分割出的物体构建包围盒来作为其代理几何体。将这些代理几何体叠加到真实物体上,并对之赋予物理属性,即可模拟实现虚拟物体与真实物体的碰撞交互。实验结果表明,该方法可有效分割简单场景,从而实现虚实交互。     

小波去噪与Blob算法在零件位置识别中的应用

本文以工业制造自动生产线中的零件位置识别为研究主题,采用图像处理等方法来自动智能识别零件位置.首先使用二维单目的方式,采集数据集中的零件图像,然后对图像进行均衡化处理、灰度化与小波去噪算法等一系列预处理,使用基于区域算法与最优化算子Canny边缘检测方法的图像分割模型,对同一空间中的两个不同零件进行分割,得到的两个零件的图像分别作为基于Blob算法的零件位置识别模型的输入,从而识别出附件中两个不同零件的位置坐标.     

混合量子粒子群图像分割算法IS-MQPS

基于群智能的图像分割技术因其与人类视觉机理相符合,受到人们重视。但是,现有群体模型存在的对参数取值敏感和易收敛于局部极值等问题,制约了群智能技术在复杂图像分割中的应用。首先定义了基于群智能图像分割的抽象模型,然后将通用量子粒子模型GQPM引进图像分割,提出了混合量子粒子群图像分割算法IS-MQPS。IS-MQPS算法以量子粒子携带灰度和坐标信息,以纠缠量子态定义群体行为规则,以混合量子粒子群的自组织聚类实现图像分割。实验表明,IS-MQPS算法具有对噪声不敏感、分割区域意义明确等优点,可应用于复杂图像分割。     

农作物病虫害图像识别技术的研究综述

农作物病虫害的爆发往往意味着大规模的减产减质,造成不可挽回的经济损失。传统的病虫害识别方法速度慢、主观性强、误判率高,已不能满足农业生产的需要。基于图像处理技术的农作物病虫害识别具有快速、精确、实时等特点,能够协助农耕人员及时采取有效的防治措施。本文从图像分割、特征值提取和分类识别三个方面,分别阐述图像处理技术应用于农作物病虫害识别的研究现状和进展,并对今后的研究趋势和方向作了展望。     

基于粒子群优化算法的最佳熵阈值图像分割

图像分割是自动目标识别的关键和首要步骤。群智能作为一类新兴的演化计算技术已被越来越多的研究者关注。论文研究将群智能中的粒子群优化算法应用到图像分割中,提出了一种新的图像分割算法。新方法基于最佳熵阈值分割技术,用粒子群优化算法自适应选取分割阈值,基于Bayes定理和随机状态转移过程对新算法收敛性的分析表明,新方法能以概率1找到图像的最佳熵阈值。在仿真实验中,针对基准图像和SAR图像分割问题,将遗传算法与粒子群优化算法分别独立运行10次,对10次得到的阈值以及均值、方差进行了比较,并将运行时间作为算法复杂度的评价指标。统计结果显示,论文算法不仅能够对图像进行准确的分割,而且运行时间明显较短。仿真结果表明,基于粒子群优化的图像分割算法是可行的、有效的。     

基于二维直方图和模糊熵准则的阈值化方法

图像分割是图像分析、识别和理解的基础。图像分割主要是指将图像分成各具特性的区域并提取出感兴趣目标的技术,其研究多年来一直受到人们的高度重视;阈值化法是图像分割的一种重要方法,在图像处理与识别中广为应用;针对图像分割中细节往往被忽略导致后续处理困难的问题,基于模糊关系和最大模糊熵原理提出了一种阈值化方法,对二维直方图进行模糊分割;为了获得图像分割中的细节,提出的方法根据最大熵原则自动确定模糊区域和门限,进而获得二维模糊熵和遗传算法最优解,最后获得图像细节;通过对不同灰度水平和颜色类型图像进行实验比较,实验结果表明提出的方法优于二维非模糊方法和一维模糊熵分割法,得到该方法在图像分割中获得细节的结论。     

应用于社区安防的车牌识别门禁系统关键技术研究

对应用于社区安防的车牌识别门禁系统关键技术,采用基于染色矩阵算法对门禁系统拍到的车牌图像进行边缘检测,可避免反复的数据建模过程,又能减少图像处理时间;针对我国车牌的汉字、字母和数字字符共存的特点,采用垂直投影字符分割与模板匹配相结合的方法分别对车牌图像中的字母、数字字符和汉字字符进行分割,提高了车牌字符分割精度;改进了应用于车牌识别上BP神经网络（Back Propagation Neural Network）识别技术,引入了陡度因子,使网络能够快速收敛,减少运算时间。实验表明,该车牌识别门禁系统关键技术可广泛应用在现代社区中,也可以为社区门禁系统生产厂家提供技术支撑。     

基于Mask R-CNN的车位状态智能识别算法

在大多数城市和小区,停车位非常紧张,因此一种高效的车位状态识别算法极为重要.提出基于Mask R-CNN的车位状态智能识别算法,分析Mask R-CNN网络模型框架,检测视频图像中的汽车,通过目标识别与分割过程得到视频图像内的汽车对象的边界框和坐标位置;由于汽车边界框与停车位边界框存在部分交叉区域,因此可采用IOU法判断两个边界框交叉区域的像素数量,同时求得两个汽车目标覆盖区域像素总量的商值,确定视频图像中停车位边界框与汽车边界框之间的交叉程度,实现对停车位状态智能识别.实验结果显示,整个过程所需时间显著少于对比算法,说明该算法具有较高的识别精度与识别效率.     

智能可穿戴式医疗设备在医疗数据信息安全中的应用

针对智能可穿戴式医疗设备在医疗数据信息安全中的应用进行研究,分别分析了其在生物密钥、量子密钥、异构网络密钥中的应用。在生物密钥中应用智能可穿戴医疗设备可以实现通信中的双方认证,抵抗已知攻击;在量子密钥中应用智能可穿戴医疗设备可以对传输的信息进行数次加密处理,能够在理论层面上保障其信息的安全性;在异构网络密钥中应用智能可穿戴医疗设备可以有效的增强网络规模和运行效率。通过实验验证智能可穿戴式医疗设备在医疗数据信息安全中的应用效果,结果表明,加入可穿戴医疗设备后,医疗数据信息输出端的稳定信号越多充分的表示该装置抗干扰能力越强,对于数据的保护能力越高,能够有效保障信息安全。