基于神经架构搜索的灌浆期水稻稻穗分割及特征分析

灌浆期是水稻的重要生育期之一,为精准分割灌浆期水稻稻穗,探究稻穗特征与水稻长势之间的关系,提出了一种基于神经架构搜索的灌浆期水稻稻穗分割及特征分析方法。以DeepLabV3Plus网络模型为基础框架,基于神经架构搜索算法自动设计主干网络,修改空洞空间卷积池化金字塔（ASPP）,搭建语义分割网络Rice-DeepLab。通过田间摄像头采集4种水稻的灌浆期图像并经Rice-DeepLab分割后,计算稻穗面积占比、离散程度、图像平均曲率和颜色特征等参数并分析。实验结果显示：改进后的语义分割网络Rice-DeepLab的平均交并比（mIoU）为85.74%,准确率（Acc）为92.61%,与原网络模型相比mIoU、Acc分别提高了6.5%、2.97%;由图像的稻穗面积占比、离散程度、图像平均曲率、颜色特征可大致判别稻穗稀疏或稠密,稻穗是否饱满,色泽青绿、金黄或灰白等长势。本研究表明,可以利用田间摄像头便捷地开展灌浆期水稻监测工作,通过稻穗分割及其特征分析初步判断水稻的长势,为田间管理提供支持。     

基于SVM能量模型的改进主动轮廓图像分割算法研究

为克服经典主动轮廓模型曲线内外区域能量定义在复杂目标与背景分布情况下的不足,本文将高效的支持向量机有监督学习分类器引入基于Mumford-shah模型的主动轮廓图像分割算法中,提出了基于SVM能量模型的改进主动轮廓图像分割方法.该方法首先利用支持向量机的分类结果对于封闭曲线的内外区域分别构造了一种新的图像能量表示方法,因为分割过程充分利用了有监督学习策略,使得本文提出的算法具有更高的稳定性和更加广泛的适用范围,特别是对目标灰度分布不均或存在多纹理的目标也可以得到较好的分割结果.分割时,首先利用SVM实现粗分割得到目标初始轮廓,然后利用改进的Mumford-shah主动轮廓模型进行精确分割,采用粗分割策略一方面可以大大提高分割速度,另一方面也可以提高了算法的自动化程度.对比实验结果表明本文提出的算法具有更大灵活性和更好的分割性能.     

基于SVM的复杂环境下苹果图像的分割

将需要研究的目标从复杂的背景下提取出来是后期图像理解和图像分析的关键.一种基于支持向量机(Support Vector Machine,SVM)的图像分割方法被提出,将图像分为目标和背景两类.在OHTA的颜色空间下提取各类样本像素值,并用SVM对样本进行训练,运用训练好的SVM分类器对苹果图像进行分割,并进行去噪处理.实验表明该算法可以有效地分割出复杂背景下的苹果,分割速度、分割准确率优于阈值分割法.     

基于红外热图的机载电路板故障模式诊断研究

作为一种新型的非接触式检测方法,基于红外热成像技术的机载电路板故障模式诊断方法受到越来越多的关注。本文针对传统基于红外热图的电路板故障检测算法中存在的缺陷,提出一种结合红外图像分割、热阻网络、支持向量机SVM(Support Vector Machine)与D-S证据理论的故障检测算法。首先,通过红外图像分割完成目标芯片区域温度提取,应用热阻网络模型对目标区域温度信息进行优化;其次,提取温度信息特征向量分别输入对应的初级SVM诊断模块,输出各故障模式的加权基本概率分配值BPA(Basic Probability Assignment);最后,应用D-S证据理论对各证据体加权BPA进行数据融合,输出融合后的故障诊断结果。实验结果表明,本文算法加强了有效证据体对诊断结果的正面影响,削弱了无效证据体的负面影响,大幅度提高了机载电路板故障模式诊断准确度。     

缺帧环境下车牌图像的三维重建模型仿真

提出一种基于空间亮度均衡化平滑和曲线分割的缺帧环境下车牌图像的三维重建模型.根据缺帧环境车辆外接轮廓矩形模型,提取遮挡车辆分割线,进行空间亮度均衡化处理,对遮挡车牌进行曲线分割,增强三维重建的车牌图像色调和饱和度.通过增强图像的明暗对比度,对高频信号进行抑制和阻截,实现图像的平滑处理,采用曲线分割算法,对图像进行二值化分割,对分割后的车辆部分做杂质去除,得到完整独立的车辆区域,实现缺帧环境下的车牌图像三维重建改进.     

基于机器视觉的瓷砖素坯表面缺陷无损检测算法研究

针对瓷砖生产中对瓷砖素坯表面缺陷检测的高速度和高准确率的要求,本文提出了基于机器视觉的表面缺陷无损检测算法.首先对采集到的瓷砖素坯图像采用双边滤波器进行图像预处理,降低噪声,提高图像质量,然后利用Canny边缘算子提取图像边缘,在图像边缘的基础上,采用最佳阈值分割算法,实现图像分割,利用圆形度对缺陷特征进行描述,并实现缺陷判别,最后,通过实验验证表面缺陷检测的准确度和稳定性.实验结果表明,该方法可以实现瓷砖素坯表面缺陷的无损检测,准确率达到95％以上,能应用于瓷砖表面缺陷质量检测的生产实践中.     

结合肤色分割的支持向量机人脸检测方法

人脸检测是人脸识别与图像及视频检索的一项重要任务。本文提出了一种结合分割与模板匹配-支持向理机(Support Vector Machines,SVM)的正面人脸检测算法。算法在肤色区域分割基础上，输入图像采用基于Harr小波描述的特征提取方法，然后结合平均脸模板匹配利用 SVM分类器进行分类。实验结果表明该算法十分有效。     

基于红外图像处理技术的柴油机故障诊断研究

通过实验分析了各种红外检测因素对红外图像拍摄的影响 程度,并在红外图像采集点的位置控制图的基础上,采用温度补偿算法对拍摄到的红外图像进行了校正; 然后结合柴油机的实际工作特点对采集到的红外图像进行了分割;最后基于分割后的 红外图像,采用分区域比对的方法对柴油机的故障进行了判别和诊断。实验结果表明,通 过调整红外图像的比例/参数,可以满足对柴油机的大部分发热故障进行诊断的要求。     

基于不变性特征的SVM遥感图像飞机类型识别

根据遥感图像飞机目标的特点,提出一种基于不变性特征的支持向量机(SVM)识别算法。首先结合小波分解进行平移、旋转、缩放不变性特征提取;然后对基于遗传算法(GA)的SVM模型参数选择方法在核函数的选择、搜索空间的确定等方面进行改进,并用改进后的算法实现SVM模型参数选择。对480幅遥感图像进行仿真实验,得到97.56%的正确识别率。与BP神经网络相比,识别率高,验证了算法的有效性。     

基于概率神经网络改进的GrabCut算法

针对GrabCut算法在分割图像时效率低,且容易出现欠分割与过分割的问题,提出了一种基于概率神经网络(PNN)改进的GrabCut(PNN_GrabCut)算法。该算法用PNN模型替换GrabCut算法中的高斯混合模型(GMM)进行t-links权值计算,以提升算法的计算效率;通过构建前景和背景直方图,选取像素值出现频率较高的像素作为PNN模型的训练样本,以提高算法的分割精度。在公开的ADE20K数据集中选取图像进行分割实验,结果表明,PNN_GrabCut算法的分割精度优于其他对比算法,且效率较高。对前景与背景相似度高的图像进行分割实验,结果表明,PNN_GrabCut算法的分割精度明显高于GrabCut算法。     

基于Contourlet域HMT模型的多尺度图像分割

基于Contourlet系数分布统计特性,结合隐马尔可夫树（HMT）模型和贝叶斯准则提出一种新的图像分割算法.为了更有效保持Contourlet域不同尺度间的信息,提出一种新的加权邻域背景模型,给出了基于高斯混合模型的象素级分割算法和基于新的背景模型的多尺度融合算法.分别选择合成纹理图像、航拍图像和SAR图像进行实验,并与小波域HMTseg方法进行比较以说明算法的有效性.对合成纹理图像给出错分概率作为评价参数.实验结果表明本文方法不但在边缘信息和方向信息保持上有明显改进,而且错分概率明显降低,对真实图像得到了理想的分割效果.     

基于微波光子学的激光夜视图像自动分割算法

目前,大部分激光夜视图像分割算法主要通过对图像的增强、融合等预处理实现分割,分割过程对噪声的抑制力较弱,且分割过于复杂,提出一种基于微波光子学的激光夜视图像自动分割算法,首先使用基于微波光子学的激光夜视图像高功率微波测量系统,获取激光夜视图像中光波信号,然后基于该信号采用基于水平集的激光夜视图像分割算法,将C-V模型的分割曲线设成初始曲线,用于获取激光夜视图像全局收敛性,再在激光夜视图像的后续分割中导入分割曲线的局部信息,提升激光夜视图像分割性能。实验结果验证了所提算法的有效性,且具有分割误差小、分割效率快以及显著的抗噪性优势,应用价值极高。     

基于Hadoop平台下SVM的图像识别技术

针对海量图像的识别技术进行研究,使用SVM算法作为图像识别模型,考虑到随着图像训练样本数据量逐步增大,训练样本呈现指数上升这一问题,在此对基于Hadoop云平台的并行运算SVM方法进行研究,缩短训练时间,加快图像识别效率。使用Corel图像库中图像进行实验研究,结果表明,常规单机SVM图像识别系统以及基于Hadoop平台SVM的图像识别系统的识别准确率相差不大。当Hadoop平台中拥有超过2个节点时,加速比明显上升,训练时间下降,Hadoop平台中使用SVM进行图像识别的效率优势体现出来。     

基于图像深度重定义的雾天车道线特征提取

为了解决雾天车道线特征不清晰、车道线特征分割阈值选取困难的问题,提出了一种结合图像深度重定义去雾模型的雾天车道线特征提取方法.首先,将采集装置与道路之间的实际场景映射到几何模型上.其次,在抽象好的几何模型上提出图像深度图的定义,并根据图像深度图以及雾天图像模型计算去雾之后的图像.最后,利用图像HSV颜色模型,构建图像分割模型,对车道线特征和非车道线特征进行初步分割,并结合OSTU阈值调优方法对车道线特征进行二次分割.实验结果显示,去雾之后车道线特征清晰,阈值分割比传统的OSTU分割效果更好,最终非车道线特征的占比要比基于灰度算法的平均减少14％.     

基于动态方向梯度矢量流蛇模型的图像分割

提出了一种改进的基于动态方向梯度矢量流蛇模型的MR脑肿瘤图像分割新方法,实验结果表明该方法能够有效地分割提取出脑肿瘤图像.为了对MR脑肿瘤图像形状特征进行描述,提出了一种改进的基于Zernike矩的快速算法,为进一步诊断病情提供了有效的帮助.     

复杂车辆图像中的车牌定位与字符分割方法

车牌定位和字符分割是车牌照自动识别系统中的关键步骤。提出了一个综合多种特征的车牌定位算法和一个基于模板匹配的字符分割算法,有效地解决了背景复杂的彩色图像中车牌定位和字符分割的问题。综合这些算法并结合字符识别核心,实现了一个完整的车牌照自动识别系统。该系统对不同背景、光照条件下采集到的车辆图像进行了大量实验,实验结果证明算法准确率高、鲁棒性好。     

基于GWO-SVM的红外热成像低零值绝缘子识别

为了准确识别电网中的低零值绝缘子,提高劣化绝缘子诊断的准确率,提出了一种使用灰狼算法优化（grey wolf optimizer, GWO）与二进制支持向量机（support vector machine, SVM）分类器相结合的模型,对红外图像中的低零值绝缘子进行自动检测。首先对绝缘子红外图像进行增强,利用Ostu算法对红外图像进行分割,并对得到的二值图像进行倾斜角度矫正和切割,提取绝缘子串的有效区域,然后将图像特征用于向量机的分类识别。实验结果表明,灰狼算法优化支持向量机比常用的网格搜索算法（grid search, GS）、粒子群优化算法（particle swarm optimization, PSO）等得到的分类模型能更准确、有效地对低零值绝缘子进行识别,且准确率更高。     

基于网络摄像头的活体人脸识别系统设计

针对当前监控系统平台体积大、功能单一、造价高等问题,文中基于海思3518E平台设计了一套在线活体人脸识别系统。该系统包含图像预处理、图像获取、人脸检测、人脸活体检测、人脸识别共5个部分,并针对传统算法在嵌入式平台的不足进行了改进与优化。系统通过摄像头采集的人脸图像对图像做预处理,为后续图像特征提取提供保障,利用扩展Haar特征训练分类器,并使用Adaboost算法级联分类器进行人脸检测,将检测到的人脸利用HSV和Ycbcr多色彩空间下提取的COALBP和LPQ融合特征训练SVM模型,并进行活体人脸检测。最后,对人脸图像分块提取LBP特征进行人脸识别,将识别结果通过微信小程序显示。实验结果表明,基于海思网络摄像头人脸识别系统的可行性,具有一定的实用价值。     

IC芯片检测的图像分割算法研究及其实现

全自动上芯机是用于芯片生产后工序的关键设备之一,而机器视觉检测系统又是提高该设备产能和质量的关键系统.在机器视觉检测系统中,图像的有效分割是图像分析的基础.针对摄像机采集到的图像由于镜头具有球面像差的原因都不同程度地存在图像降质的现象(如暗角),分析了基于迭代算法、改进的自适应门限以及同态滤波的图像分割算法,并对IC芯片图像进行了三种方法的实验比较,结果表明,改进的自适应门限的图像分割算法能够满足IC芯片检测高精度、高速度的要求.     

基于SoC FPGA的文字分割系统设计

针对于传统PC机实现的图像采集与处理系统在功耗、移植性、实时性和体积上的局限性问题,本设计实现了基于FPGA和ARM硬核处理器整合的SoC FPGA的图像文字分割系统。基于SoC FPGA的硬件平台和移植的嵌入式Linux开发环境的软硬协同设计方法,实现了CMOS传感器的图像采集、SDRAM存储、双口RAM数据通信和VGA显示输出。同时,基于ARM的硬核处理系统(HPS)控制双口RAM读写图像数据,在HPS中实现图像的预处理和分水岭算法。实验结果表明:本系统具有较准确的文字分割效果,一幅图像实时文字分割的平均速度为0.87s,比基于PC机的matlab环境和NIOS Ⅱ的SOPC系统上实现速度分别提高了0.84倍和4.52倍。本系统具有设计灵活,速度快、可移植性强的优点,对实时图像采集与处理系统的研究提供参考意义。