关于图像分割算法的研究

近些年来人工智能在计算机领域内,得到了越来越广泛的重视。图像处理是人工智能领域中一个重要的分支。图像分割是进行图像分析处理的第一步,也是机器视觉的重要步骤。作为特征提取和图像识别的基础,图像分割的处理结果的研究一直是数字图像处理技术研究中的热点和焦点。为了研究图像分割的方法,采用了基于边界的图像分割、基于区域的图像分割、基于阈值的图像分割和基于聚类的图像分割方法,并作出分析。     

改进的阈值选取方法在纸病图像分割中的应用

全局阈值分割法对含有对比度不同的纸病图像分割效果差,把图像先分块再求阈值,可以分割出每块区域的目标。针对上述分割结果的不足,提出了一种改进的阈值选取方法,该方法是用改进的迭代法对分割的子块求阈值,最后与每块区域的平均灰度值作比较,找出整幅图像的最优阈值。以含有灰度不一污点的纸病图像为处理对象,实验结果表明改进的方法可以分割出低对比度纸病。     

基于多技术融合的桥梁蜂窝麻面的图像分割

在桥梁安全检测中,桥梁蜂窝麻面病害的检测主要受到光照不均等的问题,由此提出了一种基于融合多种图像处理技术的桥梁蜂窝麻面的图像分割算法.首先基于各类图像灰度化算法,找出了基于原始图像的加权法灰度化最适合应用于蜂窝麻面病害之上;其次基于加权法灰度化后的图片,进行了灰度图像二值化处理,通过对比全局阈值法、自适应阈值法以及自定义阈值法等方法,选择了自适应阈值法进行了图像的二值化,取得了主要病害的轮廓;最后通过引入中值滤波法,选择最佳半径消除了噪音,使得病害区域轮廓更明显.实验表明:与二维OTSU法以及Niblack法等几种算法相比,该方法的分割效果明显,并保留了主要的病害区域.     

用自动阈值分割的方法将灰度图像转化成二值图

图像识别应用中,需要将获取的图像中包含的许多畸变与噪声消除,通常使用彩色图像转化为可用于识别的灰度图的方法,需要更加精确的识别则会用到阈值化的二值图,本文介绍运用自动阈值分割法获取二值图。     

图像二值化方法对比分析

图像二值化使图像中有用信息和无效信息的对比度达到最大,以突出主题,方便边界提取等处理。图像二值化的方法不同,结果也不同。使用MATLAB和Photoshop分别对同一图像进行二值化,并对结果进行对比分析,选取最优结果。     

基于Qtsu法和直方图规定化相结合的苹果图像分割研究

针对自然光下,苹果分割易受光线影响而导致目标区域分割受损的问题,提出了一种基于最大类方差阈值分割法(Qtsu法)和直方图规定化相结合的图像分割方法。对预处理后的苹果图像先进行直方图规定化处理,然后再利用Qtsu法对图像进行分割。实验结果表明,利用论文的方法对苹果进行分割后缩小了目标区域边缘的缺失,对目标与背景进行了有效的区分。     

基于OTSU 图像分割算法的碎米检测

碎米作为大米加工过程的常见产物,常会对产品的口感、味道产生影响,因此针对整米中碎米的有效筛分尤为重要。针对上述问题,该文建立基于大津法（maximal variance between clusters,OTSU）图像分割算法的逻辑回归模型用以检测整米中的碎米。将检测结果与国标法进行对比,结果表明逻辑回归模型的曲线线下面积（area under the curve,AUC）值为0.987,柯尔莫可洛夫-斯米洛夫（Kolmogorov-Smirnov,KS）值为0.909,0.5 为最佳阈值;而国标法的AUC 值为0.922,KS 值为0.669,21 为最佳阈值。该文所建立的逻辑回归模型的准确率、精确率、召回率及F1 分数均高于国标法。此外,逻辑回归模型的AUC 值比国标法的AUC 值更接近于1,KS 值也更高,表明逻辑回归模型能够更好地区分碎米与整米。长轴（x1）、面积（x2）、短轴（x3）与长短轴比（x4）4 个特征参数都是模型中具有显著影响的因素,对应的线性关系为z=-139.97-5.35x1+10.93x2+2.86x3+34.59x4。     

基于数学形态学滤波的储粮害虫图像二值分割研究

阐述了储粮害虫二值图像分割技术在图像识别中的重要性,提出一种基于数学形态学的改进二值图像分割方法.该方法不仅可以将储粮害虫从背景中分割出来,而且很好地保留了害虫各个部分的边缘细节特征.该方法计算量较小,简便实用,将其应用于储粮害虫图像的边缘检测,能够清晰、连续地检测到储粮害虫图像的有效边缘信息.     

图像分割技术在棉纤维检测中

本文详细介绍了棉纤维在图像检测中，粘连纤维的分割和分割前去噪的图像处理技术。利用棉纤维的外形特点和纤维粘连特征，为棉纤维图像的去噪和分割提出了新的解决方案。     

基于梯度改进Hough变换的油菜籽图像分割方法

提出了一种基于梯度改进的Hough变换的图像分割算法,用于提高油菜籽的图像分割质量。先将原始图像转换成灰度图像,然后通过改进的Hough变换找到油菜籽粒的圆心,连接两个相邻的籽粒的圆心,将垂直于圆心连线的切线作为两个籽粒的分界限,从而实现油菜籽粒的分割。采用一些通用的分割算法与本方法对同一图像的分割效果进行比较,结果表明本方法的分割效果优于其它方法。     

基于显著性检测的害虫图像自动分割算法研究

图像分割技术应用于农田检测中能够区分不同种类及程度的虫害,极大程度的节省时间并提高劳动效率.首先建立了害虫显著性图像的分割模型,从DCT系数中提取颜色、亮度、纹理和深度的特征,并基于图像块之间存在空间距离,采用高斯模型加权来估计图像显著性,然后设计了 一种融合算法,对这些选定的图像特征进行检测分类.研究结果表明,所提的...     

基于机器视觉的大米粘连米粒图像分割算法

本文提出了一种新的基于机器视觉的大米粘连米粒图像的分割算法。由于在利用机器视觉方法检测抽样米粒的各种外观指标时,米粒是随意放置在载样台或传送带上的,有些米粒会不可避免地互相碰触,由此造成在图像预处理时获取的米粒轮廓线互相粘连在一起,从而在后续的检测中被误判为是一颗米粒,致使大米外观指标如碎米率,垩白米率,黄米粒率的检测都出现错误。本文根据粘连米粒的内轮廓及外轮廓线上的粘连点的特征,提出了一种新的能快速并精确检测粘连米粒的内轮廓及外轮廓线上的粘连点的算法,根据各粘连点之间的距离及曲率方向,准确地判断出互相配对的最佳粘连点对,从而实现了粘连米粒的精确分割,试验结果表明该方法的准确性和高效性。     

基于改进型FCM聚类算法的彩色牛肉图像中筋膜区域分割方法研究

介绍一种基于HSI颜色空间的改进型FCM聚类算法,并将此算法运用于牛肉眼肌切面图像中筋膜区域的分割。该方法根据牛肉眼肌切面图像像素分布的特点,将H分量和I分量作为聚类分割算法的特征向量,改进了FCM聚类算法初始聚类中心的选取方法以及距离度量公式。结果表明:所提出的算法在保证FCM算法本身收敛速度快的同时,也提高了图像区域分割的精度和准确性,对噪声具有较强的抑制能力。     

基于二值图像连通域提取的图像滤波方法

为解决常用滤波方法对目标图像噪声抑制效果不理想的问题,提出了一种基于二值图像连通域提取的图像滤波方法。将采集到的图像进行二值化,对图像进行连通域提取并根据连通域的轮廓筛选出噪声干扰点,对噪声点进行过滤,保留图像细节特征,对目标图像的噪声达到有效抑制的效果。结果表明:该方法在特定应用上优于常规滤波方法。     

一种基于改进的Hausdorff距离的图像配准方法

为了提高数字图像处理中图像配准的精度和算法的健壮性,提出了一种基于改进的Hausdorff距离的图像配准方法。基于传统的Hausdorff距离的图像配准方法算法的稳定性比较差,得出的配准结果存在较大的差异性,而将LTS(least trimmed square)Hausdorff距离作为适度函数应用到算法当中后,有效地克服了传统算法所存在的问题。算法首先是对参考图像和待配准图像进行压缩、二值化和边缘检测预处理,然后用LTS Hausdorff距离结合遗传算法的步骤对待配准图像进行配准操作。对比实验证明,该算法比传统的算法能更有效地抵抗在配准过程中所产生的噪声和孤立点的影响,并且在保证一定配准精度的基础上提高了算法的效率。     

基于最大熵快速迭代算法和边缘算子的织物疵点分割

将信息熵引入图像处理中,把疵点图像分为背景和目标两部分,分别对两个区域进行处理;通过求最大熵值的快速迭代算法,在满足信息熵最大要求的前提下对织物疵点区域进行分割,然后利用Canny边缘检测算子对分割后的疵点图像进行边缘检测,从而达到识别织物疵点的目的。仿真实验结果表明,将最大熵快速迭代算法与边缘算子结合进行疵点分割识别的方法是有效的。     

基于图像处理的蚕茧表面积计算方法

介绍了一种基于图像处理计算蚕茧表面积的方式,通过对快速摄像提取蚕茧图像位图文件,将其转换为黑白二值图像,计算图像中的像素以正确反映蚕茧表面积的大小。此方法计算的蚕茧表面积精度高,切实可行,为快速无损检测蚕茧质量奠定了理论基础。     

基于SEM图像的阈值回归法计算印刷纸张孔隙率

为提高基于扫描电子显微镜(SEM)图像处理的印刷纸张孔隙率计算方法的准确率和适应能力,本文提出了一种基于阈值回归的纸张孔隙率计算方法,并建立SEM图像分析程序。本方法首先针对小部分样品同时进行物理实验和SEM图像处理,将两部分数据组合到一起并用于训练阈值回归模型获取模型参数;然后针对其他样品,通过回归模型获取图像分割的最佳阈值,并应用于基于SEM图像的非涂布纸张孔隙率计算过程。验证实验表明,该阈值回归模型应用于非涂布纸张孔隙率计算时,能有效提高阈值选择的客观性和计算结果的稳定性,同时提高了计算机对非涂布纸张SEM图像处理方法的适应能力。     

图像处理法在大米碎米率检测中的精度分析

大米是人类重要的食物,在粮食中占有重要的地位.为了保障我国的粮食安全,需要特别重视提高粮食生产能力,并为商品粮食的收购及市场流通提供快速、准确的外观品质检测手段.针对目前常用的手工法检测大米碎米率速度慢的问题,本试验采用数字图像处理的方法对其进行检测.该方法首先采用阈值分割算法对图像进行分割,其次提取图像特征,最后根据特征参数计算大米碎米率.试验表明,图像法不但速度快,而且与手工法测定碎米率含量具有很好的相关性.     

纱线毛羽图像的二值化处理及其Matlab实现

文章利用CCD扫描来采集纱线灰度图像,运用计算机快速处理数据的能力以及Matlab强大的图像处理功能,采用适当的方法对纱线毛羽图像进行消噪、灰度变换、二值化处理。通过分析二值化图像的特征,分别得出带毛羽纱线和不带毛羽纱线的图像面积,进一步计算出纱线相对毛羽率。结果表明,该方法分割效果好,运算速度快,不需要购买专门的仪器,具有较高的实用价值。