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。     

基于灰度直方图分析的原木CT图象分割

通过断层扫描成象技术,非破坏地探测原木内部结构的数据信息,并将其图象化。首先将原木CT图象中冗余信息进行去除处理,对处理后CT图象再用灰度直方图方法进行分割,确定原木CT图象中背景、各种缺陷、树皮以及无疵木材的灰度分布。基于灰度直方图的图象分割,可为原木内部缺陷的自动识别打下基础,进一步可为合理确定原木用途和加工方案提供帮助。     

基于灰度直方图最小跨度阈值法的瞳孔分割

瞳孔的边缘检测是虹膜提取的一个重要技术内容,本文提出了一种简单有效的虹膜内边缘定位算法,以虹膜图像灰度直方图为基础,通过寻找瞳孔区灰度分布范围的方法确定分离瞳孔的灰度阈值,并利用灰度投影法定位虹膜内边缘。实验结果表明,文中提出的方法能够准确地进行虹膜内边缘定位。     

基于免疫遗传算法的图像阈值分割

基于最大熵准则的图像阈值分割算法是一个图像分割的最优化问题，算法的运算量很大，用一种基于免疫调节机制的免疫遗传算法求解该准则下图像的一组最佳分割阈值，不仅提高了运算速度，而且克服了一般遗传算法的不足，仿真实验证明了该算法对复杂图像的良好分割效果和较强的实时处理能力。     

基于改进MRF的凝胶图像分割算法

为了得到更好的凝胶图像分割效果,文章提出了一种基于马尔科夫随机场(MRF)模型分割算法的改进算法,首先用非局部均值(NL-means)对图像进行滤波,然后通过模糊c均值算法(FCM)实现了图像的初始聚类分割,进一步通过二阶逻辑模型(MLL)模糊聚类作为先验知识获取其先验概率并因此得到后验概率,在此过程中引入了灰度点密度权值来实现聚类和均值方差的更新,最终实现凝胶图像的最优化分割。     

基于最大熵阈值分割算法的改进研究

图像分割是图像处理中的重要问题,也是机器视觉研究的经典难题。随着计算机技术的发展,产生许多图像分割方法,不少的研究者提出了许多改进的方法,如自适应阈值法、直方图互确认的图像阈值化分割、最大阈值法等,其中阈值法以其简单、有效、便于理解的特点被广泛的应用。阈值分割技术的目的是将目标从背景中分离出来,重点难点在于阈值的选取。在     

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.     

图像分割的研究进展

在计算机飞速发展的背景下,计算机的图像处理技术渗入到各个行业中。图像分割作为一种基本的图像处理技术,它的目的是把图像分成各具特征的区域,从中提取感兴趣的技术。下面我们就来探讨一下图像分割的进展,以及图像分割中的自动分割和半自动分割的比较。     

基于Mean Shift的织物图像分割算法

首先介绍了Mean Shift算法的处理过程,然后以处理织物图像分割为研究对象,将扩展形式的Mean shift算法用于解决织物图像分割问题。新提出的织物图像分割算法包括2个步骤:Mean Shift图像滤波和Mean Shift图像分割,并介绍了各自的原理。分割效果有3个关键参数控制:空域带宽、色度域带宽和最小区域限制。实验结果给出了3个参数的影响和选取分析,最后给出该织物图像分割算法与原CAD处理效果比较图,表明该算法具有可行性、有效性和鲁棒性。     

基于JSEG算法的纺织品印花图像分割

 针对机器视觉对纺织品印花精度的检测问题,提出了利用JSEG算法对印花的纺织品图像进行分割。主要通过对图像的滤波,颜色的矢量化和区域的增长与合并,完成图像区域的分割。通过实验给出了颜色量化阈值和区域合并阈值对图像分割的影响以及选取的方法,最终给出该算法对印花纺织品图像的分割效果图,表明该算法利用颜色信息和区域信息,对包含纹理信息的彩色印花图像有良好的分割效果,并且对由日光引起的一些干扰有一定的抑制作用。     

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。     

一种基于大津法改进的图像分割方法

为了解决大津法分割图像容易造成图像细节丢失的问题,提出一种基于大津法改进的图像分割方法。首先,将三通道彩色图像分离为3个单通道图像;其次,分别使用大津法进行图像的二值化;再次,利用得到的3个阈值和3幅二值化图像进行投票,判断获得最终的二值化图像。实验表明,该方法能较好地保存图像的细节,图像边缘受光不均匀部分也能进行很好地分割。结果表明:该方法对部分图像的分割优于大津法。     

广义核或混合核FLICM畜肉图像分割方法

针对传统核模糊C均值聚类(Kernel Fuzzy C-Means,KFCM)畜肉图像分割方法对噪声适应能力不强的问题,提出基于广义核函数或混合核函数的模糊局部信息C均值聚类(Fuzzy Local Information C-Means,FLICM)畜肉图像分割方法(KFLICM_UG方法和KFLICM_MG方法)。首先利用广义核函数或混合核函数可以有效兼顾学习能力和泛化能力的优势,将图像的每一个像素映射到高维的特征空间,扩大像素有用特征的类间差异,使像素在高维特征空间中拥有更优的线性可聚性;然后结合像素的局部空间和灰度信息,确定其模糊隶属度,在高维的特征空间中依据图像特征对像素进行模糊局部信息C均值聚类,最终实现畜肉图像的分割。大量的实验结果表明,相比现有的模糊C均值(Fuzzy C-Means,FCM)分割方法、KFCM分割方法和FLICM分割方法,本文提出的KFLICM_UG方法和KFLICM_MG方法可以获得更好的分割效果,更低的分割错误率,且具有更强的噪声适应能力和鲁棒性。     

基于信息熵的枸杞分级高光谱图像特征波长选择方法

为获得适合枸杞分级的最佳高光谱特征波长图像,实验提出一种基于信息熵的高光谱图像特征波长选择方法。通过计算在不同波长条件下每一个枸杞样本的自信息,得到每一类枸杞高光谱图像的平均自信息;通过计算对应任意2?个不同类别的枸杞样本的互信息,得到任意2?类枸杞高光谱图像的平均互信息。最终获得枸杞高光谱图像在某一波长条件下的平均互信息与各自平均自信息和的比值,定义为A。A值可以作为枸杞分级高光谱图像特征波长选择的量化指标。结果显示,枸杞分级的最优波长为950?nm。最后,提取特定波长条件下所有枸杞图像的纹理特征,并采用Fisher判别分析对6?类枸杞进行分类验证。基于信息熵的枸杞分级高光谱图像特征波长选择方法是可行的。     

食用级高粘度羧甲基淀粉生产工艺的设计与研究

本文介绍了食用级高粘度羧甲基淀粉的生产工艺，包括醚化，过滤洗涤，干燥脱溶及溶剂回收四个工段。对各工段的设备选型及操作影响因素作了实际分析，设计了一套符合实际生产的先进生产工艺。     

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CBAM-InceptionV3迁移学习的食品图像分类

为提高食品图像自动识别分类的准确率,提出一种嵌入通道注意力机制和空间注意力机制的卷积块注意力模块(CBAM)的“开端”第三版(Inception V3)分类模型。将带有图像网络(ImageNet)预训练权重参数的InceptionV3模型拆分后,在每个Inception块后嵌入CBAM模块,再重新组装成新模型,共嵌入11个CBAM模块。将此模型用于经过填充和缩放到299×299像素的Food-101食品图像数据集进行迁移学习,最高准确率达到82.01%。与原始的InceptionV3模型相比,CBAM模块能够有效提升模型的特征提取和分类能力;同时迁移学习与从头开始训练相比也可以大幅提高准确率、缩短训练时间。与其它几类主流卷积神经网络模型进行对比实验,结果表明该模型具有较高的识别准确率,可为食品图像分类识别提供有力支撑。     

基于数字图像的套印误差检测系统研究进展

与传统的人眼套印检测方法相比,基于数字图像的套印误差检测系统具有识别速度快、精度高、便于数字化管理、符合短版活业务增长趋势等优点,已成为数字化印刷设备领域研究的重要课题。对近年来国内基于数字图像处理的套印误差检测系统的研究进展进行了综述,对比了目前使用的套印标记、图像分割算法、套印误差参数计算的优缺点,分析了套印误差检测系统中的常见问题。