基于遗传算法和阈值分割的夜间苹果识别方法

为解决夜间场景下苹果采摘机器人分割果实与背景的问题,在分析果实自身颜色特性的基础上设计了一种基于遗传算法和阈值分割的苹果识别方法。所提出的方法分为图像采集及图像分割两个阶段。图像采集阶段,选用白炽灯照明以获取夜间图像。在图像分割阶段,利用幂次变换改进R-G色差阈值分割法,引入遗传算法对最大类间方差求解进行优化,从而提高色差分割阈值法的算法效率。为验证算法性能,定义F值作为衡量果实颜色特征的指标。实验结果表明,与OTSU动态阈值分割法相比,文中的算法在识别准确率和识别速度均表现出较好的优越性,在保证准确率的基础上,识别速度更快。当F≥90%时,识别速度提高了12%;当85%≤F90%,准确率提高了8%,识别速度提高了13%。     

基于距离平方模板的快速质心搜索算法

智能识别领域,严格要求系统能快速准确地搜索跟踪目标质心,一个基于欧式模板的快速质心搜索算法得到了广泛应用。但该方法仅能求得近似解,难以求取目标质心的精确坐标。提出一种基于距离平方模板的快速质心搜索算法,并将该算法从二值图像推广到灰度图像的质心搜索。两种算法对同一图像质心搜索结果进行对比,欧式模板算法误差在2%～6%范围内,而距离平方模板算法精度为100%。结果表明:在精确度要求较高的场合,特别是小目标追踪识别时,必须使用距离平方模板进行目标质心的计算。     

基于中心投影形状特征的车载移动测量系统交通标志自动识别

针对车载移动测量系统所拍摄图像中的交通标志的自动识别问题,提出了一种基于中心投影特征的交通标志自动识别算法。文中详细研究了基于自适应图像分割和中心投影变换的交通标志图像的形状特征计算方法,利用信息熵解决了中心投影变换的最佳投影个数确定问题。在中心投影特征计算的基础上,利用训练后的概率神经网络实现了交通标志具体含义的自动识别。使用车载移动测量系统所拍摄的实际交通标志图像对本文算法进行了实验,并将中心投影形状特征和不变矩特征及SIFT特征的识别效果进行了对比,实验结果表明基于中心投影特征的识别方法具有最高的识别准确率。     

基于图像暗区自转方位的双半球胶囊机器人导航方法

为了实现双半球型胶囊机器人在肠道内转弯行走,提出了一种基于无线传输图像暗区自转方位的胶囊导航方法,该方法利用一种机械式铅垂角度传感器获取胶囊摄像头绕胶囊机器人轴线的自转角度;然后通过一种基于改进的BAT算法与改进的二维OTSU算法相融合的暗区质心识别计算方法提取肠道图像暗区质心,该算法一定程度上克服了肠道内壁灰度值不均匀和肠壁存在褶皱所造成的质心识别干扰;最后结合胶囊摄像头绕机器人轴线的自转角度和图像暗区质心实现对胶囊机器人的导航。     

基于机器学习识别与标记分水岭分割的盲道图像定位

视觉导盲仪是一种旨在解决盲人出行困难的导盲设备,为了实现视觉导盲仪诱导盲人找到盲道并沿盲道行走,提出了一种基于机器学习识别与标记分水岭分割的盲道图像定位算法,通过离线训练与在线的识别、分割来定位盲道区域。首先对盲道图像进行视角变换的预处理,根据盲道的地面方程将变化的倾斜视角转换为固定的俯视视角,消除射影变换带来的失真;然后利用局部二进制模式描述子提取鸟瞰图的纹理特征,以自适应增强学习算法离线训练盲道识别分类器;进而利用分类器对鸟瞰图像进行在线识别,粗略确定盲道区域;最后将识别结果进行形态学处理后作为标记,利用标记分水岭算法得到精确分割的盲道区域并定位盲道中心线。在研制的视觉导盲仪上进行验证,结果表明盲道定位准确率达到了95.44%,速度平均每秒8帧,具有高准确率的同时达到实时性要求,为盲道的准确三维定位提供了必要条件。     

基于Matlab的火焰图像着火点位置探测方法

介绍了一种在HSI彩色空间中对前景累积图像进行阈值分割的火焰图像分割算法,通过火焰的闪烁频率设定分割阈值,结合图像的颜色、质心等特征确定火焰位置,区别火源与干扰图像;采用Matlab软件对算法的可行性进行了实验,结果表明:该算法可以分割出完整的火焰图像区域,确定着火点位置。     

图像处理在医用纱布表面缺陷检测中的应用

针对医用纱布表面缺陷的特点,研究缺陷检测算法。运用迭代算法对图像进行预处理,有效地去除噪声对图像的影响。采用了一种特殊的图像分割方法即基于数学形态学的分割技术对图像进行边缘检测及分割,保证了边缘检测的连续性,能够分割出完整的缺陷目标图像。利用提取的纱布表面缺陷图像中的形态学特征对缺陷进行分类,实现纱布表面破洞、缺经、断纬等缺陷的识别目的。通过MATLAB软件对一些医用纱布图像进行测试,验证了该方法的可行性和准确率。     

基于关键帧的轻量化行为识别方法研究

针对目前双流卷积神经网络通常使用堆叠RGB帧和光流图分别提取视频的表观信息和运动信息,存在信息冗余和计算复杂度高的问题,基于时域分割网络提出了一种结合光流图、差分图像和并行卷积神经网络的行为识别算法。首先通过分析行为视频中存在的运动模糊现象,设计了一种基于图像特征量的关键帧选取算法,同时构建了一个包含表观信息流和运动信息流的改进时域分割网络,将关键帧RGB图像、非关键帧光流图像和差分图像并行地输入特征提取网络计算分类得分,最后将关键帧与非关键帧的行为类别得分进行平均融合后输入SoftMax层得到视频类别概率。为进一步降低算法的参数量和计算复杂度,设计了一种轻量化卷积神经网络作为特征提取网络。本文算法在UCF101数据集的识别准确率为94.7%,在HMDB51数据集的识别准确率为69.3%,推理速度相比于时域分割网络快了45.3%。实验结果表明,该算法能够高效利用视频的表观信息和运动信息,且具有较高的行为识别准确率。     

基于神经网络和不变矩的路面破损图像识别

提出了一种应用BP神经网络识别沥青路面破损图像的图像分割方法.将路面图像等分,用灰度方差值描述子块图像特征,利用BP神经网络对子块图像进行模式分类,并将图像子块模式矩阵的不变矩作为图像的整体特征,在此基础上设计了基于全局优化算法的前馈神经网络分类器,并进行了图像识别试验,对二值图像进行特征提取,提出了学习算法,以加快收敛速度,从而实现图像识别.     

基于智能视觉的机械零件图像分割技术

为有效获取零件特征以提高现代生产智能化、精密化水平,基于智能视觉的机械零件分割研究起着关键作用。针对航天机器人等装配车间流水线零部件智能感知问题,研究基于智能视觉的零部件图像分割算法,实现机械零部件分割识别。基于Deeplabv3图像分割算法提出一种增加自定义Encoder-Decoder特征提取模块的网络结构Deeplabv3-d,采用掩膜标记特征区域,基于该改进网络结构,采用mobile Net和Resnet101两种骨干网络进行零件图像分割对比实验,证明了该图像分割算法在零件图像分割应用领域的实用性。     

利用高斯混合模型的多光谱图像模糊聚类分割

针对传统分割算法难以实现高分辨率多光谱图像分割的问题,本文提出一种利用高斯混合模型的多光谱图像模糊聚类分割算法。该算法采用高斯混合模型定义像素对类属的非相似性测度,由于该算法具有高精度拟合数据统计分布能力,故可以有效剔除噪声对分割结果的影响。同时,引入隐马尔科夫随机场(Hidden Markov Random Field,HMRF)定义邻域作用的先验概率,并将其作为各高斯分量权值以及KL(Kullback-Leibler)信息中控制聚类尺度的参数,从而增强了算法对复杂场景遥感图像的鲁棒性,进一步提高了算法的分割精度。对模拟图像和高分辨多光谱图像分割结果进行了定性定量分析。实验结果表明:模拟图像的总精度达96.8%以上。这验证了本文算法在分割高分辨率多光谱图像时具有保留细节信息的能力,而且也证实了算法的有效性和可行性。该算法能够实现高分辨率多光谱图像的精确分割。     

基于广义反向粒子群与引力搜索混合算法的多阈值图像分割

提出了基于粒子群优化(PSO)与引力搜索(GSA)混合算法(PSOGSA)的多阈值图像分割方法来解决图像阈值搜寻过程中单一优化算法局部搜索能力不强的问题。提出了图像阈值分割领域中的广义反向学习策略,在阈值寻优过程中提高群体多样性,增强了全局搜索能力;采用了全局最优解的正态变异策略,扩展了全局最优的搜索区域,避免了算法的早熟收敛。在此基础上,实现了基于广义反向粒子群与引力搜索混合算法的多阈值图像分割方法。最后,使用本方法对复杂多目标图像进行了多阈值分割实验,并与引力搜索算法和萤火虫算法进行了比较。实验结果表明,本文方法的分割精度优于引力搜索算法与萤火虫算法,其分割目标函数值在连续运行时的标准差降低了90%以上,是一种精度高、稳定性强的多阈值图像分割方法。     

基于差商的油液监测铁谱图像自适应分割

针对油液监测中铁谱磨粒图像分割阈值难以选取的问题,本文提出一种基于差商的自适应铁谱图像分割算法。首先,将铁谱磨粒灰度图像转换成三维灰度直方图,并对其进行切片分析;然后,引入Newton插值多项式,将不同切片所得的频数作为切片灰度-频数曲线的插值点,基于差商构造第一类可接受函数和第二类可接受函数,结合实验数据确定两类误差,选取同时满足两类误差的最小灰度值作为分割阈值;最后,用本文方法对不同类型的磨粒图像以及添加高斯噪声和椒盐噪声后图像分别进行分割实验,并与经典的迭代阈值法、Otsu算法、最大熵法进行了比较。实验结果表明,本文方法受噪声干扰较小,误检率和漏检率整体优于其他3种算法。对分割所得的磨粒图像进行特征提取,并利用支持向量机进行识别,本文方法对3种故障磨粒识别准确率最高,达到82.86%,虽在运行时间上无明显优势,但综合性能最优,能满足油液监测过程中铁谱图像自适应分割的需求。     

An algorithm of image segmentation for overlapping grain image

1Introduction Imagesegmentationisprimaryissueinim ageprocessing,atthesametimeitisprincipal probleminlowlevelvisionincomputervision field.Itisthekeytechnologytoprocessimage analysis,imagecomprehensionandimagedepic tionsuccessfully.Imagesegmentationmeans thatpendingprocessingimageisdividedinto severaldifferentareaswhichhavespecialmean ingandhavenotintersectantmutual.Theimage segmentationisinwideuse,butuptonow,thereisnotuniversalmethod,andthereisnot objectivecriterionwhichjudgethatifitissuc cessf…     

基于多路径网络的权值调整图像语义分割算法

为提高图像语义分割准确程度,针对场景解析中类别边缘分辨清晰度,提出了一种基于多路径网络的权值调整图像语义分割算法。通过引入多路径网络和权值调整并对图像场景中的物体类别具有的特征进行分析,提高图像的语义分割的准确程度;通过采用ADE20K数据集进行训练,提高边缘信息的分割效果,使模型具有更好的泛化能力。此算法加快了网络收敛速度。     

基于像元相互关系的FCM聚类分割算法

针对传统模糊C均值(FCM)算法在图像分割时未考虑像元间的相互关系,且未事先给出初始聚类中心的问题,提出了一种考虑像元间相互关系的FCM聚类分割算法。该算法基于数据场原理,首先利用像元间的相互关系,通过计算各像素点的势值,形成图像数据场,然后利用图像数据场势心,确定FCM算法的初始聚类中心,最后在图像数据场的基础上,利用FCM算法实现对目标图像的聚类分割。利用人工合成图像和工件表面缺陷图像对算法的有效性进行验证,实验结果表明,该算法具有较好的分割效果,且对于条痕、脱碳、孔洞3种缺陷的不同噪声图像分割的正确率均在93%以上,同时具有较高的平均结构相似性。     

基于微分进化的最大类间方差图像分割算法及应用

通过对传统的最大类间方差胶囊图像分割法的研究,提出了一种基于微分进化算法的最大类间方差的图像分割方法,并且成功于应用于基于机器视觉的胶囊检测对象中。该方法利用胶囊图像分割阈值的实数编码序列作为样本个体,选择最大类间方差作为个体的生存适应度评价标准,进行一系列微分进化算法运算后,最终获得胶囊检测图像的理想分割阈值。实验分析结果表明该方法不仅可以达到最大类间方差法的图像分割效果,而且运行效率优于最大类间方差的图像分割方法,可以提高机器视觉中的图像分割质量。     

基于改进BBO算法的二维交叉熵多阈值图像分割

为了提高生物地理学优化(BBO)算法在多阈值图像分割中的全局搜索能力,提出一种基于改进的BBO算法的多阈值图像分割.在运用BBO算法进行优化阈值时,首先,采用精英选择算子保留出最优的几组解.其次,引入一种基于优秀解和待迁出解融合的迁移策略,以减少传统迁移操作的过早收敛以及无效迁移等行为.再次,为了减少传统变异操作的盲目性,创建一种通过二进制计算的变异操作.然后将其应用到二维交叉熵的多阈值图像分割中.最后,使用该方法对典型图像进行分割实验,并与粒子群算法的二维多阈值分割,以及基于标准的BBO算法的二维多阈值图像分割进行比较,实验结果表明:该方法具有良好的收敛稳定性,可以有效缩短迭代的时间,并且优化性能优于标准的BBO算法.     

脉冲涡流热成像的自适应异常提取算法

脉冲涡流热成像通过检测试样表面温度场异常来进行缺陷检测。试样的表面不平整带来的非相关显示,使得缺陷引起的温度异常很难被检测出来。本文提出了自适应异常提取算法,该算法使用基于局部信息模糊C均值聚类图像分割将非相关显示的干扰区域分割开来,然后采用自适应模板对各个分割区域内的像素进行预测。该算法能够用于原始热图像和其他检测算法得到结果图的异常提取。以表面不平整的焊缝裂纹试样为对象来验证算法的有效性,并进行信噪比评价。结果表明该算法能够很好地抑制非相关显示,同时激励不均匀性的干扰也得到较好的消除,缺陷的异常信息被很好地提取出来。     

基于ITK的医学影像分割算法研究

医学图像分割是医学影像领域非常重要的研究和应用课题。医学图像分割是图像分析、图像融合、图像分类检索以及医学图像专家库的应用基础。ITK（insight segmentation and registration toolkit）是美国国家卫生院专门开发的用于图像分割与配准的算法平台,专门针对医学影像领域,其中包含了丰富的图像分割的算法和操作。水平集（level-set）和区域增长法是分割领域最为成熟的分割算法。研究了水平集和区域生长算法的基本理论和算法基础,以及在图像分割上的应用和实现,分析了这两种算法的特点和应用范围。