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。     

基于改进和声搜索算法的玉米叶片病害图像分割算法

针对最大类间方差法在图像分割时存在造成噪声干扰和过分割的缺点,提出一种基于改进和声搜索算法的玉米叶片病害图像分割算法。算法将玉米叶片病害图像编码处理,选取图像的类间方差作为改进和声搜索算法的适应度值,通过改进和声搜索算法寻找最优的分割阈值,利用该最优阈值使用经典最大类间方差法对玉米叶片病害图像进行分割。选取强光、中光、弱光条件下三幅玉米叶片病害图像进行分割实验,结果表明采用基于改进和声搜索算法的玉米叶片病害图像分割算法较最大类间方差法和基于混合蛙跳算法的图像阈值分割算法均具有较好的图像阈值寻优能力,可有效提高玉米叶片病害图像中病斑分割的效果。     

基于形态学和小波变换的烟叶病斑分割

烟叶病虫害分割是提高烟叶质量的重要保证。针对传统分割方法的分割精度和效 率不够理想的问题,提出了一种结合形态学和小波变换的 Otsu 算法用于烟叶病斑的分割。首先 对背景区域进行数学形态学处理,获得烟叶的叶面图像;然后选择小波系数分解叶面图像,再 将分解后的图像进行低频重构,去除噪声的影响;最后应用 Otsu 算法对叶面图像进行二次分割 得到病斑。由于形态学的开、闭运算分别能提取图像中的明暗细节特征,所以该分割方法能有 效减少背景对病斑区域的干扰,从而提高分割精度和效率;通过小波多分辨率分解,可以克服 冗余信息和噪声的影响,进一步提高了分割的精度。采用不同种类的烟叶病斑图像进行实验, 结果表明,该方法能够有效地分割出烟叶病斑,并且也适合于分割其他作物的病害。     

TCAS板卡红外诊断系统中红外图像分割研究

传统的Otsu算法对于非双峰直方图图像分割有很大局限性,采用改进的基于迭代自组织(ISODATA)聚类法的Otsu算法对TCAS板卡的红外热像进行分割处理,首先利用Otsu算法计算分割阈值,然后利用ISODATA聚类法求出Otsu阈值算法的目标函数的标准差,将板上的电子元器件清晰的分割出来,为后续的故障诊断提供有效的保证.仿真结果表明,相对于传统的Otsu算法,这种方法针对TCAS板卡红外热像的图像分割更为有效.     

基于局部二值模式的作物叶部病斑检测

根据作物叶片症状准确、快速检测作物病害是防治和控制作物病害的基础。为准确检测作物叶部病害,在窗阈值中心对称局部二值模式（WTCSLBP）的基础上,提出了一种作物病斑检测方法。首先利用自适应局部二值模式获取正常叶片图像特征并确定病斑判断阈值,然后将待检测叶片图像分割为大小相同的检测窗,并提取同样特征与阈值进行比较,以判断该检测窗是否有病斑。在三种苹果病害叶片图像数据库上的实验结果表明,该方法能够有效检测作物病斑分布特性。与中心对称LBP（CS-LBP）和WTCSLBP相比,该方法具有更少的特征维数和更高的正确识别率。     

双通道卷积神经网络在南瓜病害识别上的应用

针对南瓜病害识别工作量大、病害甄别难度高和农药利用率低等问题,提出一种基于K-means聚类与LBP特征的南瓜叶片病害识别方法,为智能机器人精准施药作业提供理论依据与技术支撑。该方法基于K-means聚类分割南瓜叶片病斑并经过形态学处理去除噪声,然后标定病斑采样区计算病斑LBP特征图,最终经由双通道特征提取网络及特征融合网络完成对病斑全局特征与细节特征的提取并使用Softmax分类器进行南瓜叶片病害识别。实验结果显示,提出的南瓜叶片病害识别方法能够以较高的准确率识别叶斑病、白粉病及霜霉病,性能优于采用病斑灰度图和LBP特征图的单通道CNN病害识别方法,满足施药机器人精准施药作业要求,利于南瓜病害防治工作。     

基于L*a*b*彩色空间和局域动态阈值的药用植物叶片图像分割

叶片图像分割是自动化分类的先决步骤。提出一种基于L*a*b*彩色空间和局域动态阈值的叶片图像分割方法。该方法首先把叶片的RGB图像转换为L*a*b*图像;然后针对b*通道图像,估算出目标叶片所在的局部矩形范围;在此范围内,统计获得像素值分布直方图;最后利用最大类间方差阈值分割法,先算出局部矩形范围内的阈值继而进行全图的分割。实验结果表明:该方法对已采集的叶片图像,包括颜色偏暗的叶片的图像,均具有良好的分割效果。由于锁定目标叶片所处的局部矩形范围,找到了适应于目标叶片分割的阈值,从而更好地实现了南天竺等叶片图像的分割。此外,分割过程不包含数学形态学的开闭运算,使得叶片边缘的细节得以完整保留。     

扁豆病害叶片的病斑剥离分割

传统的分割方法针对目标和背景灰度值差距大的图像能得到较好的分割效果,但在对正常叶片和病斑灰度值相似度高的扁豆病害叶片图像分割时,难以得到理想的目标病斑。针对该问题,提出了一种适合正常叶片和病斑相似度高的图像剥离分割方法。该方法包括初始分割和二次分割两个步骤。初始分割是基于样本图片的彩色梯度图,采用最大类间标准方差与分水岭相结合的算法获得病斑粗略区域。二次分割是对粗略目标区域进行模糊C聚类分割得到目标病斑。实验结果表明,该剥离分割算法能提高病斑分割精确度,较好地分割出病斑目标。     

小麦冠层图像H分量的K均值聚类分割

大田环境下小麦冠层图像具有光照不均匀、背景复杂及阴影遮挡等特点,经典图像分割算法存在精度低、过分割等问题,提出一种基于HSI空间下H分量的K均值聚类算法。使用[R+G-B]归一化处理RGB空间下的彩色图像,以抑制其B分量;将归一化图像进行RGB到HSI的颜色空间转化;根据光照是否均匀,使用K均值聚类算法对彩色图像的H分量进行不同的聚类处理,经形态学开运算及去噪处理获得最终目标图像。实验表明,该方法对不同施氮量、不同光照、不同生长时期小麦冠层图像的分割效果较好,相对基于Lab空间的K-means聚类分割,该方法可一定程度避免过分割现象;相对基于H分量的Otsu算法,对光照不均匀图像分割更完整,对复杂背景图像分割更精确。     

一种改进的舰船红外图像分割算法

图像分割在图像分析和识别中具有重要的意义,针对最大类间方差法—Otsu法在复杂背景或目标灰度与其周围背景灰度相差不大情况下,目标相对面积较小时易出现目标与背景误分割的问题,提出了一种改进的Otsu法。该算法先对预处理后的红外舰船图像归一化投影,然后,按一定阈值对图像进行裁剪,最后,利用Otsu法进行分割。实验结果表明:与Otsu法、递归Otsu法相比,该算法能够更好地分割出目标。     

改进的快速Otsu自适应分割算法及其应用*

对Otsu算法因灰度直方图峰值不明显导致分割效果差提出了改进,根据分割目标背景信息的先验值对类内灰度值进行调整,通过迭代计算,使类间方差最大化,从而自动确定阈值,并应用于虹膜图像分割。实验结果表明,该算法对虹膜图像分割效果好,运算速度快,具有一定的鲁棒性和自适应性,可用于虹膜图像的实时分割。     

改进的交互式Otsu红外图像分割算法

为提高红外图像中目标分割的精度和抗噪性能,提出了一种改进的交互式Otsu图像分割算法。采用图像信息熵特征和类间方差特征对经典Otsu算法的阈值判别函数进行改进,获得的最优阈值能较好地将目标从背景中分割出来,且具有良好的边缘保持效果,提高了算法的分割精度。同时,针对红外图像目标单一的特点,采用交互式粗分割的思路,先在红外图像中提取包含目标的局部封闭区域,进而在提取的区域内进行改进的Otsu分割。通过对红外图像激光光斑目标提取过程的实验结果表明：改进的Otsu分割算法大大降低了背景噪声对分割算法的影响,提高了抗噪性能与分割精度,且最大程度地减少分割算法的运算量,并较好地保持了目标模糊边缘,分割效果优于传统的Otsu算法和相关的改进Otsu算法。     

Skin cancer extraction with optimum fuzzy thresholding technique

This paper discusses a new approach to segment different types of skin cancers using fuzzy logic approach. The traditional skin cancer segmentation involves the analysis of image features to delineate the cancerous region from the normal skin. Using low level features such as colour and intensity, segmentation can be done by obtaining a threshold level to separate the two regions. Methods like Otsu optimisation provide a quick and simple process to optimise such threshold level; however this process is prone to the lighting and skin tone variations. Fuzzy clustering algorithm has also been widely used in image processing due to its ability to model the fuzziness of human visual perception. Classical fuzzy C means (FCM) clustering algorithm has been applied to image segmentation with good results; however, the classical FCM is based on type-1 fuzzy sets and is unable to handle uncertainties in the images. In this paper, we proposed an optimum threshold segmentation algorithm based on type-2 fuzzy sets algorithms to delineate the cancerous area from the skin images. By using the 3D colour constancy algorithm, the effect of colour changes and shadows due to skin tone variation in the image can be significantly reduced in the preprocessing stage. We applied the optimum thresholding technique to the preprocessed image over the RGB channels, and combined individual results to achieve the overall skin cancer segmentation. Compared to the Otsu algorithm, the proposed method is less affected by the shadows and skin tone variations. The results also showed more tolerance at the boundary of the cancerous area. Compared with the type-1 FCM algorithm, the proposed method significantly reduced the segmentation error at the normal skin regions.     

基于遗传算法的自适应聚类图像阈值分割方法

文中针对复杂背景条件下的红外图像分割问题,将遗传算法引入最大类间方差法中,同时结合人类视觉感知原理,探讨了一种新的多阈值图像分割方法即基于遗传算法的图像阈值分割方法,该算法引入了一个自动判别且时空可变的目标背景条件和调整最佳分割区域的步骤,提高了分割算法的质量及鲁棒性,克服了传统阈值方法在图像分割中的局限性。通过计算机仿真实验,验证了该方法的有效性。     

新的基于分解直方图的三维Otsu分割算法

Otsu是图像处理领域一种常见的图像分割方法.为了解决传统的三维Otsu法时间复杂度高、抗噪性低等缺点,提出了利用直方图投影技术和直方图分解技术对三维直方图降维,将其拆分成一个一维直方图和一个二维直方图,分别用一维Otsu法和二维曲线型Otsu法求阈值,再用获得的阈值确定图像点的归类.实验对比结果表明:该方法分割效果较好,运行时间短,能满足实时性的要求.     

细胞膜机制萤火虫算法优化多阈值Otsu图像分割

图像阈值分割是将灰度图像转换为二值图像的常用图像分割方式.经典多阈值Otsu算法对复杂图像进行分割取得了很好的效果,但是其采用穷举方法来寻找最优阈值是非常耗时的.针对这一问题,本文提出了一种基于细胞膜和自适应步长萤火虫混合优化算法的多阈值Otsu图像分割方法.利用萤火虫算法的启发式搜索来寻找图像分割的最优阈值很好地降低了算法的时间复杂度,并且在萤火虫算法中混合细胞膜算法很好地解决了萤火虫算法的"早熟"现象.实验结果表明,与经典多阈值Otsu法和萤火虫算法优化多阈值Otsu法相比,本文提出的算法具有更高的收敛速度和更好的图像分割效果,并且有效解决了萤火虫算法易陷入局部最优的问题.     

图像的自动阈值分割研究

本文通过对图像进行二值化的处理分析,探讨如何选取最合适的阈值来分割图像,采取基于OTSU 算法的单 阈值分割法,根据类间方差最小的原理,能自动选取最佳阈值,使图像的目标部分和背景部分得到最好的分割。     

基于小波包与Otsu的含噪遥感图像分割算法

最大类间方差(Otsu)在用于含噪图像的分割时,不能取得理想的分割效果。针对该问题,在Otsu分割方法的基础上,结合小波包分析,提出一种新的含噪遥感图像分割算法。该算法用小波包对含噪遥感图像进行分解,采用自适应阈值的方法去除图像中的噪声,应用Otsu方法对图像进行分割。仿真实验表明,该算法具有较好的抗噪性能及分割效果。