基于SVM的植物病斑区域分割

利用计算机视觉技术进行植物病斑快速分割,具有分割精度高,分割速度快的特点。基于bp神经网络的植物病斑分割方法,具有需要大量的训练样本的缺点。文章采用SVM方法进行植物病斑分割,该方法能够在小样本上,取得与bp神经网络相当的效果。     

棉花叶部害螨病斑形态特征提取

针对当前农作物病害诊断存在的效率较低、难以保证精确度等问题,提出运用计算机图像处理技术进行棉花害螨病斑特征提取的方法.该方法以棉花害螨病叶为研究对象,利用中值滤波法对噪声的干扰进行有效的去除;结合运用超绿特征2G-R-B分割算法和面积阈值法将害螨病斑区域从病叶图像中有效分离出来;最后依据分割好的病斑样本图像,运用二值图像区域标记法准确提取出病斑的8个形状特征值.对提取的数据进行分析,得出病斑的圆形度、伸长度紧凑度和内切圆半径等4个相对值特征能有效地体现病斑的形状特征,可以作为识别病害症状的依据.试验结果表明,该方法准确有效.     

基于阈值分割及分形特征的纸病图像识别算法研究

针对脏点、孔洞、褶子和裂口等常见的典型纸病识别问题,在分析纸病图像灰度特征及分形特征基础上,提出了一种基于图像双阈值分割盒维数特征的纸病识别算法,该算法采用灰度阈值分割提取纸病区域及二值数字图像分形盒维数计算结果,确定纸病类型.实验结果表明,该算法识别率较高,且简单迅速.     

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。     

马尔可夫随机场在纸病检测中的应用研究

纸病检测是造纸生产过程中重要的环节,现有的纸病检测系统一般采用阈值算法或边缘检测算法对图像进行分割。为解决阈值分割和边缘检测分割方式中存在的误分以及过度分割问题,本研究提出了基于马尔可夫（MarKov）随机场的纸病图像分割方法。通过MarKov随机场理论对纸病图像纹理进行分析得到纹理特征参数,利用纹理特征参数以及最大差值对正常背景和纸病区域进行分割。结果表明,相比于其他分割算法,基于MarKov随机场的纸病图像分割方法可有效提取出纸病图像的纹理细节和轮廓特征,提高分割的准确度。     

基于相位一致性的低对比度纸病识别算法研究

针对机器视觉检测低对比度纸病,存在常规的阈值分割会引起低对比度纸病信息丢失以及边缘检测存在鲁棒性差的问题,本课题提出了一种基于相位一致性算法识别低对比度纸病的方法,并与常规的阈值分割以及边缘检测中具有代表性的canny算子进行了对比分析。结果表明,当识别低对比度纸病时,本课题提出的方法不仅保留的有用信息较常规阈值分割的多,而且鲁棒性较canny算子的边缘检测好。     

基于机器视觉与支持向量机的核桃外部缺陷判别分析方法

使用3CCD高精度面阵相机采集新疆多个品种核桃RGB图像,设计一种自适应双阈值的Otsu法,快速、准确地分割出缺陷区域;基于分割区域的几何、纹理等20 个初始特征,转换为新的9 维特征向量集;以该特征集为输入,建立基于贝叶斯、BP神经网络与支持向量机的15 个识别模型,对比评价其适应性,以及裂缝、碎壳、黑斑3 类核桃外部缺陷的识别性能与时间。结果表明,基于径向基的支持向量机识别模型效果最好,对3 类缺陷的验证集平均识别率分别为93.06%、88.31%、89.27%,对缺陷的总识别率为90.21%,平均识别时间为10－4 s级。研究成果能够用于今后核桃缺陷的在线检测与分级,同时也为坚果等其他作物品质的在线检测识别提供一定参考。     

一种改进的植物叶片病斑区域边缘提取技术

针对传统Canny算子边缘检测时容易丢失边缘细节的缺陷,提出了一种改进的植物叶片病斑区域边缘提取技术。运用最大类间方差法对病害图像进行二值化,添加对两个斜方向上梯度信息的提取,更加完整地保存了梯度信息,从而得到更完整的边缘图像。实验结果表明,本文方法能够有效地滤除图像中的噪声,检测到细节梯度,去除伪边缘和噪声边缘,得到更加精确的病斑区域边缘。     

基于双参数阈值的蚕茧分割及双宫茧识别研究

针对粘连蚕茧难以准确分割、现有双宫茧识别方法局限性等问题,本文提出了基于双参数阈值的蚕茧分割计数、蚕茧形状复原及双宫茧识别的串联算法。首先,应用可变分割阈值结合形态学运算的方法对图像进行分割计数,再遍历完成分割的每个蚕茧的像素点,应用基于边缘检测与椭圆拟合的蚕茧形状复原方法拟合蚕茧形状,然后计算蚕茧长短轴比值和面积参数,采用双参数多级阈值对双宫茧进行检测。实验结果显示,图像分割计数准确度为100%,双宫茧全部检出,双宫茧与单宫蚕茧分类准确率为98.6%。该方法检出了面积阈值法易漏检的小双宫茧,也较准确地识别出与长短轴比值阈值接近的蚕茧类型。     

基于图像饱和度的棉花异性纤维图像快速处理方法

图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。作为机器视觉检测技术的关键,图像分割方法决定着机器视觉检测的效果。在最近几年,各种分割方法得到了广泛的应用,包括单阈值分割、多阈值分割、自适应阈值分割等基于阈值的分割,基于边缘检测算法的分割,以及基于区域的分割。但是没有一种分割方法是通用的,各种分割方法的有效性还是取决于被分割对象,而这些方法在速度方面不适合     

基于机器视觉的组培苗自动化识别方法研究

为了使组培苗视觉识别系统能够引导机械手臂实现组培苗的自动抓取、移栽作业,提出一种基于机器视觉的组培苗自动识别方法。通过对采集到的图像进行灰度变换、滤波、阈值分割、骨架提取等图像处理过程,能够对组培苗进行精确的识别,并且能够自动识别交叉点并判断交叉苗的上下位置。对实验室所采集到的100幅图像进行图像处理并识别的结果显示,该算法准确率达到90%,并且不受组培苗摆放位置和摆放数量的影响,有很强的鲁棒性。     

应用目标稀少特征的织物疵点图像分割

应用自适应阈值分割方法进行织物疵点检测,其阈值选择一直是研究的难点问题,为此,在研究目标特征的基础上,提出了一种利用目标稀少特征确定最佳阈值的织物疵点图像分割方法。首先,对采集织物图像进行滑动均值滤波,以抑制正常织物纹理信息对疵点检测的影响;然后,对织物图像进行预分割以确定最佳稀少度,在此基础上计算出最佳分割阈值;最后,利用最佳阈值进行织物疵点图像分割,并采用形态学滤波消除伪目标及噪声。结果表明,本文方法能够解决织物疵点分割中的最佳阈值确定问题,能够从织物纹理中有效分割出疵点信息。     

基于颜色特征的含黄曲霉毒素玉米颗粒的检出方法

为快速准确识别出感染黄曲霉毒素的玉米颗粒,基于黄曲霉毒素在365 nm紫外光照射下可发出黄绿色荧光(bright greenish-yellow fluorescence,BGYF)的特性,提出了一种以颜色为特征量的感染毒素颗粒的检出方法。首先针对同一组玉米颗粒样本分别获取其在紫外光和可见光下的2幅图像,对可见光图像进行二值化、颗粒区域填充等预处理操作,得到玉米颗粒的轮廓与位置信息;然后将进行彩色增强后的紫外光图像与预处理后的可见光图像掩膜;最后在掩膜图像中通过RGB模型中G通道下的阈值作为分割参数识别玉米颗粒上的感染区域。结果表明,所提出的识别方法对能够发出荧光的含黄曲霉菌玉米颗粒识别准确率达到84%以上,对含有黄曲霉毒素的正确检出率可达77.8%以上,能够达到区分检测的要求。     

一种基于机器视觉的纸病识别方法

提出了一种基于图像灰度变换和BP神经网络的纸病识别算法。该算法是利用动态双阈值法和图像合成法对图像进行预处理,提取出纸病的特征值,再利用BP神经网络对纸病进行分类。结果表明,BP神经网络分类器可以很好地识别出纸病图像中的孔洞、脏点和褶皱,平均识别率达93.8%。     

自动点卤槟榔图像识别方法研究

针对机器对槟榔点卤出现漏点或者点空的情况,提出了一种基于H分量的图像分割方法来识别槟榔。将采集到的RGB彩色图像进行伽马增强再转换至HSV颜色空间,分离HSV颜色空间得H通道图像,再对H分量图像进行Otsu图像分割处理,结合图像形态学和区域生长法去除二值图像中出现的孔洞和小连通区域,最后通过绘制矩形框操作对识别出的槟榔进行标注。结果表明,该方法能完整地将槟榔从背景中分割出,且不会出现过度分割或者分割不足的问题。     

虫蛀麦粒的太赫兹成像检测方法研究

针对小麦蛀食性害虫过去检测缺乏有效的技术手段问题,本研究将太赫兹成像检测应用到麦粒内部结构检测。首先,在太赫兹光谱仪加装反射成像模块,设置回波时延30~33 ps,对麦粒内部结构进行太赫兹层析成像;然后,针对麦粒内部结构太赫兹剖面图,采用最大类间方差法分割图像中的蛀食区域,并引入遗传算法,提高了最大类间方差法求解最佳阈值的效率,实验结果表明,本文的方法能够有效地识别出麦粒内部的虫蛀区域。     

虫蛀麦粒的太赫兹成像检测方法

针对小麦蛀食性害虫过去检测缺乏有效的技术手段问题,本研究将太赫兹成像检测应用到麦粒内部结构检测。首先,在太赫兹光谱仪加装反射成像模块,设置回波时延30~33 ps,对麦粒内部结构进行太赫兹层析成像;然后,针对麦粒内部结构太赫兹剖面图,采用最大类间方差法分割图像中的蛀食区域,并引入遗传算法,提高了最大类间方差法求解最佳阈值的效率,实验结果表明,本文的方法能够有效地识别出麦粒内部的虫蛀区域。     

基于贝叶斯阈值的纱线毛羽检测方法研究

研究基于贝叶斯阈值的纱线毛羽检测方法。首先利用图像增强以及保边递归滤波对纱线图像进行预处理,以增强纱线毛羽与背景之间的对比度;其次,利用贝叶斯阈值对预处理后的图像进行像素级分割,并去除条干,获得纱线毛羽;最后对获得的毛羽进行细化,并利用像素法对细化后的毛羽进行统计分析,计算出纱线毛羽长度、毛羽根数、毛羽面积指数及毛羽长度指数等指标。与等距线法及YG172A型纱线毛羽测试仪的检测结果相比较,本研究方法能够精确计算出纱线毛羽的各项指标。     

Otsu多阈值分割算法的研究

在图像分割中,确定阈值是关键,但已有选择阈值的方法多是单阈值法,不适用于多目标识别.鉴于此,提出了一种改进的基于一维Otsu的多阈值分割算法.该算法通过对图像多次分类、使用分离变量合并多余的分类、使用松弛变量搜索阈值等方法提高了运算速度.实验效果验证了该算法的有效性.     

基于最大熵阈值算法的织物疵点检测与疵点织物应用

对织物表面出现的断经、断纬、破洞、油污等疵点进行识别并在实际中应用。将熵阈值分割应用于图像处理,通过最大熵阈值分割的迭代运算,将目标区域与背景区域分割开,即将织物疵点区域与正常区域划分出来,然后进一步对图像进行特征化处理,同时将实际生活中的乞丐装样式织物进行特征化处理,经过二者之间的特征化图像比对,确定疵点织物应用于实际生产的样式,以实现对疵点织物的有效利用。