基于RSM算法的烟叶含水率监测

为探讨将随机子空间RSM(Random Subspace Method)算法应用于烤烟烟叶含水率的监测中,采摘贵烟8号烟叶样本,在09:00-12:00时间段进行可见光采样,并对图像亮度进行梯度处理,以此模拟全天光线变化。采用烟叶样本实测含水率和图像RGB三阶颜色矩数据作为数据集,对样本使用RSM算法建立含水率回归模型,并与LM(Levenberg Marquardt)神经网络算法和支持向量机(Support Vector Machine,SVM)算法进行比较。结果表明,基于烟叶RGB颜色矩的RSM算法具有较好的应用效果,其回归模型决定系数R 2为0.9202,均方根误差(RMSE)为0.56%,相对分析误差(RPD)为3.5483。故基于随机子空间RSM算法的烟叶含水率回归模型具有较好的稳定性,能实现对烟叶含水率的监测。

基于颜色矩的图像检索算法研究

为克服基于文字的图像检索技术对大型图像数据库实施困难、描述不完整等弊端,对RGB颜色矩和Munsell颜色矩进行研究,RGB颜色矩只适用于简单图像,Munsell颜色矩无法判断图片具体信息。为此,采用信息融合技术进行检索判断层的融合,选择多颜色空间融合颜色矩,在分析传统融合算法基础上,提出一种改进融合算法NewcombMNZ。实验结果表明,该算法能提高检索精准度和排序值,对噪声具有良好的鲁棒性,且能减少检索性能较差的特征对融合结果的影响,适用于特征数量较少的情况。

一种新的运动检测及轮廓追踪方法

构建了基于块区域二阶矩比的三帧差分运动检测模型,应用文献[1]中的核密度估计模型来滤除其中的非运动区域,并采用支持向量聚类实现多目标检测。给出了运动物体轮廓快速追踪的RW算法,该算法不必考虑检测区域内部的细节问题,能够充分利用所检测到的边缘信息,比较符合人眼对轮廓的搜索习惯。最后给出了实验结果。

基于内容的服装检索系统中颜色特征提取算法的研究和改进

本文主要研究服装检索系统中颜色特征提取算法。本文首先分析了传统颜色直方图算法用于服装检索时存在的几个问题,接着分别采用切割图像直方图算法、颜色矩算法和前景色颜色直方图算法进行服装图像的颜色特征提取。本文对三类服装:纯色、带少量图案和花色服装分别进行了实验,实验结果表明,三种算法各有不同的适用范围和优缺点。在此基础上,本文将上述三种算法进行线性加权组合,提出了一种基于加权欧氏距离的改进算法。测试过程中,通过修改三种算法的权重比调整各算法的权重,并对三类服装分别计算其查准率和查全率,分析不同权重比下改进算法的检索效果。大量实验结果表明,改进算法对于三类服装的检索效果都比较稳定。特别是对于带少量图案的服装,改进算法比单一算法的查准率有显著提高。实验还发现,当切割图像颜色直方图、颜色矩和前景色颜色直方图算法的权重比为1∶4∶5时,检索效果最好,无论是查准率还是查全率都较高,均优于单一算法。

基于邻域颜色矩直方图的胃窥镜图像检索

针对彩色胃窥镜图像丰富的颜色信息,在HSV颜色空间量化聚类后,利用多邻域颜色矩直方图和原始的量化聚类直方图的方法,再运用PCA算法降维,进行检索,最后利用相关反馈技术进行多次检索。实验表明,利用该方法在各种性能评价指标下都具有较好的效果。

基于颜色与形状图像检索的研究

针对图像检索技术中单一的底层特征检索效果差以及图像分割方法的优劣对形状特征提取造成的瓶颈问题,提出了一种颜色与形状相结合的新方法。其思想是采用颜色矩方法提取出九个颜色特征分量;通过Ostu阈值分割法计算出的阈值来确定Canny算子的高门限,从而采用改进后的Canny算子完成图像分割,进而提取出七个Hu不变矩形状特征分量;并利用图像检索的CBIR模型,将颜色特征分量与形状特征分量相结合。实现了一个图像检索系统。实验结果表明,提出的新方法改善了检索效果,而且对直方图具有双峰性的图像检索效果更好。

基于颜色特征的地板层次分类研究

为提高地板生产过程中分类处理的自动化程度及其快速性,提出了一种基于地板颜色特征的层次分类方法。在HSV色彩空间提取出地板的颜色矩特征,并给予色调特征数据以较高权重,降低纹理特征对分类的影响。在对未知样本分类时,利用预先建立的粗细两层分类依据库,采用最短距离决策、K-最近相邻对未知地板样本由粗到细进行逐层判定。测试结果表明,该分层处理方案在保证较高的分类正确率(95.6%)的基础上,有效地减少了K-最近相邻的数据处理量。

基于四元数矩阵与遗传优化逻辑曲线的鲁棒图像水印算法研究

传统彩色图像水印算法鲁棒性与视觉效果难以达到同步最优,对此,提出了一种基于四元径向矩并利用遗传算法优化逻辑曲线的彩色图像水印算法。将目标图像分为若干块,对所有块进行复杂度分析;然后通过遗传算法对逻辑曲线的优化实现水印性能参数的优化,并根据目标图像的复杂度自适应地调节水印嵌入的强度。对比实验结果表明,本算法所获得的水印图像具有良好的视觉效果,同时对信号处理攻击与几何攻击均具有较好的鲁棒性。

决策树C4.5对草药形状特征的优化研究

目的：利用决策树分类方法探讨一种新的图像特征优化降维方法。方法首先利用图像滤波、灰度阈值、腐蚀运算等图像操作对新疆草药图像做分割预处理，获取草药图像感兴趣区形状，然后提取草药形状的 Fou-rier-Mellin 矩、Hu 矩等形状特征及图像主颜色直方图特征共14个特征分量；最后应用决策树 C4．5分类算法，在不同草药形状特征分量组合下比较草药图像分类准确率，经过优化分析，选用 Hu 矩的 H2、H4和图像主颜色直方图特征的 C1～C3特征分量构成图像形状颜色混合特征的5个特征分量，用于草药图像分类。结果决策树分类方法准确率达到88．55％；将优化后的图像形状颜色混合特征用于图像检索，其检索结果集前60张图的平均查准率达到89．31％，实现形状特征分量的优化降维。结论利用决策树分类方法可以进行图像特征优化降维，降低图像形状颜色混合特征维数，提高图像分类准确率和图像检索效率，为进一步图像特征的优化研究提供参考。

基于K-means和特征提取的植物叶部病害检测与实现

针对植物常见叶部病害的检测并提高准确率,提出了基于K-means的图像分割和颜色特征提取的算法。以苹果枯叶病为研究对象,应用K-means算法先进行病斑叶片的图像分割,再提取三阶颜色矩参数,与正常叶片参数进行对比分析;实验测试表明,该方法能较好的识别苹果枯叶病,具有较好的鲁棒性,且准确率较高。

图像情感语义分类及检索研究

提高情感语义映射和检索的准确率是图像检索的研究主题。在情感语义映射模型中,将图像的形状七阶矩和颜色矩作为模糊神经网络的输入,对网络的权值和阈值进行二进制编码,作为遗传算法的染色体串,通过遗传算法寻优得到情感语义映射效率最高的个体编码。在检索模型中,用遗传算法对图像匹配算法进行优化,直接找到最适合匹配的子模板坐标。相比传统的序贯相似检测算法,模型大大提高了图像匹配的效率。通过查全率与查准率的对比结果可知,经遗传算法优化后,图像情感映射和检索的性能均得到了明显提升。

复杂背景图像中军用靶子识别算法研究

提出了一种新的靶子图像识别算法,专门针对野外实弹射击采集的、具有复杂背景的图像。首先利用颜色特征,通过RGB空间转换到HSI空间、S通道阈值分割、融合I通道信息、第二次阈值分割、形态学后处理等步骤,进行一次粗分割;然后利用区域特征,提出了一种基于AdaBoost学习算法的靶子分类器设计方法,可以较好地将靶子区域同其他杂质区域分开,得到最终识别结果。

基于几何矩的自适应手势跟踪算法研究

在Mean-Shift算法基础上,提出了一种新算法:用肤色检测与寻找最大连通域相结合的方法来自动选取跟踪的手势;采用图像几何矩替代Mean-Shift矢量,可以有效地跟踪到手势目标而且可以实现跟踪窗尺度随手势目标大小、角度及形状的改变而改变.实验结果表明,本算法成功地对动态且有形变的手势进行了实时跟踪,并且捕捉到其运动轨迹.算法平均每s约处理27帧图像,可以满足实时性要求.

基于Zernike矩的新型Retinex图像增强方法研究

针对传统的Retinex算法对雾天和彩色图像增强时,会出现色彩恢复不协调,光照分布不均匀这类缺点,提出了一种新的基于Zernike矩模型的Retinex图像增强方法。通过在HSV空间中求解图像V分量和S分量的Zernike矩来提取图像的背景灰度和阶跃高度,然后调节邻接像素内灰度变化差异和区域饱和度的相关性,进而增强图像的亮度,恢复图像的色彩。实验结果表明,该方法有效地解决了图像色彩恢复和光照恢复不足这一问题,而且对不同特点的图像都有良好的适应能力。

基于otsu算法和Hu不变矩的交通信号灯识别

针对智能汽车交通信号灯的识别问题,提出了一种高效准确的识别方法。首先对源图像进行形态学预处理,采用顶帽(top-hat)操作,强化待检测区域的亮度;接着应用otsu算法,自适应选取阈值,对源图像进行二值化处理;然后提取各区域轮廓的面积、周长、Hu不变矩,筛选检测交通信号灯所在区域;最后利用交通信号灯各颜色H分量的分布差异,通过颜色直方图来判断信号灯的颜色。实验结果证明,该方法能够对交通信号灯进行准确有效的识别。