基于颜色特征和差直方图的苹果叶部病害识别方法

识别苹果病害是一个重要的研究课题,该研究成果对大面积苹果病害监测具有重要意义。针对苹果常见的3种叶部病害,提出一种基于颜色特征和差直方图的苹果叶部病害识别方法。首先采用改进的mean-shift图像分割算法分割病害叶片图像的病斑,然后计算病斑的颜色特征和差直方图作为病害的分类特征。该特征不仅反映病斑图像的灰度统计信息,还反映病斑图像的空间特征和灰度的渐变度,而且对病斑图像的光照、平移、旋转具有不变性。最后利用支持向量机识别病害类型。在3种常见苹果叶部病害叶片图像数据库上的试验结果表明,该方法能够有效识别苹果常见的叶部病害,平均识别率高达96%以上。该方法为苹果病害的智能诊断系统提供了技术支撑。

基于和差直方图的岩屑纹理分析与分类识别

随着PDC钻头的推广使用,传统的岩屑录井方法已难以分析如此细小的岩屑。基于数字图像处理技术对岩屑分类识别技术进行研究,首先利用和差直方图统计方法对岩屑进行纹理特征分析和提取,接着运用贝叶斯分类器进行分类识别,实验结果表明,此统计特征提取方法对于大部分岩屑可以很好地获取其主要特征,并最终取得理想的识别结果。此技术的发展将提高现场录井人员的工作效率和识别准确率。

B超图象的纹理识别

根据肝脏B超图象的特点 ,提出利用分形特征配以和差直方图提取特征参数进行纹理识别 ,实验结果表明 :该方法分类精度高且计算速度快 ,克服了它们各自作为特征对肝脏B超图象进行纹理识别时 。

基于颜色特征和纹理特征的岩屑岩性识别

针对现有条件下的岩屑录井中岩屑识别率低、识别速度慢等问题,从特征提取和分类器方面对岩屑岩性识别进行了分析研究.采用二级分类器的思想,首先通过颜色特征和和差直方图特征采用朴素贝叶斯分类器将岩屑粗分为泥岩和砂岩,然后进一步采用贝叶斯分类器,通过颜色特征和和差直方图特征分别将泥岩和砂岩进行进一步的细分.实验结果表明,粗分的识别率、泥岩细分的识别率和砂岩细分的识别率分别能达到94.79%、97.59%和90.28%.这种识别方法更加符合现实的应用需求,有着更高的识别率,为岩屑岩性分析工作提供了可靠的依据.