数学形态学在木材表面缺陷图像分割后处理中的应用

介绍了数学形态学的基本思想和运算。针对木材表面缺陷图像分割效果不完善的问题,提出基于数学形态学的图像后处理方法,包括应用数学形态学的填充操作、形态滤波以及形态梯度边缘检测等。经实验验证,应用数学形态学进行图像后处理,增强了木材缺陷图像分割结果的可视性和准确性。

集装箱号识别中图像及字符的处理分割技术

详细介绍了一种实际应用的集装箱号识别系统中的图像及字符的处理和分割过程。在Matlab中实现定位后的图像处理及字符分割,达到了很好的分割效果,应用神经网络相关的BP算法,可以显著提高模式识别率。图像、字母和数字分割准确率达到98%。

电视制导导弹目标图像处理改进研究

在使用电视制导导弹对目标的攻击过程中,对目标图像的分割处理直接影响到攻击效果。因此,选择一种合适的图像分割方法,确保目标图像处理质量高、速度快、实时性好,显得尤其重要。将遗传算法的快速寻优原理和类间方差法的优点结合起来对类间方差法进行改进,并在模拟平台上进行仿真。仿真结果表明,改进后的类间方差法处理效果好且计算速度快,该算法是有效的。

自动监测装置用温室粉虱和蓟马成虫图像分割识别算法

为了监测温室黄瓜作物虫害种类、数量变化情况以预测虫害发展趋势,该文以粉虱和蓟马为例,提出了一种基于Prewitt、Canny边缘检测算子分割和SVM(support vector machine)的温室粉虱和蓟马诱虫板的图像识别算法。该方法利用HSI(Hue-Saturation-Intensity)颜色空间的I分量与L*a*b*颜色空间的b分量二值图像中害虫目标与背景的高对比性,再分别相应地利用Prewitt算子和Canny算子进行单头害虫边缘分割,再经过形态学处理,最后融合这两幅二值图像完成单头害虫区域的提取。然后提取害虫的5个形态特征(面积、相对面积、周长、复杂度、占空比)及9个颜色特征(Hue-Saturation-Value颜色空间、HSI颜色空间、L*a*b*颜色空间各分量的一阶矩),并对这14个特征参数进行归一化处理,将特征值作为SVM的输入向量,进行温室粉虱和蓟马的诱虫板图像识别。通过分析比较不同向量组合的BP(back propagation)与SVM的害虫识别率、4种不同SVM核函数的害虫识别率,发现颜色特征向量是粉虱和蓟马识别的主成分,且SVM的识别效果优于BP神经网络、线性核函数的SVM分类性能最好且稳定。结果表明:平均识别准确率达到了93.5%,粉虱和蓟马成虫的识别率分别是96.0%和91.0%,能够实现温室害虫的诱虫板图像识别。该研究可以为虫害的监测与预警提供支持,为及时采取正确的防治措施提供重要的理论依据。

基于彩色通道相似性图像分割方法的植物叶面积计算

为了快速、准确地测量植物叶面积,该文提出了基于彩色通道相似性图像分割的植物叶面积测量方法。该文基于彩色图像,利用像素彩色通道的相似性和自适应方法得到的阈值分割叶片区域,并分别统计叶片和参考矩形的像素数,进而计算植物叶面积。试验表明,该方法得到的植物叶片区域更准确,并且对叶片阴影、花斑等具有很强的鲁棒性,错分率为仅为1.23%,具有较高的精度。该方法是一种实用的通过拍照计算植物叶面积的方法,可嵌入到手机等移动设备中。

基于图像边缘的灰度加权算法应用于LED管芯检测

LED管芯检测的像素级算法受到图像分割的影响,造成目标中部分像素的丢失。本文利用图像边缘区域的灰度加权算法,以求取物体边缘所在像素点的灰度来计算边缘位置。检测结果分析表明,该算法在检测精度上有了明显提高。

甲烷瞬态火焰与壁面油膜相互作用的实验观测

针对甲烷扩散火焰-壁面相互作用过程,设计了可生成瞬态火焰的焰-壁作用可视化实验装置,利用纹影法与高速相机研究了不同壁面条件下甲烷瞬态火焰撞壁过程火焰形貌的发展演化过程,基于MATLAB数值方法发展了数字图像分割处理技术,并对纹影图像展开了定量分析.基于撞壁瞬间火焰羟基(OH·)活性自由基发光特性考察了油膜对火焰燃烧强度的影响,探究了撞壁高度和壁面油膜特性对焰-壁相互作用的影响机理.结果表明:射流扩散火焰撞壁过程可分为4个阶段,壁面高度对撞壁火焰形貌特征和燃烧特性影响显著,壁面油膜蒸气通过改变撞壁火焰前锋面燃气当量比影响其燃烧强度和形貌特征.

基于计算机视觉技术的玉米叶绿素含量检测研究

植株叶片中叶绿素浓度的高低与植株进行的光合作用效率、植株的整体生长状况息息相关,在农业生产过程中,常常根据叶片中叶绿素含量(SPAD)的多少来精确的判断植物的生长状态,也是控制植株长势的依据。传统的叶绿素含量检测方式分光光度法,存在耗时长、步骤多、操作要求高等问题,而采用计算机视觉技术处理图像的过程更加准确、高效,不会像人眼分析时受到主观因素的影响导致偏差。为此,基于计算机视觉技术来检测玉米叶片中叶绿素含量,利用扫描仪采集玉米叶片的图像,将图像输送至计算机,然后通过软件处理图像,分割出图像中有效像素的颜色特征值,将特征值转换就可以得到玉米叶片中叶绿素。试验结果显示:利用计算机视觉技术可以准确地测定玉米叶片中叶绿素含量,进而进行合理施肥,避免浪费,对增加玉米的产量具有极大的价值。

基于小波分析的织物起毛起球评价

对织物起毛起球图片进行预处理,先进行灰度转化,边缘平滑,去除光照不匀等基础处理,然后进行图像分割处理。重点研究了利用Matlab小波工具箱函数,根据小波多分辨率的特点,实现对起毛起球织物图像的多层二维小波分解和重构,计算二维小波分解的能量,分解图像的高频和低频信息,确定最佳熵值,最后找出纹理与毛球的最佳层次分割点。

基于U-Net卷积神经网络的纳米颗粒分割

为了准确测量纳米颗粒的尺寸,依据透射电子显微镜拍摄的纳米颗粒图像,提出了一种基于U-Net卷积神经网络的颗粒自动分割方法。将U-Net部分网络结构与批量归一化层相结合,减弱了网络对初始化的依赖,提升了训练速度。对纳米颗粒图像进行半隐式偏微分方程滤波以增强图像边缘信息,利用改进的U-Net网络训练纳米颗粒个体分割模型,得到了分割结果。研究结果表明,所提方法能准确分割出图像中的纳米颗粒,对边缘模糊和强度不均的纳米颗粒的分割效果提升显著。