基于OTSU算法的垩白米检测方法研究

提出了一种基于OTSU的垩白米检测算法,并与基于固定阈值的检测算法进行了试验对比分析.OTSU算法具有自适应选择最佳分割阈值的特点,且可以实现多阈值自适应分割,分割效果比较理想.试验结果表明,该算法可以有效的提高垩白米的识别准确率,而且识别效果好于基于固定阈值的检测算法.

基于形态学分水岭的垩白米粒检测方法

提出了一种基于形态学分水岭的垩白米粒检测方法。充分利用单个垩白米粒图像区域中垩白部分白色不透明这一物理特征,将单个垩白米粒图像区域分成3个标记区域,通过形态学分水岭方法分割垩白米粒图像,提取区域间的单像素边缘将垩白区域提取出来。为了提高边缘检测的准确性,使用sobel算子去噪。由于使用标记控制分割,从而使区域极小值修正具有自适应性和准确性特点。试验结果表明:该方法对垩白米粒的检测精度为96.4%,而且识别效果好于基于分形维数的检测算法。

基于多峰分布最大类间方差的垩白米粒检测方法

采用一种基于多峰分布最大类间方差(Otsu)方法检测垩白米粒。首先利用垩白米粒图像的灰度分布具有多峰分布这一特性,应用数理统计方法进行多峰分布度测度。然后根据垩白米粒图像中垩白部分具有白色不透明这一物理特征将垩白米粒图像的灰度级分成3类,通过使用最大类间方差法确定两个分割阈值,并且检测出大米中垩白部分面积。由于使用了区域控制分割,使得最大类间方差阈值的确定具有自适应性和准确性特点。实验结果表明,本文采用的方法对垩白米粒检测正确度为97.4%,效果好于基于形态学分水岭的检测算法。