基于机器视觉的蘑菇单体检测定位算法及其边界描述

介绍的算法是以单体蘑菇为研究对象,通过该算法的研究将为蘑菇采摘机器人图像处理方法的实现奠定理论基础。研究内容包括,蘑菇图像的数字特征;提取边界的算法;对蘑菇边界进行离散傅立叶变化。提出仅需利用蘑菇的边界信息求蘑菇形心坐标的新方法,而且傅立叶描述可以进行蘑菇边界的平移、旋转和缩放操作,具有很强的边界形状重建功能。最后通过对获取的蘑菇图像进行分析,表明该算法和边界描述是非常有效的。

带插值最小二乘法在打印机色域边界描述中的应用研究

目前色域映射多在二维色相平面上进行,色域描述相应地转换为色调剖面上的边界线描述。通过分析打印机色调剖面边界形状,结合考虑色域映射的精度和效率问题,提出了运用带插值条件的最小二乘模型分段拟合打印机色域边界。实验结果表明:该技术的运用可以确保打印机色域边界的连续性,同时拟合效果也与分段线性插值方法很接近,从而保证了色域映射的精度,其最大的优势是提高了色域映射的效率,使色域映射的实施更加简单。

一种Lab空间的色域边界描述算法

基于区域分割法,提出一种Lab空间的色域边界描述算法,以更精确地实现图像颜色映射到打印机色域。在Lab空间内,首先用色域边界描述(GBD)对打印机色域进行整体分割描述,然后根据图像每个像素点的色相角计算打印机的线性色域边界(LGB),最后比较图像每个像素点的L值与LGB矩阵L值区间的关系,确定像素点是否在打印机色域边界内。算法在GBD对打印机色域边界进行分割后,还面向图像每个像素点确定打印机的LGB边界,色域边界描述更加精确。实验仿真结果表明,该方法能够更精确、直观地实现图像颜色映射到打印机颜色。

几种边界特征描述方法的比较研究

在图像处理与模式识别领域经常根据物体的边界来识别物体。对物体边界特征描述的三种主要方法,即基于极半径函数的傅里叶描述子、边界序列矩和改进的不变矩进行了比较研究,给出了实验结果和结论。

分区最大化色域边界描述器的空区插值算法

针对分区最大化色域边界描述器在计算图像色域边界时所产生的空缺分区问题,提出了一种基于相邻分区加权平均的色域空区插值算法。将空缺分区的边界点置于该分区的中心,求出边界点的球坐标角度;利用邻域加权平均法插值计算出该分区的球坐标半径。在线色域边界计算中,针对相邻分区边界点连线与等色相面重合所导致的求交问题,将交点设定为其中一个分区的色域边界点,避免了线色域边界和色域映射计算中出现的色域边界缺失问题。在评价部分,借助等比例压缩的色域映射方式,设计心理物理学实验评价了色域空区插值算法的效果,同时测试了算法的计算效率。评价结果显示:提出的色域空区插值算法能够有效提升色域边界描述器的精度,改善色域映射效果,而且不影响色域边界的计算效率。

基于隐含边界描述的连续体拓扑优化

基于隐含边界描述的水平集方程推动几何边界,结合形状导数、拓扑导数等工具,实现了柔性目标函数的连续体结构拓扑优化设计.进一步通过引入Von Mises应力作为产生新拓扑结构的策略,给出了单独使用Von Mises应力开孔的算例.算例结果表明,基于隐含边界描述的连续体拓扑优化设计方法,它具有独特的处理拓扑变化能力及消除拓扑优化结果对网格和初始拓扑结构猜测的依赖性.这一类方法具有优秀的高维设计拓展能力,在工程实际和多材料设计等方面具有很好的应用前景.

基于区域分割法的图像色域边界描述

目的研究色域映射中色域边界的描述方法。方法在均匀区域分割法的基础上提出一种基于阈值的非均匀区域分割算法,通过调整阈值和分割数量,对不同类型图像的色域边界进行均匀描述。结果使用较少的边界点准确地描述色域边界,并且边界点的空间分布均匀,没有出现大量边界点集中的情况。结论通过与均匀区域分割法对比,该算法可用较少的采样点和分割数目精确地描述色域边界,对实现从图像到设备的色域映射有重要意义。

一种B样条曲线描述图像边界的算法

型值点的个数与分布对B样条曲线的形状有直接影响,为了让B样条曲线能很好地描述图像区域边缘,研究了一种自适应3次非均匀B样条曲线插值算法。利用B样条曲线在型值点处曲率较大的性质,调整型值点的位置和个数,通过B样条曲线与图像边缘的误差,对型值点进一步优化,使B样条曲线贴合边缘。实验结果表明,该方法得到的B样条曲线能很好地描述区域边缘。

基于支持向量数据描述的闭合超球面机

为提高支持向量数据描述的训练精度,提出一种闭合超球面机。在训练阶段利用目标类样本构造最小包围超球,利用非目标类样本调整描述边界;在测试阶段计算待测样本与最小包围超球球心的距离,根据其与超球半径的大小关系设计分类规则。不同规模和不同平衡度的数据集上的仿真结果表明,该算法分类精度高,训练时间短,将支持向量机和光滑支持向量机的运行时间降低为原来的17.17%和29.06%,将支持向量数据描述分类器的精度提高12.98%且具有较好的鲁棒性。

基于色相角聚类的图像色域边界快速提取方法

目的基于色相角聚类的方法对图像像素进行排列,在此基础上提取图像色域边界,达到零误差快速提取图像色域边界。方法在设备无关色空间的球坐标系中,依据指定颜色属性值的顺序,依次由大到小排列图像中的像素,按照边界点特征提取图像的色域边界点,在上述排列图像像素的基础上,进行"图像到设备"的色域映射。结果对于实验选用图像,提出的方案可零误差取出图像的边界点,计算平均时间仅需2.6 s,用CIE推荐的局部最大值色域边界描述法(SMGBD)计算图像边界点,平均误差大于3ΔEab*,平均计算时间大于1 min;在色相角聚类排列图像像素的基础上进行的最小色差法色域映射,极大地提高了计算速度。结论基于色相角聚类的图像色域边界点提取方法可以快速零误差提取图像边界点,在此基础上进行的色域映射计算,去掉了冗余计算,提高了计算速度,对实现从图像到设备的色域映射有重要意义。

基于空间区域分割的四面体网格剖分色域描述算法

目的提出一种新的数字输出设备色域边界描述算法模型,以实现数字输出设备色域的三维立体准确再现和色域体积的精确求取。方法通过空间区域分割算法确定Epson Stylus Pro 7910打印机呈色范围的最佳颜色空间分区,利用四面体网格剖分技术对各分区色域边界进行描述,同时从色域体积、边界点再现精度等方面,对该方法和基于改进凸壳算法下的设备色域匹配适性进行对比分析。结果该色域边界描述新算法模型在描述的准确性和再现精度方面,明显优于改进后的凸壳算法。结论该算法下各边界颜色点再现精度平均ΔE和最大ΔE均在2以内,并且设备色域体积明显大于改进凸壳算法下的设备色域体积。

基于OPTIMAS的物体边界傅立叶分析方法

目前,对物体边界进行描述的主要方法依然是傅立叶分析方法。应用专业的图像处理软件OPTIMAS,可编写一组宏命令,运行该宏,结合Microsoft Excel软件强大的绘制图表功能,可自动绘制关于物体边界的极坐标曲线和傅立叶系数曲线,供用户根据需要进一步分析。

基于极半径傅立叶子的木材细胞轮廓描述方法

针对木材显微图像的特点,运用极半径函数的傅里叶描述子对木材显微图像中细胞、管孔进行边界描述,并将细胞与管孔加以区分。根据管孔有无将木材分为针叶材和阔叶材两大类,再分别进行细胞参数统计以作为树种判别依据。

不同描述方法在三维结构分析中的影响研究

采用有限元软件MARC提供的不同描述方法,建立液压机活动横梁和液压缸的三维有限元模型,对其进行模拟仿真,得到在不同描述方式下活动横梁部件和液压缸部件的应力分布规律。仿真结果表明:进行有限元模拟时,在无法保证相互接触物体网格一致的条件下,可以采用解析描述方法进行计算;不同的描述方法对三维非旋转曲面体结构的计算影响不大,而对三维旋转曲面体结构的计算有较大影响;解析描述方法可以消除离散描述不精确带来的误差,提高计算精度。

基于固定数采样的轮廓特征描述子方法

本文在特征点的选取中使用固定数采样,降低特征点数目并且保存特征点的整体信息,然后采用质心边界距离描述子对轮廓进行描述,最后再将位置信息降维,生成一维的轮廓特征对目标运动状态进行描述。

基于DBSVDD-RVR的多模态间歇过程质量变量在线软测量

现有的多模态间歇过程软测量未考虑过程数据的批次差异及过渡模态的复杂时变特性,影响了间歇过程模态识别的合理性及质量变量在线软测量的准确性。提出了一种基于双边界支持向量数据描述-相关向量回归(double boundary support vector data description-relevance vector regression,DBSVDD-RVR)的间歇过程质量变量在线软测量方法。依据间歇过程离线模态划分获得的各稳定及过渡模态历史数据,建立DBSVDD在线模态识别模型,并引入滑动窗,构建间歇过程在线模态识别策略,利用DBSVDD模型实现在线测量数据的模态识别;在此基础上,构建了基于超球体距离的数据相似度计算方法,选择过渡模态在线数据的相似建模数据集,建立过渡模态的即时学习RVR软测量模型,并依据历史数据建立各稳定模态的RVR软测量模型,实现间歇过程质量变量的在线软测量。青霉素发酵过程的实验结果表明,所提方法有效地提高了间歇过程模态识别的合理性和质量变量在线软测量的准确性。

空间支持向量域分类器

构造了一种空间支持向量域分类器(SSVDC).在训练阶段分别对正负两类样本进行支持向量域描述,根据描述边界将数据空间划分为互不相交区域,并设定相应的分类准则.在测试阶段,分别计算待识别样本与两个最小包围超球球心的距离,根据其与超球半径的大小关系确定待识别样本所处区域,并采取相应分类准则完成分类.UCI数据集上的多个数值实验表明,与支持向量机(SVM),支持向量域分类器(SVDC)相比,SSVDC具有好的鲁棒性,训练时间可缩短为SVM的20.6%,分类精度比SVDC提高45.9%.

基于径向基函数网络的隐式曲线

将径向基函数网络与隐式曲线构造原理相结合,提出了构造隐式曲线的新方法,即首先由约束点构造神经网络的输入与输出,把描述物体边界曲线的隐式函数转化为显式函数,然后用径向基函数网络对此显式函数进行逼近,最后由神经网络的仿真曲面得到物体边界的拟合曲线.实验表明,基于径向基函数网络的隐式曲线具有很强的物体边界描述能力和缺损修复能力.

基于三维卷积神经网络的湖泊提取算法

针对现有分析湖泊几何信息算法的二维图像湖泊轮廓提取精度低的问题,提出了一种基于三维卷积神经网络的湖泊提取算法。首先,基于平整度信息从激光扫描点云中定位出候选湖泊并对输入的候选区域点云进行体素化组织,作为神经网络的输入;同时,通过深度学习技术,从候选区域中过滤非湖泊区域;然后,基于方向链码算法从点云中提取湖泊的边缘并分析其几何形状信息。实验结果表明,所提算法在提取激光扫描点云中的湖泊精度可达到96.34%,与当前在二维图像中的湖泊提取算法相比,可对目标湖泊形状信息进行计算与分析,从而为湖泊监测与管理提供方便。

打印机和图像色域提取算法

针对当前色彩管理研究缺乏提取图像色域算法及可视化技术支持的现状,提出了一种打印机色域提取算法。先确定打印机色域边界点,通过这些边界点利用几何方法快速构造色域外壳,对设备色域进行精确描述,并对色域及其剖面进行真彩色可视化。利用对色域的剖分操作,构造基于剖面的色域匹配模型。