采用改进的自适应模糊多级中值滤波算法去除牛肉图像斑点噪声

牛肉图像中的斑点噪声与肌内脂肪的颜色特征相似,要准确提取牛肉图像中的肌内脂肪颜色特征,就必须先对斑点噪声进行滤除。为此在自适应模糊多级中值滤波的基础上进行了改进:第1步,确定当前点是否为噪声点。先计算当前像素点与其邻域均值的差的绝对值,然后与阈值(阈值随当前点的灰度值而变化)相比较,如果绝对值大于阈值,则被认为是斑点噪声。第2步,对于斑点噪声,将采用自适应模糊多级中值滤波方法来滤除;如果不是,保留原像素点不变。试验结果表明,改进的算法在斑点噪声滤除与细节保护方面均优于标准的中值滤波、多级中值滤波以及形态滤波。

牛肉图像采集光照系统的设计与研究

研制了一种用于牛肉自动分级机器视觉系统的图像采集照明装置。该装置根据系统的照明要求,选取LED灯作为照明设备的光源,采用漫反射式的点阵光源方式进行照明。通过正交试验对系统参数进行优化,运用数字技术对照明系统的光照均匀性和照度进行分析。试验结果表明:光照强度随着LED灯的排数和数量的增加而增大,但光照均匀性受试验条件的影响较小;在最佳参数条件下。

基于改进型FCM聚类算法的彩色牛肉图像中筋膜区域分割方法研究

介绍一种基于HSI颜色空间的改进型FCM聚类算法,并将此算法运用于牛肉眼肌切面图像中筋膜区域的分割。该方法根据牛肉眼肌切面图像像素分布的特点,将H分量和I分量作为聚类分割算法的特征向量,改进了FCM聚类算法初始聚类中心的选取方法以及距离度量公式。结果表明:所提出的算法在保证FCM算法本身收敛速度快的同时,也提高了图像区域分割的精度和准确性,对噪声具有较强的抑制能力。

牛肉图像在线采集系统的研究

研制了一种用于牛肉在线自动分级机器视觉系统的图像采集装置。该装置根据生产线使用要求,选取轻质高强度铝合金材料制作模具,并采用亮度连续可调的多颗粒LED灯加散光片作为照明的光源。通过试验对系统成像效果进行验证,运用数字技术对照明系统的光照均匀性进行分析。试验结果表明:在不同的光照强度下,该系统均具有较为理想的照明效果。

基于改进的距离保持水平集的牛肉图像背长肌自动分割

为了改善牛肉图像中背长肌的分割效果,提出一种改进的距离保持水平集方法实现牛肉图像中背长肌区域的自动分割:根据牛肉背长肌图像的特点,结合大津法和旋转法提取背长肌切面区域,设定候选区域并找到初始轮廓曲线;根据水平集演化过程中自定义系数函数值的变化规律,使用自定义的算法控制零水平集的自动演化和停止;之后结合标记分水岭算法对图像进行加工,得到更精确的目标背长肌区域。与其他分割算法比较,该改进的分割方法效果更好。

应用改进的C-V模型分割牛肉眼肌图像

牛肉眼肌图像的分割是牛肉自动分级的重要步骤。基于水平集的C-V模型采用两个具有不同均值的分块连续区域分割图像,在迭代过程中,为了约束水平集保持为符号距离函数,必须对其进行重新初始化,大大增加了计算量,降低了曲线演化速度。为此,通过加入边缘检测函数和惩罚项因子,提出了改进的C-V水平集模型,并用于牛肉图像分割,同时与模糊C均值聚类、阈值分割法进行了对比。结果表明:采用改进的C-V模型对牛肉图像进行分割,准确提取了眼肌边缘,分割出了脂肪和肌肉区域,准确率高;曲线演化过程中无需对水平集函数符号初始化,加快了曲线演化速度。

用基于遗传算法的BP神经网络识别牛肉肌肉与脂肪

利用遗传算法的全局搜索能力,改进标准BP算法随机选取初始权重的不足,并构建了3-12-1的三层遗传BP神经网络,进行了3次牛肉肌肉与脂肪像素的分类试验,研究用BP网络对牛肉肌肉与脂肪两类像素点进行识别的可行性。以像素点的RGB值作为BP网络输入向量,每次训练集样本数62,测试集样本数43。测试的最终结果为:训练集的样本识别率分别为100%、100%、98.3871%;对应测试集的样本识别率分别为97.6744%、97.6744%、100%。试验结果表明,尽管基于遗传算法的BP神经网络对训练样本集以及测试样本集的肌肉和脂肪的识别率均在97%以上,但由于牛肉图像像素值在颜色空间中比较分散,有利于聚类的规律性不明显,因而是否可用BP网络来完成肌肉与脂肪的识别,还需要在网络拓扑结构、训练样本集等方面进一步研究。

基于内容图像检索技术在教学资源库中的应用

结合基于内容图像检索技术的原理与特点,探讨基于内容图像检索技术在教学资源库建设中的应用,并以实际的牛肉图像资源库为例叙述了基于牛肉图像内容检索在图像教学资源库中的应用。