二值图像逻辑与运算CNN模板的稳定性设计

结合细胞神经网络(Cellular Neural Networks)理论,提出了一类能快速实现二值图像逻辑与运算的模板。对模板稳定性的数学分析表明,只要模板参数符合文中定理的要求,CNN就能够对两幅二值图像进行与运算。实验仿真证明了LOGAND CNN在实际应用中的有效性及稳定性设计定理的正确性。

基于颜色因子逻辑与运算的田间红葡萄果穗识别

图像分割是实现田间葡萄机器识别的关键部分,针对田间复杂的环境下传统图像分割法分割葡萄果穗图像准确度低的问题,课题组根据采摘葡萄果穗目标与背景在颜色特征上的差异性,对田间待采摘葡萄果穗的图像分割方法进行了研究。将数字图像的基本运算和逻辑运算进行结合,实现了图像分割的操作。课题组选取了与人类视觉相近的RGB颜色空间,并提取了(R-G)颜色因子和(R+G)颜色因子,对其进行与运算,实现了对田间环境下红葡萄果穗图像的分割。同时,对比了采用图像的灰度图、(R-G)颜色因子和(2R-G-B)颜色因子分别进行自动阈值分割得到的分割图像。实验结果表明,采用颜色因子逻辑与运算的方法能较好地处理田间葡萄果穗的图像,能够为葡萄果穗的进一步采摘提供研究基础。

HSL-PCA集成的GF-1影像阴影检测方法

针对目前高分影像阴影检测算法存在对半影区和中等高度建筑阴影检测精度不够及易受水体影响等问题,提出了一种基于HSL-PCA集成的GF-1影像阴影检测方法。首先,对GF-1影像的近红外波段进行分割,获得阴影初步检测结果,但初步检测结果包含道路和河漫滩等非阴影区域;其次,对RGB色彩空间进行主成分分析和HSL色彩空间变换,计算得到包含阴影和水体的信息,但不含河漫滩边缘与道路信息;最后,对两次结果进行逻辑与运算和形态学滤波处理,去除道路、河漫滩、水体等信息,得到准确的阴影信息。实验结果表明,该方法能够高效、准确地提取GF-1影像中中等高度建筑和高大地物的阴影信息。