一种改进樽海鞘群算法优化K-Means的小麦覆盖度提取方法

针对K-Means算法对初始聚类中心的依赖性较高,容易出现局部最优停滞的问题,提出一种改进樽海鞘群算法优化K-Means的小麦覆盖度提取算法。首先,将小麦图像转换到HSV色彩空间;然后,用改进樽海鞘群算法进行全局寻优,以获得全局最优值作为K-Means算法的初始聚类中心,接着运用K-Means算法进行局部寻优,直到迭代完成;最终,输出经过分割的小麦图像。为了评估算法性能,使用12个基准函数对ISSA及其他智能优化算法进行对比测试,同时将改进樽海鞘群算法优化K-Means应用于小麦覆盖度提取。结果表明,ISSA算法在优化精度和收敛速度上均超越其他算法,鲁棒性也得到了显著提高。与其他算法相比,ISSA-K算法分割后的小麦图像纹理比较清晰,效果更佳,同时具有更加高效的优势,可用于小麦覆盖度的提取,具有较强的实用性。

鹰眼系统运动目标特征参数精确提取算法

鹰眼系统在赛场上可对球类运动轨迹进行跟踪和记录并在辅助裁判对边界球的判罚中起着重要作用,然而由于网球提取过程存在目标小、飞行速度快、光照变化、广告字符以及其他的运动物体影响的问题,网球特征参数提取精准度有待进一步提升。针对这些问题,提出了一种鹰眼系统运动目标特征参数精确提取算法,该算法利用网球色彩一致性较好的特点,根据彩色训练获取网球色调的范围,在HSV色彩空间中对网球图像进行颜色分割,减少背景图像的干扰,采用帧间差分与混合高斯模型融合算法对网球图像进一步分割获取运动目标,对分割后的二值图像使用Sobel算子提取边缘信息减少后续目标圆检测的运算量提高效率,采用Hough圆变换检测轮廓边缘信息完成网球圆心和半径参数的精确提取。实验结果表明,该特征参数提取算法拟合准确率高、相对偏差小,具有一定的实际应用价值。

一种彩色图像质量评价方法

人眼视觉系统对图像的结构信息高度敏感,且与色彩信息密切相关.但是基于结构相似性图像质量评价方法大多是在不考虑颜色的情况下实现的,为此提出了一种新的图像质量评价方法.首先根据人眼视觉系统特性提取彩色图像的亮度、色调和饱和度,将亮度分量与Scharr算子进行卷积,提取图像亮度通道的边缘特征得到亮度变化强烈部分的边缘特征,同时将色调和饱和度作为色彩特征进行处理;其次提取图像灰度化后的边缘特征以得到亮度变化缓慢部分的边缘特征;最后融合以上特征建立彩色图像质量评价模型.在LIVE数据库上进行的对比实验表明:和其他被广泛采用的图像质量评价算法相比,该算法评价结果总体上与主观评价结果具有更高的一致性.