基于改进边缘分割算法的幼苗信息提取

优化特征空间和改进分割算法是利用面向对象技术准确获取幼苗信息的关键,也是高空间分辨率数据提取目标地物信息迫切需要解决的问题。研究了在多光谱影像进行去噪声处理基础上,采用改进的基于边缘的算法进行影像分割,同时选取纹理、形状、光谱特征构建特征空间,实现幼苗信息提取的方法。结果表明,该方法对幼苗信息提取的总精度达86%,比传统技术提高了12%,KAPPA系数达0.814 5,比传统技术提高了0.115 9。该方法可以对幼苗信息进行准确快速提取,能够为生产或管理部门进行准确监测和决策提供依据,对未来造林情况进行预测和评价有重要意义。

基于改进遗传算法的球团矿图像分割

针对传统的球团矿分割算法在光照不均匀、球团表面凹凸不平和边缘黏连严重的情况下无法对球团矿进行准确分割的问题,提出一种改进遗传算法的最大类间方差法分割和标记分水岭结合的分割算法。该算法首先对采集到的球团矿图像进行预处理操作,基于预处理后的图像通过改进遗传算法中的三种遗传因子实现加快遗传算法,寻找最佳分割阈值的速度,然后对分割后的二值图进行边缘增强,最后对二值图采用标记分水岭分割方法进行再次分割。实验结果表明,经新方法分割的球团矿图像分割误差为6.8%,相比单一的标记分水岭法和阈值法,分割误差分别减少了24.4%和5.9%,达到了提高球团矿图像分割精度的目的。

基于改进Canny算法的女性服装款式轮廓检测研究

为了降低女性服装多样性(如纹理、款式等)在边缘提取环节带来的难度,提出一种改进Canny算法,使得服装款式图像的轮廓提取更具有实用性和强适用性.创建女装图像的样本库后,对样本进行图像预处理,并使用Otsu算法对所获得的灰度图像进行二值化,凸显出目标的服装轮廓.然后在Canny算法中采用自适应的双阈值进行边缘分割,提升边缘的准确性,并设计追踪算法,提取服装款式的外部轮廓,减少了纹理和服装所形成的噪声.根据实验结果,对比微分算子算法和改进Canny算法.该算法在女性服装款式轮廓提取时,表现出良好的鲁棒性、准确性和连续性.

改进的Canny算法对猪胴体特征有效分割的研究

对猪胴体的图像分割是实现猪胴体自动分级技术实现的基础,针对猪胴体图像的特点,提出了一种基于改进Canny算法的分割方法,改进Canny算法中阈值选取和边缘连接,实现了图像分割的自动化。并与根据阈值分割的局部阈值分割方法的效果进行比较,实验表明对于猪胴体改进Canny算法的分割方法优于局部阈值的分割方法,取得较好的分割结果。

基于改进神经网络的图像边缘分割技术

采用梯度下降法进行图像边缘分割时受到噪声的干扰,训练过程中存在局部最佳解,从而导致图像边缘分割效果和泛化性能差。为此,提出基于改进神经网络的图像边缘分割方法,采集样本图像的中值特征量、基于梯度的特征量、Krisch算子方向特征量,融合三个特征向量塑造具备较强抗噪性能的样本图像特征向量,通过基于特征向量和BP神经网络的边缘检测算法,将样本图像特征向量输入四层BP神经网络,采用改进BP算法训练四层BP神经网络,采用训练后的改进神经网络完成图像边缘分割。实验结果表明,所提图像边缘分割方法细节保有性能强,分割精度和泛化能力强。