显微图象中目标对象的识别

研究了显微图象中目标对象的识别问题。首先比较了显微图象和宏观图象之间的区别,总结了大部分显微图象具有的一般特征,讨论了宏观图象处理方法用于显微图象时存在的缺陷。然后提出了一种目标对象识别的新方法,该方法利用最优颜色通道识别显微图象中的目标对象,动态地调节识别阈值,减少了误识别象素的数量。对残存的误识别象素和脏点象素采用面积滤波的方式去除,进一步提高识别的效果。该文通过实验,识别了几种显微图象中的目标对象,实验发现,使用这一方法不仅能够提取背景中的目标对象,还可以大量减少误识别象素和脏点象素,说明该方法用于显微图象中目标对象的识别具有一定的优点。

木材彩色图像缺陷分割——基于Gabor滤波的改进C-V彩色模型

分析了木材节子缺陷、单板节子的特点,提出了一种基于多通道Gabor滤波的改进C-V彩色模型的木材缺陷识别算法。该算法将彩色图像作为一个整体的图像,保留了图像的彩色信息。该算法利用多通道Gabor滤波器、K-均值聚类算法得到缺陷目标与背景的彩色区分图像;利用改进的彩色C-V模型对新图像进行边缘提取,得到理想的实验结果。与采用基于改进C-V模型与小波变换的灰度图像缺陷识别算法相对比,结果表明该方法可快速、准确地实现对木材节子缺陷彩色图像及单板多节子彩色图像的分割。