基于CLAHE和开闭运算的绿色苹果图像分割

依据绿色苹果图像的自身特点,设计了一种分区域提取而后合并的图像分割方法。首先对图像进行限制对比度自适应直方图均衡化(contrast limited adaptive histogram equalization,CLAHE),增大果实和背景的颜色差,而后获取R-B色差图像,得到以光常区域为主的区域;然后用CLAHE处理后的图像进行开闭运算,提取局部极大值,得到以高亮区域为主的区域;最后将两区域合并获得完整的果实目标区域。为了验证该方法的有效性,运用Hough算法检测圆,并用相对偏差、圆心相对误差及半径相对误差三个评价指标来定量评价。试验结果表明,提取区域与果实目标区域相比,顺光下,相对偏差、圆心和半径相对误差平均值分别为3.59%,4.76%和2.60%;逆光下,三个指标的平均值分别为10.77%、16.77%、11.49%。无论是顺光还是逆光都有很好的识别效果,能满足机器人采摘果实的精确定位的要求。     

一种基于HSI颜色模型的目标提取方法

在工业、农业、军事以及医疗等领域中,目标识别是一个关键技术,近年来在图像处理方面已成为一个重要的研究课题。提出了一种用于除草机器人的基于HSI(色调、明度和饱和度)颜色模型的彩色图像目标提取方法。该方法首先将具有某种色彩信息的杂草与农作物从背景土壤中分离出来,然后再根据杂草与农作物形状的不同,采用腐蚀和膨胀的方法进一步将杂草与农作物分离。该方法除了用于除草机器人以外,还可用于水果采摘等。仿真结果验证了该方法的有效性。     

A novel method for identification of cotton contaminants based on machine vision

Foreign matter is easily mixed into cotton during picking, storing, drying, transporting, purchasing, and processing. These contaminants are difficult to remove in the spinning process and can cause yarn breakage, thus reducing efficiency of working. This paper proposed the new method based on machine vision to measure the contaminants in raw cottons. The color images of cottons with contaminants are acquired and divided three channels images. Intensity of illumination of cottons often is unstable because of the driving voltage of light source unsteady. The intensity of illumination of images should be corrected for measuring correction and precision. The Gamma adjustment function was adopted to correct non-uniform illumination for images. Through the experimental contrast, Gamma correction parameter is set as 0.8. The Otsu method is used to segment the image. After images of three channels’ information fusing, the contaminants of cotton samples can be correctly detected and cotton seeds also can be effectively inspected. The false detection ratio of the measuring system is less than 5%. The experimental results show the measuring system can meet with the requirement of the cotton's industry application.     

X光图像中缺陷的自动提取方法研究

针对炭素制品X光图像的特点,对其缺陷的提取技术进行了研究,提出了基于迭代的阈值构造方法和基于数学形态学的边缘提取算法。为快速准确地提取缺陷,设计了目标边界提取算法和基于小波变换的图像增强算法,实现了原始图像中目标区域的增强及其背景的去除。在此基础上,为排除噪声干扰的影响,采用数学形态学和迭代阈值分割相结合的方法从目标区域中提取出缺陷区域,并在迭代阈值分割的基础上,利用基于数学形态学的边缘提取算法提取了缺陷的边缘。实验结果表明,该法很好地实现了缺陷区域及其边缘的自动提取,且受噪声影响很小,为进一步的缺陷特征参量的提取与选择奠定了良好的基础。     

快速消除车辆阴影的多阈值图像分割法

 视频图像分割时的运动阴影由于与被测对象的相似性而常被误判为被测对象,传统的阴影检测方法一般难以满足实时智能交通系统对处理速度的要求。为此,提出用多阈值法分割图像,将灰度化的当前图像与背景差分,再用正、负两个阈值对其二值化,在分割出深色和浅色被测对象的同时消除阴影。实验表明,将这种方法应用于运动车辆的检测,具有速度快和阴影消除效果好等特点,可应用于实时的运动目标检测和跟踪等领域。     

针对虚拟现实跟踪技术的快速滤波算法

提出一种用于实现手位手形跟踪的颜色滤波方法的计算模型。它可以取代虚拟现实中的数据手套,成为人机交互的工具。本方法是基于计算机视觉技术,模仿人眼的颜色视觉的特性,通过提取手的像素的特征颜色作为参考,对整个图像进行颜色滤波处理,从而将背景和干扰物体的像滤除,只保留手的像。然后经过平滑和轮廓提取处理,得到只含有手的轮廓的图像。颜色滤波算法能大大提高跟踪和识别的可靠性和实时性。     

噪声中的线谱检测及自动提取研究

线谱是水中目标检测与识别的重要特征,其自动提取对于水中无人探测系统至关重要。采用统计信号分析方法得出了线谱检测的接收机工作特性曲线,理论分析了线谱自动提取时一定虚警概率下的峰高门限,并提出一种自动门限以适应不同背景方差的变化。实测数据分析表明,本文方法在不同噪声背景下自动提取线谱的效果较好。     

大豆冠层多光谱图像提取方法

为解决大豆冠层在近地端的多光谱图像边缘灰度不均,目标与背景之间灰度差别小,难以准确高效地获取大豆冠层目标区域的难题,将多光谱成像处理技术与经典图像分割方法有机融合,提出基于多光谱图像处理技术的大豆冠层提取方法。以东北大豆为对象,通过Sequoia多光谱相机采集绿光、近红外、红光、红边和可见光五类大豆多光谱图像,采用高斯平滑滤波法对原始大豆多光谱图像进行预处理,分析多光谱图像中大豆冠层和背景的灰度直方图分布特性,在此基础上利用迭代法、Otsu法和局部阈值法提取原大豆多光谱图像中冠层区域,并以图像形态学开运算处理细化和扩张背景,避免图像区域内干扰噪声对大豆冠层识别效果的影响,同时以有效分割率、过分割率、欠分割率、信息熵以及运行时间等为监督指标,对大豆冠层多光谱图像识别模型进行效果评价。大豆冠层识别模型中迭代法可以有效分割近红外和可见光大豆冠层图像,有效分割率分别为97.81%和87.99%,对绿光、红光和红边大豆冠层图像分割效果较差,有效分割率低于70%;Otsu法和局部阈值法可以有效分割除红光波段的其余四种多光谱大豆冠层图像,且有效分割率均在82%以上;三种算法对红光大豆冠层图像的有效分割率均低于20%,未达到较好效果。在原始多光谱图像中应用迭代法、Otsu法和局部阈值法提取大豆冠层图像与标准图像的信息熵平均值波动幅度分别为：0.120 1,0.054 7和0.059 8,其中Otsu法和局部阈值法较小,表明了对于大豆冠层多光谱图像识别中两种算法的有效性。该算法中Otsu法和局部阈值法均可以有效提取绿光、近红外、红边和可见光等多光谱的大豆冠层图像,二者较为完整地保留了大豆冠层信息,其中Otsu法实时性能较局部阈值法更好。该成果为提取农作物冠层多光谱图像提供理论依据和技术借鉴。     

基于八叉树颜色量化和链表统计的背景主色提取方法

背景主色的确定是迷彩伪装的关键问题,针对现有提取方法的不足,提出一种基于八叉树颜色量化和链表统计的背景主色提取算法.首先对图像进行八叉树颜色量化,然后统计量化后图像的颜色,并用链表存储,最后依据人眼视觉特性和相应准则确定背景主色.该算法可以对多 幅图像进行处理且运算时间较短.实验表明这种方法能够满足迷彩伪装颜色确定的要...     

中高分辨力遥感图像中飞机目标自动识别算法研究

提出了一种中高分辨力的航空航天遥感图像中飞机目标快速自动识别的新算法。在分割和分类过程中充分利用飞机目标的先验知识,提出了一种改进区域分割方法,并应用树分类器对飞机目标进行自动识别。所提出的改进区域分割方法较好地实现了区域分割中阈值的准确自动选取,克服了复杂背景图像中小目标的全局阈值自动分割的失效问题。采用二叉树分类器,通过提取简单的目标几何特征,分层进行种类识别,提高了识别速度,降低了漏检率和虚警率。运用该方法进行了实验。结果表明,识别率达到了100%。     

Detecting citrus fruits with highlight on tree based on fusion of multi-map

Artificial vision systems are powerful tools for the automatic guiding of fruit harvesting robots, a novel method based on chromatic aberration map and luminance map is developed to identify citrus fruits with highlight within a tree canopy. Twenty images of citrus-grove scene under direct sunlight are taken, the color properties of target objects are analyzed. First, parts of citrus fruits from background are segmented from background by thresholding the CAM (chromatic aberration map), then the highlight region of citrus fruits could be detected correctly from the tree canopy by thresholding the LM (luminance map), at last the citrus fruits can be detected integrally by fusing the segmented results of CAM and LM. The results showed that the fruits under direct sunlight can be segmented wholly using this algorithm, the detection accuracy by fusion method is up to 86.81%, and the false alarm rate of fusion method is 2.25%.     

基于序列图像的运动目标检测

针对动态环境下运动目标检测中噪声多、目标检测不完整等情况,提出了一种基于金字塔多分辨率模型的运动目标检测方法,在低分辨率下获取目标的区域,在高分辨率下获取目标的细节。对于复杂的环境,还提出了运用高低双阈值替代传统的单阈值进行图像差分运算的方案,阈值可以根据图像自动分析得到。该方法首先将当前帧和背景帧进行尺度变换,得到不同分辨率下的图像组,然后在不同尺度下得到高低阈值差分图像,最后从高层向低层进行有效融合,得到噪声少的完整目标图像。实验表明,该方法提取运动目标的精度比较高,单目标达到0.802,多目标达到0.615,尤其是在复杂的动态环境下,优势比较明显。     

基于颜色和纹理特征的黄瓜果实图像分割

温室黄瓜的识别是黄瓜采摘机器人研究的重要环节,要解决此问题首先必须对采集的黄瓜图像进行分割。提出了一种结合颜色特征和纹理特征进行分割的方法。根据CIE-XYZ颜色模型及其色度图,在RGB模型中先通过颜色滤去不相关物体,然后利用灰度共生矩阵提取纹理特征,得到可区分果实和背景的两大纹理特征,即熵和能量,有效地解决了果实和背景颜色相似的识别问题。     

序列图像中运动目标的自动提取方法

针对目标检测与跟踪领域中的运动目标自动提取问题,提出了一种新的运动目标自动提取方法.利用已有的图像帧滤波后初始化背景,并在运动目标检测过程中,利用检测结果,不断地自动更新背景.使用背景差法检测运动区域,并对差分图像进行动态阈值分割,以及边缘链接,使其边缘处于基本连续状态.在得到的二值图上,提取轮廓,并根据目标大小选择面积阈值,剔除由于噪音或者背景提取不干净造成的虚假轮廓,将得到的轮廓掩模图像与原图像做逻辑与运算,提取出目标.实验结果表明,该方法可以有效地提取出刚体或非刚体运动目标.     

基于红外图像的GVF Snake轮廓提取算法的研究

针对红外图像目标具有边界模糊不清,区分效果较差的缺点,结合Ostu阈值法和梯度矢量流主动轮廓模型（GVF Snake）,提出一种目标轮廓自动提取方法。采用Ostu法先对图像进行分割,然后将得到的边界作为Snake模型的初始边缘轮廓,利用 GVF Snake特性将初始轮廓准确地收敛到目标边界。由于Ostu算法具有将目标物体从复杂背景中分割开来的优点,使得在应用 GVF Snake模型对复杂图像进行分割时减少了人工的干预。实验证明：该方法运算速度快,能够快速地收敛到目标轮廓,并准确地跟踪目标,具有一定的抗噪能力。     

优化FCOS网络复杂果园环境下绿色苹果检测模型

目标果实的精准识别是实现果园测产和机器自动采摘的基本保障.然而受复杂的非结构化果园环境、绿色苹果与枝叶背景颜色接近等因素的影响,制约着可见光谱范围下目标果实的检测精度,给机器视觉识别带来极大挑战.针对复杂果园环境下的不同光照环境和果实姿态,提出一种优化的一阶全卷积(FCOS)神经网络绿色苹果识别模型.首先,新模型在FC...     

基于CCD图像的火灾空间定位方法

大空间中火源的空间位置的定位,一直是火灾自动探测与自动扑救中的难点。研究了一种利用单一CCD摄像头进行火灾自动空间定位的方法。根据计算机视觉原理,利用固定在自动消防水炮末端的CCD摄像头随水炮旋转扫描时的角度、位移变化,将CCD摄像头在不同位置所拍摄的图像中火源图像坐标和火源的空间坐标建立联系,从而实现了火源空间位置的自动定位。     

基于容限近集理论的光学伪装评价研究

在对地面目标光学伪装评价的研究中,根据地面背景伪装图像的特点,提出了一种基于容限近集理论的评价地面目标光学伪装效果的方法。提取伪装图像中的目标和背景区域,将这些区域作为容限空间中的集合分别进行分块,每块子图像作为集合元素,提取各子图像的统计、颜色和纹理等特征,在容限空间中计算背景与目标并集集合的所有容限近似类,用近似测量(tNM)指标评价伪装效果,并将tNM与豪斯多夫距离（tHD）比较。结果表明,容限近似理论作为一种新的评价伪装图像伪装效果的方法能很好地代替人眼主观评价;tNM作为评价伪装效果的指标优于tHD。     

Tank segmentation of infrared images with complex background for the homing anti-tank missile

In an effort to achieve fast and effective tank segmentation of infrared images under complex background for the homing anti-tank missile, the threshold of the maximum between-class variance method (i.e., the Otsu method) is experimentally analyzed, and the working mechanism of the Otsu method is revealed. Subsequently, a fast and effective method for tank segmentation under complex background is proposed based on the Otsu method by constraining the image background pixels and gray levels. Firstly, with the prior information of the tank, derive the equation to calculate the number of pixels of tank according to optical imaging principle, and then use the calculated tank size to constrain the image background pixels. Secondly, employ the golden section to restrict the background gray levels. Finally, use the Otsu method to implement the segmentation of the tank. Experimental results demonstrate that the proposed method can get as an ideal result as the manual segmentation with less running time.     

Performance evaluation of maximal separation techniques in immunohistochemical scoring of tissue images

This paper presents an automatic scoring method for p53 immunostained tissue images of oral cancer that consist of tissue image segmentation, splitting of clustered nuclei, feature extraction and classification. The tissue images are segmented using entropy thresholding technique in which the optimum threshold value to each color component is obtained by maximizing the global entropy of its gray-level co-occurrence matrix and clustered cells are separated by selectively applying marker-controlled watershed transform. Cell nuclei feature is extracted by maximal separation technique (MS) based on blue component of tissue image and subsequently, each cell is classified into one of four categories using multi-level thresholding. Finally, IHC score of tissue images have been determined using Allred method. A statistical analysis is performed between immuno-score of manual and automatic method, and compared with the scores that have obtained using other MS techniques. According to the performance evaluation, IHC score based on blue component that has high correlation coefficients (CC) of 0.95, low mean difference (MD) of 0.15, and a very close range of 95% confidence interval with manual scores. Therefore, automatic scoring method presented in this paper has high potential to help the pathologist in IHC scoring of tissue images.