基于铸体薄片图像颜色空间与形态学梯度的岩石分类

为实现自动高效且结果可靠的岩石分类,提出一种基于岩石薄片图像的自动分类方法。该方法通过偏光显微镜采集的铸体薄片图像,由图像的原始颜色空间与其形态学梯度中提取特征参数,统计各图像矩阵分量的标准算术值构建岩石分类的特征空间,利用支持向量机方法建立特征空间与岩石类别之间的映射关系。采用鄂尔多斯盆地苏里格地区的100幅沉积岩岩石薄片图像对该方法进行测试。研究结果表明:该自动分类方法结果的正确率达95%以上,说明结合颜色空间与形态学梯度的高效岩石图像自动分类方法具有较高的准确性与可靠性。     

基于卷积神经网络的岩石图像分类

在显微镜下分析岩石薄片并对其进行分类时,人工鉴定效率较低且易受主观因素影响,为此提出了一种基于卷积神经网络深度学习的岩石粒度自动分类方法。该方法通过卷积网络模型实现图像特征自动提取,并同时建立模式分类器,实现基于薄片图像的粒度自动识别。采用鄂尔多斯盆地的4 800样品对卷积网络模型进行训练,通过1 200个样品对模型测试,测试集分类结果的准确度达到98.5%。理论分析与数据验证说明,通过深度学习所建立的卷积网络模型能够基于岩石薄片图像获得高效、准确、可靠的自动分类结果。     

基于色彩纹理特征的图像分类及应用

目的研究彩色数字图像的计算机分类识别方法并应用于古瓷片的自动分类。方法提出了一种色彩纹理特征的提取模型,采用该模型,利用IGabor滤波器提取数字图像的色彩纹理特征,并构造支持向量分类机(SVM)分类器组。结果实现了高准确率多类别图像的自动分类识别,并成功应用于古瓷片的自动分类。结论色彩纹理特征提取方法将颜色与纹理进行融合,增强了数字图像之间的特征区分能力。     

基于色彩空间和深度残差网络ResNet-50的复杂岩性油气藏岩石样本智能分类及识别

岩石样本的分类识别是油气和矿产资源勘探中的重要环节。目前,仍然以人工识别的实验方法作为主要方法,普遍存在主观性强、周期长、成本高等典型问题。机器学习的分类算法在图像分类领域已经得到广泛应用,然而由于岩石样本图像具有明显的差异性特征,甚至同类岩石样本图像也具有一定的色差,直接应用现成智能算法进行分类,验证集的准确度仅为85%左右。所以,基于色彩空间下岩石样本图像的颜色特征曲线,提出了一种基于颜色类别和深度残差网络ResNet-50的智能分类及识别方法。首先,以7种不同岩性的岩石图像为样本,提取样本的RGB颜色特征,应用无监督K-means聚类算法,按颜色分为3个大类,再通过有监督精细K-近邻(K-nearest neighbor, KNN)算法对颜色类别进行验证,平均分类精度为99%。然后,对于不同颜色类别下的岩石样本,利用深度残差网络ResNet-50进行分类识别。结果表明,不同颜色类别的岩石样本平均训练精度为93.15%,验证精度为88.21%,可以作为岩石样本分类的有效方法。     

基于深度信念网络的岩石粒度分类

为提高地质研究中石粒度分析的识别精度,提出一种基于深度信念网络的分类方法,该方法通过深度信念网络模型自动提取图像特征、构建分类器,实现基于薄片图像的岩石粒度自动识别。使用来自鄂尔多斯某油田区域的4 800张岩石图像对深度信念网络进行训练,用其中1 200张岩石图像测试模型的准确性达到了94.75%。理论与实验综合分析结果表明,使用深度信念网络对岩石图像进行粒度分类能够得到更加准确、高效的分类结果。     

基于模式识别与灰度共生矩阵的神经元图像分类

为了实现自动高效且结果准确的生物神经元识别,提出一种基于模式识别与图像灰度共生矩阵特征的神经元自动分类方法。该方法通过对生物神经元图像预处理,计算图像的灰度共生矩阵,统计各图像灰度共生矩阵属性值的平均值和标准差,构建生物神经元类别的特征空间,利用模式识别中的人工神经网络方法建立特征空间与神经元类别之间的映射关系。采用收集的160幅生物神经元图像对该方法进行实验分析,测试集的识别正确率达93.8%。研究结果表明,结合模式识别与图像灰度共生矩阵特征的生物神经元图像自动分类方法具有较高的准确性与可靠性。     

基于K-均值聚类算法的中药叶片显微图像分割

本文试图利用图像分割技术,实现叶片自动分类。为了充分利用像素的色彩,分割算法在RGB颜色空间进行。颜色空间数据量巨大,直接进行聚类效率太低,因此,本文运用一种特殊的存储结构存储颜色空间数据,按颜色的密度特征对图像中的颜色进行排序和聚类,并根据待聚类色彩与已有聚类中心距离是否小于类内最大距离来决定归入已有的类或形成一个新的类。实验结果表明算法具有较好的分类效果。     

基于颜色特征相似性度量的包装图配色检索研究

色彩是包装设计中重要的设计元素，为了提供更多的包装案例配色参考，本课题提出了基于颜色特征的包装配色检索研究。选择HSV颜色空间量化图像，采用颜色特征直方图法提取图像特征和图像相似性度量。建立8种色彩情感图像资源库，采用基于PCA方法实现色彩情感图像库的分类判别。实验中根据输入的关键图，进行分析判断，并从图像库中输出相同色彩情感的图像，实验结果表明本文提出的方法能获得较准确的结果。     

基于累计直方图的视频色彩风格分类

在进行图像模式识别时,经常利用颜色直方图进行目标识别,由于不同色彩风格中的相同目标往往会有不同的颜色特征,有必要对其进行色彩风格分类.由此提出一种利用HSI颜色空间中饱和度(S)的累计直方图进行视频色彩风格分类的方法.通过对大量视频进行训练,得到训练视频的饱和度(S)分量的累计直方图,利用矩分析法得到直方图的均值和方差...     

基于色彩分割及信息熵加权特征匹配的刹车片图像分类算法

在基于机器视觉的汽车刹车片外观检测中,刹车片图像前景分割及形状特征的提取和匹配算法是刹车片分类的关键。为实现汽车刹车片外观高精度检测分类,该文提出并实现了一种包括前景分割、几何特征提取及特征模板匹配的图像处理算法。该算法首先将工业相机拍摄得到的红、绿、蓝(red green blue,RGB)格式图像转换到色调、饱和度、明度(hue saturation value,HSV)色彩空间,利用其中的饱和度S通道从暗色传送带背景中分割刹车片;然后提取刹车片区域的多维几何特征进行特征融合;最后采用基于信息熵加权的改进特征匹配算法,通过刹车片特征的信息熵对特征空间的Manhattan距离进行加权。对98张、54类刹车片图像进行了分类实验,结果表明:算法准确率为95.00%,每张平均耗时110ms,可以应用于刹车片生产过程中的实时自动分类。     

利用超声图像进行胎盘功能无损自动分级的两种方法

根据B型超声得到的不同发育阶段的胎盘图像,对胎盘功能进行无损自动分级。首先从图像中提取出用以胎盘分级的各种特征参数,然后结合医学专家的分级判断,利用模糊分类法和数量化理论,分别建立起自动分级的规则,并通过临床试用比较2种分级方法的优缺点。结果表明：这种胎盘功能的无损分级方法可以有效地用于医学临床。     

Rock mass structure analysis based on seismic velocity and attenuation images

Seismic traveltime, amplitude and pulse-width can be used to reconstruct seismic velocity and attenuation coefficient images for a rock mass. This study discusses the appearance differences of velocity and attenuation coefficient in the ore vein and rock mass in the images. The location of the rock vein and the characteristic of the rock mass are discussed according to the difference responses of velocity and attenuation from the ore vein and mixed rock vein, fracture and rock body. The effect and limitation of the seismic tomography method for investigating ore body and rock mass is suggested on the basis of a field test result. The special observation method in this study gives a good reference for obtaining full position and directional observation in seismic tomography.     

基于区域分割的彩色航空影像建筑物自动检测

为了从高分辨率遥感图像中完整提取建筑物区域,采用区域分割的原理,研究了建筑物自动检测的方法。该方法首先利用利用K-Mean分类方法将地物分为两类:人工地物类和非人工地物类,然后利用阴影、Mean Shift分割信息来剔除人工地物类中干扰区域,再根据形状分析来确定真实的建筑物区域。本文用上述方法对高分辨率航空影像进行了实验,实验结果证明了该方法有着较高的识别率、较好的准确性和鲁棒性,具有实用价值。     

基于综合特征的Bp_adaboost工业仪表图像分类方法

针对工业场景图像背景复杂,受多种因素影响、利用单个特征完成工业仪表图像分类不能达到满意效果的问题,提出了一种综合利用图像的颜色和纹理特征,通过Bp_adaboost的方法对工业仪表图像进行分类的方法。首先基于HSV空间进行低阶颜色矩特征提取;然后基于灰度共生矩阵进行纹理特征提取;最后用17维综合特征向量对工业仪表图像进行Bp_adaboost分类学习和测试。实验结果表明,该方法对液位控制系统工业仪表与液位容器设备图像能取得较好的分类结果。     

Multi secret image color visual cryptography schemes for general access structures

In the proposed visual cryptography schemes for general access structures, the single secret image black-and-white visual cryptography schemes with meaningful shares have been constructed, in which the shares are innocent looking images. The meaningful shares have not been realized in single secret image color schemes; neither have the multi secret images color schemes. In this paper, the multi secret images color visual cryptography schemes for general access structures with meaningful shares are constructed by the method of matrix concatenation, the pixel expansion is obtained, and the validity of the scheme is proven. In our scheme, the different combination of meaningful color shares can be used to recover distinct color secret images. The multi secret images black-and-white visual cryptography scheme is a special case of our color scheme.     

利用自然光照明办公环境特性化相机校正手掌颜色的研究

数码相机作为一种主要的图像获取工具已经成为大众消费品,而且也可以作为一种颜色获取工具得到应用。利用自然光照明办公环境下使用国际标准色卡ColorChecker特性化方法校正手掌图像,研究不同照相机在不同设置下获取手掌颜色的一致性。实验结果表明,特性化相机的方法对不同相机在不同光圈、曝光设置下拍摄的手掌图像校正效果明显,手掌图像校正后一致性效果明显,其手掌颜色从校正前的"均方色差"为6.22个CIELAB色差单位,变化到校正后"均方色差"为0.84个CIELAB色差单位。     

基于混合隐Markov模型的红细胞计数方法

为解决红细胞的计算机自动识别问题 ,引入了混合隐 Markov模型对彩色细胞纹理进行识别 ,采用螺旋型采样方法 ,应用一维隐 Markov模型解决二维图像处理问题。选择不同的样本 ,以期望最大算法训练多个混合隐 Markov模型 ,利用它对图像进行纹理识别 ,以距离变换和分水岭算法进行分割计数。该方法在分类正确率和算法适用性上取得了比较好的结果 ,提高了制片质量。该方法对中等质量的红细胞照片进行计数能够取得 94 %以上的识别正确率。提出了对混合 Markov模型初值选取问题的一种改进算法 ,以提高计算效率和算法鲁棒性     

基于叶片图像的植物识别方法

 基于计算机的植物自动识别是植物识别分类学的发展趋势,本文提出了一种基于植物叶片图像的植物自动识别方法。该方法在对叶片图像进行亮度校正、中值滤波和阈值分割等预处理后,计算植物叶片的偏心率、圆形性、圆形度指标、方向角、最小矩形宽轴/长轴、最佳椭圆短轴/长轴6个形状特征参数和植物叶片的二阶矩、对比度、相关、熵、逆差矩5个纹理特征参数,再使用径向基人工神经网络设计了植物自动识别的分类器。通过对3种植物的60个叶片图像进行实验,仅用植物叶片形状特征进行植物识别的平均正确识别率为70.83%,利用植物叶片形状特征和纹理特征进行植物自动识别的平均正确识别率为83.3%,并得到了径向基人工神经网络的参数。实验结果表明,植物叶片图像的纹理特征能够提高植物自动识别的平均正确率,基于植物叶片图像的植物自动识别是切实可行的,研究成果为深入研究植物自动识别分类系统奠定了一定的理论基础。     

基于颜色和纹理特征融合的马铃薯分级方法

目前马铃薯分级主要依靠人工完成,而对马铃薯的自动分级研究主要是对形状和大小进行初步分级,为了更好地对马铃薯进行精细化分级,提出一种颜色和纹理特征融合的分级方法,将马铃薯按色泽、损伤和蔫坏程度进行分级。首先提取马铃薯图像的马铃薯的HSV(hue saturation value)颜色特征,采用小波变换提取纹理特征,对两特征进行特征融合,然后通过对比支持向量机(support vector machine,SVM)分类器采用不同核函数的分级精度,选择了分级精度较高的径向基(radial basis function,RBF)核函数,最后模拟生产线上的马铃薯分级环境进行试验。试验结果为:能够将马铃薯按色泽、损伤和蔫坏程度分为三个等级,分级准确率达到97. 67%,每帧图像的平均处理时间为1. 0 s。该方法可用于马铃薯的精确分级,有利于提升马铃薯的质量和商品化速度。