现代图像处理技术在目标跟踪中的MatLab实现

运动检测与目标跟踪是计算机视觉中两个最重要的应用,具有很重要的现实意义和实际价值。介绍目标跟踪中运动图像的相关处理手段及常用图像操作函数,并通过MatLab语言强大的信息处理能力,快速实现目标的模拟仿真,实现目标的可视化,并提高图像处理的效率。     

基于近红外光谱的大枣成熟度无损检测方法

针对目前的农产品成熟度无损检测方法存在检测精度较差的问题,提出基于近红外光谱的大枣成熟度无损检测方法。利用近红外光谱仪采集大枣样品的近红外光谱,并计算采集到的近红外光谱的马氏距离,将超出阈值的马氏距离样品设置为异常样品,为此删除异常的大枣近红外光谱;利用连续投影算法对异常删除的大枣近红外光谱中的波段选择;将大枣近红外光谱波段选择结果作为卷积神经网络输入,通过卷积层和池化层的运算,输出大枣成熟度无损检测结果。实验结果表明：本方法的大枣成熟度无损检测精度最高可达99.12%,无损检测时间最高为11 s,无损检测误差最高为0.06,说明本方法无损检测精度好,具有较高的技术水平和应用价值。     

跟踪系统中图像预处理技术

为精确获取空间目标三位姿态,达到实时稳定跟踪的目的,采用有效方法对所得图像进行处理是必要的。该文基于图像处理理论,介绍了预处理的几种方法,以实现边缘信息的增强,对边缘检测、特征提取、匹配及三维重建亦意义重大。     

现代图像处理技术在目标跟踪中的MatLab实现

运动检测与目标跟踪是计算机视觉中两个最重要的应用．具有很重要的现实意义和实际价值。介绍目标跟踪中运动图像的相关处理手段及常用图像操作函数．并通过MatLab语言强大的信息处理能力,快速实现目标的模拟仿真,实现目标的可视化,并提高图像处理的效率。     

一种新型苹果果实特征提取算法

针对当前苹果特征提取常用的Hough算法存在运算复杂、实时性差等缺陷,提出了一种新型苹果果实特征提取算法。该算法利用一个滑动的高斯模板和苹果图像进行卷积运算提取苹果的圆形。试验及仿真结果表明,该方法可以实现单一、相邻和重叠3种情况下,苹果果实检测的高准确率,且在相邻并重叠的复杂情况下,其识别准确率也能达到94.1%,而在单个苹果的情况下,苹果果实的检测准确率可达96.6%,完全满足苹果实时、高效分级的需要。     

基于可见光—红外光图像融合的苹果缺陷检测算法

针对传统苹果缺陷检测方法存在的劳动强度大、生产率低及误判率高的缺点,提出了基于图像融合的苹果缺陷检测算法,该算法利用可见光和红外图像的高、低频小波系数采用不同的融合方法,以获得更加突出的特征图像。仿真结果表明,该方法在划碰伤、果梗/花萼、完好果的苹果果实检测方面平均识别率可达96%,且在划碰伤方面识别率可达92%,而在果梗、花萼及完好果的检测方面识别率可高达100%,完全满足苹果在线检测分级的需要。