植物叶片形状特征提取的方法研究

植物叶片的特征提取对植物图像识别的研究有重要意义。根据叶片特征进行图像分割,特征提取,分类识别,将图像处理与植物分类学结合起来,对农业技术发展有重要意义。本文就形状特征提取作探讨。     

一种结合形状与纹理特征的植物叶片分类方法

根据植物叶片识别植物种类对于生物科学与生态科学具有重要的辅助作用。针对叶片分类,提出了一种基于形状与纹理特征的分类算法。在进行了去噪等预处理后,通过阈值分割和数学形态学方法获取叶片区域;在分割得到的二值区域图像上提取了形状特征,在灰度图像上提取了纹理特征;在所得特征的基础上,利用BP网络对叶片进行分类。在实际图片上的实验结果表明,相比于已有算法,该方法可以达到更高的正确分类率。     

基于图像处理的微小电子元器件自动计数算法

根据微小电子元器件的形状和正反两面的纹理特征,提出一种基于图像处理的微小电子元器件自动计数算法.该算法采用层次特征提取及数学形态学的图像分割算法,对图像中的元器件正面和反面,分别进行图像处理.根据元器件反面亮度高及纹理简单的特点,采用阈值化方法对其进行完全分割.将正面朝上的元器件从图像中分割出来,并采用数学形态学方法分离粘连的正面元器件.从而对粘连在一起的微小电子元器件实现了完全分割.对元器件进行精确分割后,即可采用连通区域标记的方法对所有分离的元器件进行计数.该算法实现了微小电子元器件实时自动计数,计数精度达到百分之百.     

基于SC特征的叶片图像识别研究

提出一种基于改进SC形状上下文描述子的叶片图像特征提取方法.利用颜色聚类分割图像,使用Ostu算子实现二值化处理,提取图像边缘轮廓,结合形状上下文(SC)描述子提取图像轮廓特征,计算匹配代价矩阵,利用匈牙利算法获得最小匹配代价.结果表明该算法具有较高的识别准确度.     

用数学形态学修正叶片图像方向的算法

对于植物叶片识别,叶片的特征提取非常重要。在提取叶片特征并进行识别前,需要先进行预处理。很多叶片识别算法需要事先修改叶片图像的方向。本文结合了形态学特征,提出了一种关于叶片图像方向的预处理算法。此算法能提取叶柄,获得主叶脉方向,并使叶片图像旋转到主叶脉垂直的方向,能够满足大多数叶片识别算法的需求。     

基于多特征融合的花卉图像检索

以植物花卉图像为研究对象,对植物花卉图像在区域分割、特征提取、基于内容的雷同图像过滤以及基于SVM的植物花卉图像检索等方面进行了系统、深入和较为全面的研究。首先为保证检索效果,提出了基于Canny边缘的雷同图片过滤算法对花卉图像库中的雷同图片进行过滤。然后提出基于2RGB混合颜色模型的自适应阂值分割算法来对花卉图像进行分割。对特征提取采用多特征融合的方法,其中针对形状特征提出了基于HSV颜色模型的加权不变矩,并提出了结合形状特征与纹理特征的边缘LBP算子。通过在花卉图像库进行的实验表明,提出的若干方法都是有效的。     

基于自适应模糊阈值的植物黑腐病叶片病斑的分割

为了更好地研究植物黑腐病,对植物黑腐病病斑图像进行了分割研究,即根据病斑图像的特点,用图像模糊阈值分割法来分割病斑。针对目前图像模糊阈值分割法存在窗口宽度自动选取困难的问题,首先在预先给定隶属函数和图像像素类别数的情况下,提出了图像模糊阈值分割法的自适应窗宽选取方法;然后,针对用图像模糊阈值分割方法难于分割直方图具有单峰或双峰差别很大的图像的问题,提出了一种直方图变换方法,用来对直方图进行变换;最后根据变换后的直方图,再利用自适应模糊阈值分割法对植物黑腐病病斑图像进行分割。用采集到的病斑叶片进行的病斑分割实验结果表明,该算法是有效的与鲁棒的。     

基于高斯混合模型的叶片检测分割算法

为解决光照变化、叶片自身表观变化和复杂背景对植物叶片图像准确分割所造成的困扰,提出一种组合式分割方法。该方法在多个尺度上采用滑动窗口扫描方式检测图像中的叶片;对检测到的叶片区域中心区域像素为初始前景,而叶片窗口之外的区域为初始背景,用高斯混合模型(GMM)分别对前景和背景建立初始概率模型;采用迭代法完成叶片分割,在每一轮迭代中,用标准的图割算法和上一轮GMM模型分割前景和背景,根据新的分割结果重新估计前景和背景的GMM;迭代过程在能量函数收敛时结束。叶片检测时,以能描述叶片的外观和形状的HOG特征为检测依据;为了应对实际叶片图像中叶片形态、角度变化较多的挑战,采用多子类分类器策略。以葡萄叶片为例,用该方法进行了分割实验。结果表明,该方法对上述复杂条件下叶片图像的分割具有较好的鲁棒性和较高的精度,能实现分割过程的完全自动化。     

多尺度U网络实现番茄叶部病斑分割与识别

随着深度学习技术的迅速发展,卷积神经网络成为研究植物叶部病害识别与病斑分割的主流方法.针对番茄叶部病斑大小不一、形状不规则、病斑分割需要大量像素级标记等问题,文中提出一种多尺度U网络,以同时实现番茄叶部病斑分割与病害识别.在病害特征提取阶段采用多尺度残差模块组合不同尺寸的感受野来提取病害特征,以适应病斑大小和形状的动态变化.引入CB模块(Classifier and Bridge)将病害特征提取阶段与病斑分割阶段连接,对病害特征进行分类,并根据分类结果反向映射出特定类的激活图,此激活图包含特定类别病斑的关键信息.在分割阶段采用上采样与卷积相结合的方法对特定类的激活图进行反卷积,利用跳跃连接方式将反卷积特征与低层特征融合,以补充更多的图像细节信息,获取病斑分割的灰度图.为了使分割的病斑定位更加精确,利用少量像素级标记,对每个像素点采用二分类交叉熵损失函数进行监督训练,同时更好地引导特征提取网络关注病斑部位.利用原始测试集与模拟噪声和光照强度的干扰测试集分别验证模型的病斑分割与病害分类性能.在原始测试样本集上多尺度U网络的平均像素准确率、平均交并比和频权交并比分别达到了86.15％,75.25％和90.27％;在降低30％亮度和添加椒盐噪声的干扰测试集上,模型的识别准确率分别为95.10％和99.20％.实验结果表明,所提方法可以实现番茄叶部病斑分割与识别效果的共同提升.     

烧结断面图像分割方法的研究

利用图像分割技术,采用迭代的两级K&I最小误差阈值分割算法,对烧结图像的背景和红火区及红火区和气孔区进行了自动分割.在Visual C++6.0软件开发平台上编程实现并与其它算法作了比较.实验结果表明:该方法分割速度快,程序简单,且具有良好的分割效果,为图像特征提取和图像识别工作奠定了良好基础.     

采用形态学边界特征的医学图像检索

特征提取是基于内容的图像检索(CBIR)中的关键步骤,如何有效提取反映高层语义的图像特征对于医学图像的检索至关重要.提出一种基于边界形状特征的医学图像检索方法.该方法首先通过多尺度形态学方法检测图像边界点,然后对边界图像进行形状特征提取,构建边界的形状密度直方图,最后通过相似性匹配实现医学图像检索.实验结果证明了所提取的边界形状特征在医学图像检索中的有效性,通过对比实验给出了结果分析和进一步的研究思路.     

供应链质量追溯的烟草叶片图像帧特征动态识别方法

目前叶片特征识别方法多依据叶片颜色识别叶片形状、脉络等特征,导致识别的图像特征存在清晰度低的问题,提出了生产线质量追溯的烟草叶片图像帧特征动态识别方法。采用无线网络硬盘录像机设置叶片图像采集流程,采集生产线质量追溯时的烟草叶片图像,并且引入直方图均衡化、灰度化、降噪预处理技术,预处理叶片图像;引入四叉树分裂算法分割烟草叶片图像,从叶片的纹理着手,通过分形维数、缝隙量、能量、熵、对比度、对比度和相关性特征提取技术,提取叶片图像帧纹理复杂程度、疏密程度、灰度、信息量、清晰度和线性相关度特征;根据图像帧特征提取结果,使用DS合成算法动态识别烟草叶片图像帧特征。结果分析：此次研究方法应用后,提取的雪茄烟叶片脉络特征清晰度分别提升8.2、2.68;白肋烟叶片脉络特征清晰度分别提升7.56、1.5。     

综合颜色纹理形状特征的图像检索

图像特征的提取和使用在基于内容的图像检索中至关重要.研究了在基于内容的图像检索系统中整合颜色,纹理,形状的提取方法.将图像按照一定的规则进行分块,对各个分块分别进行各种特征向量的提取.颜色特征的提取是基于YUV颜色空间的颜色直方图,纹理特征的提取采用Gabor滤波器,形状特征的提取是基于Zernike矩的计算.实验结果表明,综合图像的颜色、形状和纹理特征提高了图像检索的准确性.     

Connectivity-based local adaptive thresholding for carotid artery segmentation using MRA images

The computer algorithms for the delineation of anatomical structures and other regions of interest on the medical imagery are important component in assisting and automating specific radiological tasks. In addition, the segmentation of region is an important first step for variety image related application and visualization tasks. In this paper, we propose a fast and automated connectivity-based local adaptive thresholding (CLAT) algorithm to segment the carotid artery in sequence medical imagery. This algorithm provides the new feature that is the circumscribed quadrangle on the segmented carotid artery for region-of-interest (ROI) determination. By using the preserved connectivity between consecutive slice images, the size of the ROI is adjusted like a moving window according to the segmentation result of previous slice image. The histogram is prepared for each ROI and then smoothed by local averaging for the threshold selection. The threshold value for carotid artery segmentation is locally selected on each slice image and is adaptively determined through the sequence image. In terms of automated features and computing time, this algorithm is more effective than region growing and deformable model approaches. This algorithm is also applicable to segment the cylinder shape structures and tree-like blood vessels such as renal artery and coronary artery in the medical imagery. Experiments have been conducted on synthesized images, phantom and clinical data sets with various Gaussian noise.     

特征级数据融合在医学图像检索中的应用

医学图像检索的效果很大程度上取决于特征提取的优劣。针对医学图像的自身特点,采用直方图、Gabor小波、不变矩三种典型方法分别提取了颜色、纹理、形状三类特征,然而将各种方法提取的特征直接用于图像检索效果并不理想。为此,提出了基于主元分析的特征级数据融合算法,避免了不同特征间数值上的悬殊对分类的影响,同时还达到了特征降维、去除特征间冗余的目的。实验结果表明,融合后的特征能更好地表达医学图像的内容,在医学图像检索中取得了较好的检索效果。     

基于小波变换的纹理图像分割

基于小波的纹理图像分割方法是把小波变换应用于纹理的特征提取。通过对原始纹理图像进行高阶小波分解，构成每个象素对应一个特征矢量，对所提取的特征利用均值举类算法进行分类，最终获得图像的分割结果。为了提高纹理分割图像的边缘准确性和区域性以及降低分割错误率，提出了利用特征加权来进行后分割的方法。     

基于图像几何形状特征的CBIR算法

张量尺度是一种基于图像几何形状的特征描述子,由于其特征提取过程计算复杂度较高,不适合于快速的基于内容的图像检索。提出一种基于图像森林变换的张量尺度特征提取快速算法,并采用归一化的张量尺度方向直方图作为图像几何形状的特征描述子,与相似性度量标准结合,实现了一种具有图像平移、旋转、尺度变换不变特性的基于内容的图像检索算法。与现有的张量尺度计算方法相比,该算法具有较低的计算复杂度,仿真实验结果证明算法的有效性。     

用于室内环境建模的基于形状一致性的立体视觉匹配算法

本文针对室内环境水平特征丰富的特点，提出借助图象变换，使立体视觉图象对中对应水平特征呈现形状一致性，以利于实现特征匹配，并获取物体三维结构的新颖算法，本文地在标定图象及非标定图象两种条件下如何获取所需变换参数进行了深入的理论分析，并对适用于基于形状一致性匹配算法的图象预处理及匹配算法进行了分析与实验研究。从初步获取的实验结果来看，这是一种对室内环境建模较为有效的方法。     

基于粗糙集理论的图像分割智能决策方法

尽管如今已有多种图像分割算法,但是没有任何一种分割方法能够适用于所有的图像.为了使图像跟踪系统能根据图像特征自适应选取分割算法,给出了一种基于粗糙集理论的图像分割智能决策方法.该方法首先选取若干具代表性的分割算法构成算法库,并用它们对各种样本图像进行分割;然后利用从样本图像中提取出来的各种数值特征,并根据图像分割质量评价标准评判出各样本图像的最优分割算法,用其构成决策信息表;最后应用粗糙集理论来对决策信息表进行离散化处理和属性约简,以生成图像分割算法选取的决策规则.该决策方法解决了图像跟踪系统中分割算法选取的一系列难题.实验证明,该决策方法能比较有效地根据系统所处理图像的特征选取出算法库中最优的分割算法,并可满足车载图像跟踪系统的实时性要求.