共查询到19条相似文献,搜索用时 781 毫秒
1.
《河北北方学院学报(自然科学版)》2021,37(3)
目的利用小波变换,完成图像边缘的检测,提取能表征图像概貌的重要特征。方法学习并比较几种边缘检测方法,结合小波变换的多尺度特性,对小波变换分解的近似系数和高频系数进行处理,构建模值和幅角图像,提出一种基于小波变换的图像边缘检测算法。结果在MATLAB R2018b环境下,首先以屋顶图像为例,将算法与Roberts算子、Sobel算子、Canny算子、LOG算子进行对比,通过添加椒盐噪声与高斯白噪声,验证算法在边缘定位和抗噪方面取得了较好性能;然后将算法应用于其他图像,边缘检测效果依然稳定。结论基于小波变换的边缘检测算法具有较好的抗噪性与适应性。 相似文献
2.
3.
4.
5.
Sobel边缘检测算子是离散型差分算子,用来运算图像亮度函数的梯度近似值。在图像的任何一点使用该算子,将会产生对应的梯度矢量或法矢量。根据FPGA的并行流水线性以及硬件处理速度快、可编程、可重配置等特点,提出Sobel边缘检测算法:分别计算水平梯度和垂直梯度,将2个方向的梯度值结合起来,通过一个门限值后再输出二值图像。并在FPGA平台上进行了仿真。仿真结果表明,利用该算法能够取得良好图像边缘检测的效果。 相似文献
6.
提出一种融合梯度幅值和置信度的鸡蛋裂纹检测新方法.采集褐壳鸡蛋的裂纹图像,运用提及边缘检测算法获取感兴趣区域图像,采用最大边界算法挑选边界轮廓,融合二者获取裂纹区域图像.对3种典型鸡蛋裂纹图像进行边缘检测新方法与传统边缘检测算子(Log算子、Sobel算子及Canny算子)对比试验,结果表明:融合梯度幅值和置信度的鸡蛋裂纹检测新方法能够克服固定阈值适应性较差的缺陷,提高检测准确率,在消除噪声、增强弱边缘信息方面优于传统边缘检测算子. 相似文献
7.
小波变换的模极大值在图像边缘检测中的应用研究 总被引:1,自引:0,他引:1
边缘检测在图像处理中有着重要的作用.依据canny算子的核心思想,运用小波分析技术,提出了一种基于小波变换的模极大值边缘检测算法.仿真结果表明:该算法能提取图像较弱的边缘,有较好的去噪效果,且边缘有较强的连续性.优于传统的边缘检测算子. 相似文献
8.
《山西农业大学学报(自然科学版)》2017,(9)
[目的]农业图像中难免存在噪声,噪声会干扰有用目标的识别。为了准确提取农业图像中的有用信息,拓展图像处理技术在农业工程中的应用,有必要去除农业图像中的噪声。[方法]本文将一种改进的中值滤波与视觉滤波LOG算子结合起来,用于对农业图像进行去噪。首先,通过LOG算子将图像分为边缘图像和非边缘图像,然后采用一种改进的加权中值滤波处理非边缘图像,边缘图像与处理后的非边缘图像融合为最终的去噪图像。[结果]利用本算法对农业图像进行测试,与传统的中值滤波算法进行对比,并采用峰值信噪比作为滤波算法性能的客观评价指标,本算法的峰值信噪比高于传统中值滤波算法8.15%,有更好的降噪效果。[结论]因此,该算法的滤波效果优于传统中值滤波算法,可有效去除农业图像中诸多因素产生的噪声。 相似文献
9.
10.
11.
复杂背景与天气条件下的棉花叶片图像分割方法 总被引:4,自引:0,他引:4
为实现自然条件下棉花叶片的精准分割,提出一种粒子群(Particle swarm optimization,PSO)优化算法和K-means聚类算法混合的棉花叶片图像分割方法。本算法将棉花叶片图像在RGB颜色空间模式下采用二维卷积滤波进行去噪预处理,并将预处理后的彩色图像从RGB转换到目标与背景差异性最大的Q分量、超G分量、a*分量;随后在K均值聚类的一维数据空间中,利用PSO算法向全局像素解的子空间搜寻,通过迭代搜寻得到全局最优解,确定最佳聚类中心点,改善K均值聚类的收敛效果;最后,对像素进行聚类划分,从而得到棉花叶片分割结果。按照不同天气条件和不同背景采集了1 200幅棉花叶片样本图像,对本研究算法进行测试。试验结果表明:该算法对于晴天、阴天和雨天图像中目标(棉花叶片)分割准确率分别达到92.39%、93.55%、88.09%,总体平均分割精度为91.34%,并与传统K均值算法比较,总体平均分割精度提高了5.41%。分割结果表明,本研究算法能够对3种天气条件(晴天、阴天、雨天)与4种复杂背景(白地膜、黑地膜、秸秆、土壤)特征混合的棉花叶片图像实现准确分割,为棉花叶片的特征提取与病虫害识别等后续处理提供支持。 相似文献
12.
为了更好地对板材表面的节子和虫眼进行快速有效的分割,对局部二值拟合(local binary fitting,LBF)模型进行了深入研究,从而提出一个改进的 LBF模型,即在LBF模型的基础上,添加一个新的水平集线性正则化项,与此同时引入一个以高斯函数为核函数的局部二值拟合能量。改进算法能够克服LBF模型的分割缺点,使得分割过程对初始轮廓的大小和位置不敏感,同时增强算法的抗噪性,能够分割出灰度不均匀的图像。经实验验证,该算法可以比较完整地提取出单一目标和多目标的板材节子和虫眼的图像,以及对应得出与缺陷图像相对应的水平集演化图像。图21表1参15 相似文献
13.
14.
15.
以计算机视觉为基础,研究使用图像特征检测猪肉新鲜度的方法,通过对采集到的猪肉图像进行消噪和图像分割处理,从背景中分离出猪肉样本图像用于进一步处理;提出颜色区域比作为检测猪肉新鲜度的图像特征,使用聚类算法检验图像特征与新鲜度的相关性,并计算出分类阈值用于新鲜度检测.经试验验证颜色区域比与猪肉新鲜度间有较高的相关性,且本方法能够实现对猪肉新鲜度的检测和分类. 相似文献
16.
一种粘连谷物图像分割及杂质识别算法开发 总被引:4,自引:2,他引:2
本文提出了一种自动分割粘连谷物并识别杂质的算法。该算法首先使用基于形态学多尺度分解的分水岭算法对粘连颗粒进行分割,接着提取各个颗粒的形态特征和颜色特征,然后计算上述样本颗粒的特征值与完好谷物的特征值之间的马氏距离,并比较它们的马氏距离与设定的阈值,来识别混杂在谷物中的杂质。通过对5种谷粒(普通大米、粗米、糙米、普通大麦、糯麦)的实验,结果表明该算法取得了较好的分割与识别效果,为谷物质量分级的评定提供了一种快速有效地检测谷物产品杂质率的方法。 相似文献
17.
为了提高小麦病害图像分类的效率,提出了一种基于Spark的并行式支持向量机算法。首先对小麦病害图像进行滤波去噪、灰度压缩等处理,利用灰度共生矩阵、不变矩阵等从颜色、纹理和形状3个方面提取49个特征向量;然后通过数据集的切分和并行框架的支持,将大数据并行处理技术Spark与支持向量机结合,运用Scala语言实现了串行支持向量机算法的并行化,并将其应用于小麦病害图像识别。针对小麦锈病和白粉病的图像分类测试结果表明,当测试图像分别是2 600、3 900、5 120张时,该算法对锈病的分类精度依次是76.03%、81.18%、77.82%,对白粉病的分类精度依次是83.27%、85.91%、83.14%,比串行支持向量机分类精度有所提升。分类时间依次是13 928.0、18 506.1、24 897.2 ms,明显低于串行支持向量机的分类时间。改进的算法实现了小麦病害分类精度的小幅度提升,明显提高了处理速度,具有较快的学习收敛速率。 相似文献
18.
为促进数字图像处理技术在珍贵树种营养分析中的高效应用,以幼龄沉香为研究对象,运用大津法与K-Means算法分别对试验获取的幼龄沉香可见光图像进行分割,对2种分割算法进行比较研究。基于图像分割结果,提取R、G、B等8种颜色特征并进行主成分分析,同时计算沉香图像的最小外接矩形的矩形度RE。结果表明,1)大津法与K-Means算法均可实现对多张幼龄沉香可见光图像的分割,大津法较K-Means算法分割速度快,但分割精度小于K-Means算法,在具体分割时应根据实际需要对2种算法进行选择。2)提取的8种颜色特征的3个主成分累计贡献率可达到99%,可作为颜色特征;最小外接矩形的矩形度RE能够表达沉香轮廓内面积CA与最小外接矩形面积LA的比值,可作为形状特征,将这种特征因子用于构建沉香微量元素含量预测模型,有利于缩短建模时间并提高模型的精度。综上所述,研究结果可促进数字图像处理技术在珍贵树种营养诊断中的进一步发展,为精准林业提供参考。 相似文献
19.
为提高原木检尺的工作效率,提出一种自适应逐级开运算的成堆原木端面识别方法,以实现自然环境下成堆原木端面的快速识别。获取自然环境下堆放的成堆原木图像,利用PSO改进的K-Means聚类算法基于图像的RGB色差值,对图像进行背景和目标的分割,用PSO算法寻找K-Means的初始聚类中心,通过背景和原木堆的聚类实现背景和目标的分割。对于分割后的图像,设计了一种自适应原木端面大小的逐级开运算原木端面识别方法,该方法根据图像中的目标原木大小,以圆面积计算公式中面积和半径的正比关系为依据,用半径作为结构元素,从而自适应地寻找出结构元素的最大值和最小值,在2个最值的区间内设定1个可变的结构元素,从最大值逐渐减少地对目标图像进行开运算,从而实现对图像中不同直径大小的原木识别,计算出原木堆图像中所有原木的根数。结果表明,使用逐级开运算进行原木识别,对清楞原木的检测达到平均正检率97.26%,漏检率2.74%,错检率8.10%;混楞原木检测正检率93.32%,漏检率6.68%,错检率7.02%;与使用Hough变换进行圆检测的方法相比,本算法清楞原木和混楞原木的正检率平均提高分别为16.24%和19.29%。自适应逐级开运算的原木端面识别方法,可以识别不同直径的成堆原木端面,从而实现原木根数的自动计算,能有效提高人工检尺的效率。 相似文献