排序方式： 共有8条查询结果，搜索用时 250 毫秒
1
1.
2.
非结构化自然图像自主导航中的两类分割方法 总被引：2，自引：2，他引：2
以园艺草割过与未割过的自然图像两类分割为研究对象 ,提出了基于多尺度特征提取 ,以行像素最小、次小和最大、次大值求取加权中值点集的窄带兴趣区法 ,以及相邻行像素两类特征证据增强与多证据模糊判别增强分割法。通过自动跟踪分割实验 ,显示出自然图像中的不同色块和阴影对分割影响不大 ,而且能够做到实时输出分割参数 ,70 ms内自主做出未经透视投影变换的作业机理想移动方向决策。这两种方法对纹理两类边缘的分割是完全无监督的 ,可避免耗时的计算和人工操作介入。 相似文献
3.
基于最小错误率贝叶斯决策的苹果图像分割 总被引：7，自引：5，他引：7
为了实现苹果分级完全自动化，对苹果图像的分割进行了研究。依据最小错误率贝叶斯决策理论，提出了一种基于最小错误率贝叶斯决策的图像分割方法。从图像的直方图中估计出服从正态分布的不同类别参数，对图像中每一像素点进行不同类别判断。通过对多幅图像试验，取得良好的分割结果。试验结果表明，该方法无须滤波而具有良好的抑制噪声的能力，在图像分割中是一种可行的方法。 相似文献
4.
5.
基于小波多分辨率分解的农田障碍物检测 总被引：2，自引：0，他引：2
针对基于颜色或高度信息的农田障碍物检测方法仅能实现部分障碍物检测的缺点,提出了基于频率信息的检测方法.采用小波多分辨率分解,利用田间作物产生主频信息的总量优势及作物行分布规律确定作物所在频率层.在作物层上利用图像旋转投影法校正图像的同时,获得航位偏差和航向偏差;依据频率分布特性的改变,检测出发生行遮挡的疑似障碍物位置;依据非杂草类障碍物频率变化比较缓慢,在小波多分辨率分解的最高频率层上实现不发生作物行遮挡的疑似障碍物的检测;最后采用立体视觉匹配及频率信息的先验知识判定检测到的是否为障碍物.实验表明算法能检测出包括长满草的土堆、田头等各类障碍物,并能有效去除断垄干扰,单帧图像处理时间平均为79 ms. 相似文献
6.
农业机器人导航中两类纹理边缘的快速跟踪与透视变换 总被引：2，自引：2，他引：0
野外田间的主动摄像机视觉,尤其是对作物割过与未割过的高相似颜色表面进行实时识别与跟踪是一项极具挑战性的工作。提出了两种全新的快速分割方法,以用于农业机器人导航。其关键是基于多尺度特征提取,通过求取k-层行像素极值的加权均值来形成窄带兴趣区,以及基于相邻行像素两类特征证据增强与多证据模糊判别进行分割增强。提出了新的方法,分割出导向线能够自适应环境的一些变化。同时,本研究还提出了一种快速透视变换算方法和摄像机主姿态的一次性校正方法,能够在1 ms内完成对分割导向线参数的透视投影变换,在0.5 s内通过自校正获取相机的主姿态角。开发了一套对园艺草割过与未割过的边缘进行在线跟踪的分析软件。试验和相应的误差分析结果令人满意（160×120显示分辨率下,能在55 ms内自主做出经透视投影变换的作业机理想移动方向决策,普通难度的相似颜色序列图像的分割误差被控制在了平均5%以内）。对最佳适应步法（BFS）做了改进,提出了多行最佳适应步法（MR-BFS）,在不降低正确性的前提下使其分割速度提高了100%以上。通过折衷组合多行最佳适应步法（MR-BFS）与多证据模糊增强法（MEFE）进行在线试验,获得了160×120分辨率下8～9帧/秒的边缘自动跟踪性能。边缘跟踪试验显示：自然图像中的不同色块和阴影对其分割影响不大,能够快速输出导向跟踪参数。如果待分割纹理表面的颜色距离相对较远,还可采用本文新提出的颜色分量运算＋颜色位屏蔽方法。该方法能在320×240分辨率下,在20～30 ms内实现全帧的鲁棒分割,获得田间实时的多边缘跟踪性能。该方法避免了耗时的计算和人的操作介入,可被进一步应用于农业机器人的实际导航控制中。 相似文献
7.
原木材积检测中的计算机视觉技术 总被引：1，自引：0，他引：1
原木材积的检测在林业研究及造纸工程等领域是十分重要的。本文提出了一种基于计算机视觉的新方法用于材积的 检测。首先,分析了用于检测的硬件系统。然后,给出了检测过程中的详细算法。为了提高原木横截面图像的质量,提出了基于模糊熵的图像增强算法。在许多实际应用问题中,图像中的原木横截面常常是部分不可见的,这一现象已成为材积正确检测的主要障碍。为了克服这一现象,本文提出了一种鲁棒的Hausdorff距离用以恢复完整的原木横截面。实验的结果证明了本文方法的有效性。图5参8。 相似文献
8.
1