利用图像处理和模式识别技术进行复杂背景下黄瓜叶部病害的自动识别,需要先把目标叶片从复杂背景中分割出来,才能进行后续的特征提取和病害识别。为实现复杂背景下黄瓜叶片的分割,首先利用K-均值聚类算法去除图片中的非绿色部分,再采用...利用图像处理和模式识别技术进行复杂背景下黄瓜叶部病害的自动识别,需要先把目标叶片从复杂背景中分割出来,才能进行后续的特征提取和病害识别。为实现复杂背景下黄瓜叶片的分割,首先利用K-均值聚类算法去除图片中的非绿色部分,再采用基于laplacian of gaussia(LOG)算子的方法对待分割的叶片进行区域检测,然后进行基于形状上下文(shape context)的模板匹配和分割。为了提高匹配速度,先检测叶片的生长点和叶尖,以确定叶片的位置、尺寸和方向;然后使用基于超像素(superpixel)的最优匹配搜索方法来减少搜索的复杂度。对20幅黄瓜叶部病害图像进行分割测试,并与人工分割法进行对比,结果表明,本文所采用的分割算法能较好地从复杂背景下提取出黄瓜叶部病害图像,分割准确率达94.7%,为后期黄瓜病斑的特征提取等工作奠定了良好的基础。展开更多
针对列车运行故障图像动态检测系统(Trouble of moving Freight car Detection System,TFDS)中挡键丢失故障,提出一种基于形状上下文的列车挡键丢失图像识别算法。取正常挡键区域图像作为模板,到待测TFDS图像中遍历,采用形状上下文描述...针对列车运行故障图像动态检测系统(Trouble of moving Freight car Detection System,TFDS)中挡键丢失故障,提出一种基于形状上下文的列车挡键丢失图像识别算法。取正常挡键区域图像作为模板,到待测TFDS图像中遍历,采用形状上下文描述图像的形状特征,加权形状上下文距离与弯曲能量以定义形状距离作为图像匹配的相似度指标,最后根据模板图像是否遍历出与其相似的区域图像作为挡键丢失的判断依据。采用Matlab编程,通过截取大量测试图像实验发现,所定义的形状距离阈值取0.16,对测试图像中有无挡键能很好地区分。采用形状上下文描述,自定义形状距离作为图像匹配的相似度指标具有很高的可靠性,该算法为TFDS图像故障识别提供了一种新的思路。展开更多
文摘利用图像处理和模式识别技术进行复杂背景下黄瓜叶部病害的自动识别,需要先把目标叶片从复杂背景中分割出来,才能进行后续的特征提取和病害识别。为实现复杂背景下黄瓜叶片的分割,首先利用K-均值聚类算法去除图片中的非绿色部分,再采用基于laplacian of gaussia(LOG)算子的方法对待分割的叶片进行区域检测,然后进行基于形状上下文(shape context)的模板匹配和分割。为了提高匹配速度,先检测叶片的生长点和叶尖,以确定叶片的位置、尺寸和方向;然后使用基于超像素(superpixel)的最优匹配搜索方法来减少搜索的复杂度。对20幅黄瓜叶部病害图像进行分割测试,并与人工分割法进行对比,结果表明,本文所采用的分割算法能较好地从复杂背景下提取出黄瓜叶部病害图像,分割准确率达94.7%,为后期黄瓜病斑的特征提取等工作奠定了良好的基础。
文摘针对列车运行故障图像动态检测系统(Trouble of moving Freight car Detection System,TFDS)中挡键丢失故障,提出一种基于形状上下文的列车挡键丢失图像识别算法。取正常挡键区域图像作为模板,到待测TFDS图像中遍历,采用形状上下文描述图像的形状特征,加权形状上下文距离与弯曲能量以定义形状距离作为图像匹配的相似度指标,最后根据模板图像是否遍历出与其相似的区域图像作为挡键丢失的判断依据。采用Matlab编程,通过截取大量测试图像实验发现,所定义的形状距离阈值取0.16,对测试图像中有无挡键能很好地区分。采用形状上下文描述,自定义形状距离作为图像匹配的相似度指标具有很高的可靠性,该算法为TFDS图像故障识别提供了一种新的思路。
