分享到:

基于神经网络的灰度图像阈值分割方法

图像分割是图像处理中的重要环节,也是比较困难的环节.准确的分割影响甚至决定分析与理解的准确程度,而分割问题的困难在于图像数据的模糊和噪声的干扰.至今还没有普适性的判断分割是否完全正确的准则,分割的好坏必须从分割的效果来判断.不同的应用场合应具体分析,根据实际情况选择适合的方法.对于目标区域和背景区域在灰度上有较明显差异的图像,通常根据直方图谷点来确定阈值分割图像.确定直方图谷点位置的方法很多,但多数情况下,噪声干扰使谷点的位置难以判定或者结果不稳定可靠.本文提出了一种基于神经网络中线性搜索的方法来确定直方图的谷值,并对实际图像进行实验,搜索谷值作为分割阈值来分割图像.本算法首先对样本图像的直方图进行高斯滤波做平滑,然后对滤波后的直方图线性搜索谷点,并利用搜索到的谷点作为阈值对图像进行二值分割.1灰度阈值法灰度阈值法是指确定一个灰度门限来区分物体与背景,在门限之内的像素属于物体,其他则属于背景.这种分割方法对于物体与背景之间存在明...  (本文共6页) 阅读全文>>

西北农林科技大学
西北农林科技大学

苹果采摘机器人视觉识别与路径规划方法研究

为准确有效的识别树冠苹果、实现机器人采摘前期行内可疑障碍物的检测,提供对采摘作业时的路径规划技术的理论支持,研究苹果采摘机器人的视觉识别与路径规划方法,对于提高苹果采摘机器人的采摘效率和可靠性,提升农业装备的智能化采摘水平,有十分重要的现实意义和广阔的应用前景。本文针对当前存在的苹果采摘机器人的视觉识别和路径规划方法的关键问题,即对非结构化复杂环境下的树冠苹果识别、行间可行走区域可疑障碍物的检测,无学习机制的基于生物刺激神经网络的全局全覆盖最优路径规划、基于Q学习机制的最优安全路径规划展开了研究,利用Matlab2010a在Windows7环境下对提出的方法进行了编程验证。完成的主要工作和结果如下:(1)针对自然环境下农业图像的非结构化特点,研究并提出了结合a*颜色模糊判决的L*a*b*检测方法。树冠苹果的检测结果表明,若苹果呈10%以上的红色,尽管有阴影,均能达到100%的有效检测;同时园区行内植草的障碍物检测结果也表明,若行...  (本文共131页) 本文目录 | 阅读全文>>

长春理工大学
长春理工大学

基于模糊理论的车牌图像分割与识别系统研究

车牌识别(LPR)是计算机视觉和模式识别在智能交通领域的重要应用,是实现智能交通运输系统的核心技术之一。本文通过分析车牌识别的国内外发展状况及趋势,总结了目前车牌识别存在的一些不足和需要改进的方面,设计了基于模糊理论的车牌图像分割与识别系统。首先,本文通过分析模糊阈值分割算法以及车牌分割与识别的关键技术,提出了本文的研究方案;然后针对传统车牌识别系统受获取条件影响较大的车牌图像分割问题,提出了改进的基于模糊阈值的车牌图像分割算法,并通过大量的车牌图像分割实验证明了本算法很好的解决了低质量车牌图像的分割问题,分割效果能够满足车牌识别系统对于车牌图像分割的要求;最后本文提出了基于粗网格特征和投影特征的组合特征提取方法进行车牌字符的特征提取,并建立了基于BP神经网络结构的模糊神经网络进行车牌的字符分类识别。识别实验结果表明本文建立的车牌字符识别系统的识别性能良好,汉字字符识别率达到96%以上,字母和数字字符平均识别率达到98%以上,算...  (本文共62页) 本文目录 | 阅读全文>>

东华理工大学
东华理工大学

纹理图像局部灰度自动校正及其在叶脉分割中的应用研究

叶脉是植物分类的重要特征之一,植物叶片图像叶脉分割是叶脉识别的前提,而叶脉分割大多数都是对灰度图像进行处理,由于叶片图像采集过程易受光照影响而出现阴影、光照过强的现象,影响叶片的分割结果,因此必须对灰度图像进行灰度校正。本文提出了包括叶脉图像在内的纹理图像的局部灰度自动校正新方法,通过区域生长和双向线性、非线性灰度变换方法自动定位并调节纹理图像的部分灰度实现校正。在叶脉图像分割方面提出了一种一维多阈值分割的辅助方法,简单有效并针对性地提取感兴趣区域的灰度信息,为下一步工作打好基础。另外,单张叶脉图像的提取结果会出现局部叶脉信息丢失、断裂、不完整的现象,本文将多图像融合方法应用于叶脉提取,对同一叶片不同图像的叶脉提取结果进行配准与融合,获取更多的叶脉细节信息,得到最终比较完整的叶脉提取结果。本文提出的方法在叶脉分割中应用效果较好。自动灰度校正方法能够消除对纹理图像区域形状的限制,对任意形状的区域均能消除图像中由于光照因素产生的灰度...  (本文共55页) 本文目录 | 阅读全文>>

沈阳大学
沈阳大学

改进的人工蜂群算法在医学图像分割上的应用

医学图像分割技术已被广泛的运用在医学领域当中,且主要在医学研究、临床诊断、病理分析、影像信息处理、计算机辅助手术有着重要的研究价值。因此,提高医学图像分割方法的性能成为我们当前研究的重点。本文主要针对如何提高医学图像分割方法的精确度,时间效率,分割效果等问题,对现有的医学图像分割方法进行系统的分析研究,并提出了有效的方案,即利用改进后的人工蜂群算法与分数阶图像分割方法相结合来进一步提高了医学图像分割的效果。主要研究内容如下:对人工蜂群算法进行了两种改进,分别是在低维度下对其搜索策略进行改进,提出了一种变系数人工蜂群算法(VCABC),通过对算法的搜索方向和搜索步长随着迭代次数的增加进行相应的调整,以达到增强算法跳出局部最优的能力和提高算法性能的目的;而在高维度下对其算法思想进行改进,将其与大数据中的分布式计算的思想进行结合,提出了一种分布式人工蜂群算法(DABC),使人工蜂群算法在维度升高的同时提升其算法的性能,保持人工蜂群算法...  (本文共90页) 本文目录 | 阅读全文>>

南昌大学
南昌大学

肛肠病症图像的分割和识别方法研究

在医学上痔疮为常见、易发的病症,目前在中国有很多人患有这种病症。痔疮的传统诊断方法是医生根据自己多年的专业知识和临床经验对病症进行诊断。该方法要求医生的专业知识扎实、临床经验丰富,且容易误诊,工作效率低[1]。随着计算机科学和人工智能学科不断的发展,为了提高肛肠病症识别的准确率及其智能化水平,该领域的很多医学专家希望能借助专家系统自动识别出肛肠病症。针对以上考虑的问题,本文主要是对肛肠病症图像的分割和识别方法进行研究。首先,对医学临床上拍摄的图片进行选取,并分别用Grey-World,Shades ofGrey,max-RGB和Grey-Edge算法对图像进行亮度调整。把调整好的图像转换成灰度图像,在对这些图像用中值滤波,均值滤波方法去噪。其次,为了研究图像感兴趣区域和排除一些不相干的因素,因此需要对图像进行分割。在进行了图像预处理的基础上,分别用半阈值分割法、改进的一维最大熵阈值法及二维最大熵阈值法对图像进行分割。文中通过多次...  (本文共86页) 本文目录 | 阅读全文>>