下载文档原格式
基于S分量指数加权H分量的圆形直方图阈值法
张智豪;范九伦
【期刊名称】《计算机工程》
【年(卷),期】2022(48)10
【摘要】HSI颜色空间可以用三维空间下的圆锥模型进行解释,基于HSI颜色空间的H分量圆形直方图实现彩色图像分割具有可行性。
针对HSI颜色空间的H分量圆形直方图毛刺较多以及相关阈值选取准则分割精度较低的问题,给出S分量指数加权H分量的直方图公式,利用S分量信息对H分量直方图的毛刺进行平滑处理,并通过分析给出指数加权因子的最优取值。
在此基础上,提出一种圆形直方图阈值分割法,通过对整个圆形直方图进行整体角均值计算而得出新的阈值选取准则。
实验结果表明,该圆形直方图阈值分割法具有有效性,在测试数据集上,与3个圆形最大熵阈值分割法以及2个阈值分割准则相比,所提方法的像素精度值平均提高3.2%,结构相似度值平均提高2.5%。
【总页数】7页(P238-244)
【作者】张智豪;范九伦
【作者单位】西安邮电大学通信与信息工程学院
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于颜色分量与直方图的玉米苗期背景分割方法研究
2.基于三种颜色分量归一化累积直方图的图像检索系统设计
3.GPS/BDS分类组合定位的指数加权Helmert 方差分量估计法
4.基于直方图主分量分析的珠光体球化评级方法的研究
5.基于Curvelet域多分量阈值控制的OBC垂直分量横波噪声压制方法
因版权原因，仅展示原文概要，查看原文内容请购买。
基于Harris角点能量的指纹图像分割算法刘花香;王玲【期刊名称】《计算机工程与应用》【年(卷),期】2011(047)015【摘要】指纹图像分割是自动指纹识别系统预处理过程中的一个重要环节.提出了一种基于Harris角点检测器的指纹图像自适应分割算法.首先利用Harris算子计算待分割图像的角点能量,然后使用一种自适应的方法设定阈值完成初分割;采用形态学方法进行后处理以减少分割错误,最后通过面积参数去除分离的残留噪声区域.在FVC2004数据库上的实验结果表明,该分割算法能够准确提取指纹有效区域,并且对低质量指纹图像具有很好的鲁棒性.%Fingerprint segmentation is one of critical pre-processing steps in automatic fingerprint identification system. This paper proposes an adaptive fingerprint segmentation based on Harris corner detector. At first, Harris operator is used to compure the strength of Harris corners in the fingerprint image,and then a threshold-setting method is adopted to compute adaptively the threshold for the early segmentation.Morphology is applied as post-processing to reduce the number of classification errors,the area parameter is used to remove remaining noised region to get the final segmented image. The experimental results on databases of FVC2004 prove that the proposed algorithm provides very accurate segmentation of valid ridgeregion.Moreover,this classification method also has a great robustness to those fingerprint images with low quality.【总页数】4页(P206-208,218)【作者】刘花香;王玲【作者单位】湖南师范大学,物理与信息科学学院,长沙,410081;湖南大学,电气与信息工程学院,长沙,410082【正文语种】中文【中图分类】TP391【相关文献】1.基于数学形态学与均值方差的指纹图像分割算法 [J], 聂桂军;张振峰;夏玉敏;梁菊华;杨立力;吕莲2.一种基于连通域分析的卡片指纹图像分割算法 [J], 陈小光;王琳;汪周武3.一种基于标准差的指纹图像分割算法 [J], 余兆钗4.一种基于突变信号分析和最小二乘法的指纹图像分割算法 [J], 刘明明;侯德文;刘江;王金凤5.基于Adaboost的指纹图像分割算法 [J], 张美霞;王希常;刘江因版权原因，仅展示原文概要，查看原文内容请购买。
基于旋转不变HOG 特征的图像匹配算法汤彪，左峥嵘，李明作者简介：汤彪，（1988-），男，硕士研究生，主要研究方向：目标检测与跟踪，图像特征提取。
通信联系人：左峥嵘，男，副教授，主要研究方向为数字图像处理，目标跟踪与图像匹配。
E-mail: zhrzuo@（华中科技大学图像识别与人工智能研究所，武汉 430074） 摘要：图像匹配是目标检测问题中的一个非常重要的组成部分，HOG(Histogram of Oriented 5 Gradient)特征因为能够对图像局部的几何和光学变化保持很好的不变性，在图像匹配领域也得到了应用。
但是HOG 特征并不能保证对旋转不变，在实际使用中存在着一些局限性。
本文提出了一种方法来改进HOG 特征，使得HOG 特征能够保证对旋转不变。
本文主要通过改进HOG 特征中图像的划分方式和梯度方向直方图来得到旋转不变的HOG 特征。
本文提出使用一种新的图像划分方式，将图像划分成一些圆环区域代替传统HOG 特征的方形区域划分方式，10 同时本文提出对梯度进行RGT(Radial Gradient Transform)变换，利用变换后的梯度统计直方图信息以获得旋转不变的直方图信息。
最后文章研究了相关参数的选择问题，以获得最优的匹配效果。
实验结果表明，本文提出的改进的HOG 特征在能够在保证图像匹配准确率的情况下也保证了旋转不变性，同时本文的特征在实时性上也优于传统的HOG 特征。
关键词：图像匹配；梯度方向直方图（HOG）；RGT(Radial Gradient Transform)变换 15中图分类号：TN911.73A Rotation-Invariant Histogram of Oriented Gradient forImage MatchingTANG Biao, ZUO Zhengrong, LI Ming20 (Institute for Pattern Recognition and artificial Intelligence, Huazhong University of science andtechnology, WuHan 430074)Abstract: Image matching is an essential issue in object detection problem. Being invariant to local geometric and photometric transformations, Histogram of Oriented Gradient(HOG) descriptor performs very well in most cases of image matching. However, its performance is not 25 satisfying when facing images with rotation variation. Our paper improves HOG desriptor to enhance its rotation-invariant ability. Instead of rectangle sub-regions in the orinial HOG descripor, we subdivide the image into annular spatial bins to achieve spatial binning invariant. Besides, we apply Radial Gradient Transform (RGT) to achieve gradient binning invariant. The numbers of gradient bins and annular bins have deep influence on the performance of our proposed algorithm. 30Experiments shows that our method ourperforms the original HOG in rotation-invariant. Keywords: Image matching; Histogram of Oriented Gradient(HOG); Radial Gradient Transform (RGT)0 引言35 图像匹配是解决许多计算机视觉问题中的一个非常重要的步骤。
基于图像处理的视觉采摘机器人作业控制研究
郑思思;王小花
【期刊名称】《农机化研究》
【年(卷),期】2024(46)10
【摘要】为了实现自动化的番茄分类采摘,基于视觉识别技术设计了识别系统。
首先,基于HSV视觉体系中的H分量,采用聚类分析的方法,依据成熟度将番茄分为不熟,半熟和全熟3类,并计算3类番茄成熟度对应的H分量分布范围;其次,根据半熟和全熟番茄H分量的分布范围进行番茄图像分割,并利用形态学的方法得到图像中番茄区域的轮廓曲线;再次,采用椭圆拟合方法实现对番茄轮廓拟合,计算得到图像中番茄区域的中心坐标;最后,采用双目视觉系统实现图像中番茄区域中心坐标向实际空间坐标转化。
对番茄轮廓曲线拟合精度和视觉定位精度进行测试,表明系统具有良好的可靠性。
【总页数】6页(P21-26)
【作者】郑思思;王小花
【作者单位】唐山科技职业技术学院
【正文语种】中文
【中图分类】S225
【相关文献】
1.苹果采摘机器人本体导航系统设计与研究—基于极限学习机与图像处理
2.采摘机器人水果检测及定位研究——基于图像处理和卷积神经网络
3.基于计算机视觉的
割草机器人作业控制研究4.采摘机器人机械臂运动控制与目标抓取研究——基于嵌入式和机器视觉技术5.基于计算机视觉的采摘机器人作业优化研究
因版权原因，仅展示原文概要，查看原文内容请购买。
基于HSI色彩空间与FFCM聚类的葡萄图像分割宋西平1，李国琴1，罗陆锋1，2，邹湘军2，张丛1（1．天津职业技术师范大学机械工程学院，天津300222；2．华南农业大学工程学院，广州510642）摘要：为适应农业采摘机器人对葡萄对象快速准确识别的需要，提出了基于HSI色彩空间与以直方图信息为特征的快速模糊C－均值聚类（FFCM）算法相结合的葡萄图像分割方法。
该方法以H分量作为葡萄图像聚类分割的处理数据，根据FFCM算法对灰度图像聚类分割。
试验对夏黑葡萄果实在自然光、顺光、背光照射环境下拍摄的图像进行分割。
结果表明：葡萄图像分割方法能够快速且较好地从复杂自然环境中将葡萄目标分割出来，为葡萄采摘机器人的研制提供了重要参考。
关键词：葡萄；图像分割；HSI色彩空间；直方图；快速模糊C－均值聚类中图分类号：TP391．41；S663．1文献标识码：A文章编号：1003－188X（2015）10－0040－050引言图像分割是图像分析、计算机视觉等领域的关键问题，是利用某种相似性准则，将图像中具有不同意义的部分分割成互不相交区域的过程［1］。
自然图像的复杂多变性决定了从模糊聚类的角度来考虑图像分割是比较合理的［2］。
近年来，美国、日本、荷兰、比利时等国家成功研制出农业方面的采摘机器人，将机器视觉技术引入了农业采摘机器人的领域中［3－6］，也对适用于多种采摘对象的农业采摘机器人的发展提出了迫切需要。
农业采摘机器人的作业环境相对复杂，适合于以聚类算法来确定采摘对象。
其中，模糊C －均值聚类算法（FCM）图像分割算法是一种常用的聚类算法，其基本思想是根据图像像素和聚类中心的加权相似性测度，对目标函数进行迭代优化以确定最佳聚类［7］。
其虽然可有效地进行聚类分割，但由于样本数据量大，会增加迭代次数，且其给定的参数值不一定为最优值，导致无法达到快速、准确聚类分割，给农业采摘机器人的快速准确识别带来一定的困难。
因此，对于彩色图像的分割，从色彩空间中寻找适用于分割问题的颜色模型，成为近年的研究热点。
基于二次阈值的荔枝果与结果母枝图像识别郭艾侠;邹湘军;邹海鑫【期刊名称】《计算机工程与设计》【年(卷),期】2014(35)2【摘要】为解决荔枝收获机器人对采摘目标识别与定位的关键问题,给出了荔枝图像感兴趣区域的荔枝串、荔枝果与结果母枝的图像分类,进行了彩色荔枝图像基于YCbCr色彩空间的Cr通道图的灰度化处理,提出了基于二次阈值的图像分割方法分类识别荔枝各部位的策略.对强光、逆光和普通光照条件下所采集的90幅荔枝图像进行荔枝串、荔枝果与结果母枝分类识别的实验测试与分析,各部位的平均识别率分别为91.67％、91.67％和86.67％.实验结果表明了该方法对荔枝不同部位的识别有效、可行.【总页数】5页(P557-561)【作者】郭艾侠;邹湘军;邹海鑫【作者单位】华南农业大学南方农业机械与装备关键技术教育部重点实验室,广东广州510642;华南农业大学信息学院,广东广州510642;华南农业大学南方农业机械与装备关键技术教育部重点实验室,广东广州510642;华南农业大学南方农业机械与装备关键技术教育部重点实验室,广东广州510642【正文语种】中文【中图分类】TP391.41【相关文献】1.基于探索性分析的荔枝串与结果母枝图像识别 [J], 郭艾侠;肖德琴2.基于探索性分析的的荔枝果及结果母枝颜色特征分析与识别 [J], 郭艾侠;邹湘军;朱梦思;陈燕;熊俊涛;陈丽娟3.基于双门限阈值的爆破块度图像识别研究 [J], 陈然; 杨仕教; 朱忠华; 郑建礼; 张紫晗; 胡光球4.基于阈值分割法和卷积神经网络的图像识别算法 [J], 李鹏松;李俊达;吴良武;胡建平5.基于灯体特征阈值分割的交通红绿灯图像识别 [J], 汤世福;钟铭恩;郑重港因版权原因，仅展示原文概要，查看原文内容请购买。
自然环境下桃子图像分割算法赵晓霞;张铁中;陈兵旗;乔军;杨会华【摘要】成熟果实的识别是果蔬采摘机器人视觉系统的关键问题,要解决该问题,首先需要进行有效的图像分割.从复杂背景中分离果实一直是该领域的一个难题.为此,针对自然环境下的桃子图像进行了图像分割方法的研究.利用2R-G-B和L*a*b*的a*分量以及HSI的H分量分别对彩色图像进行了3种方法的灰度化处理,然后采用大津法对灰度图像进行了二值化处理,对二值化图像采用匹配去噪与匹配膨胀相结合的方法,去除了复杂背景噪声.试验表明,所提出的桃子分割方法具有很好的分割效果.【期刊名称】《农机化研究》【年(卷),期】2009(031)002【总页数】5页(P107-111)【关键词】桃子采摘;图像分割;匹配去噪;匹配膨胀【作者】赵晓霞;张铁中;陈兵旗;乔军;杨会华【作者单位】中国农业大学工学院,北京100083;中国农业大学工学院,北京100083;中国农业大学工学院,北京100083;中国农业大学网络中心,北京100083;中国农业大学工学院,北京100083【正文语种】中文【中图分类】TP391.41;S1260 引言如何将成熟果实从复杂的背景中识别出来，是果蔬采摘机器人视觉系统要解决的关键问题，其中的关键步骤是图像分割。
快速与有效的图像分割一直是该领域的一个难题。
这是由于果蔬采摘机器人采集到的图像比较复杂，其中既包括目标物(成熟果实)和背景(未成熟果实、天空、树枝、树叶等)，还存在目标物被遮挡、目标物相互重叠等情况。
因此，研究一种有效的图像分割方法具有十分重要的意义。
图像分割算法的研究一直都受到学者们的重视，至今已提出上千种算法[1]，但是到目前为止还没有一种通用的算法。
近年来，由于彩色图像的应用越来越广，利用彩色信息进行图像分割的研究也越来越多。
目前，在果蔬图像分割中可以列举以下几种方法：一是采用基于亮度与色差模型的自动阈值分割方法对苹果图像进行分割，根据色差直方图确定最佳阈值[2]；二是采用BP神经网络进行草莓图像分割[3]，该算法是在HSI彩色模型下进行，选取3×3邻域像素的H通道值作为研究对象，其分割效果受教师信号的影响；三是SlaughterD.C.等在室外自然光条件下拍摄彩色图像，建立了几种颜色模型，利用这些颜色模型来识别橘子树上的柑橘[4]；四是基于L*a*b*彩色模型的a*通道进行草莓与西红柿的图像分割[5-6]，该方法利用了a*通道的两端所代表的颜色正好分别是成熟草莓(或西红柿)颜色(红)和背景颜色(绿)的特性，通过a*通道的灰度值将成熟果实从背景中分离出来；五是基于HSI彩色模型的H通道进行西红柿图像分割[7]；六是基于RGB彩色模型的草莓图像色调分割方法[8]，该方法通过分析RGB表色系与CIE—XYZ表色系的关系，得出在RGB彩色模型中草莓图像分割算法的条件是R≥G+B。
