logo资料库

分水岭法统计小麦.doc

发布时间：2022-06-08 发布人：admin 分类：说明书 资料大小：0.51M 资料格式：doc 举报 版权申诉
第1页 / 共23页
第2页 / 共23页
第3页 / 共23页
第4页 / 共23页
第5页 / 共23页
第6页 / 共23页
第7页 / 共23页
第8页 / 共23页
资料共23页，剩余部分请下载后查看
    1绪论
    1.1 课题的引出
    1.2 课题研究的目的及意义
    2 图像分割的理论基础
    2.1 图像分割的定义
    2.2 图像分割的常用方法
    2.2.1 基于边缘检测的图像分割
    2.2.2 基于像素分类的图像分割
    2.2.3 基于直方图的图像分割
    2.2.4 基于区域的图像分割
    3 基于小波变换的分水岭算法
    3.1 小波变换
    3.2 在多分辨率时的分水岭变换
    3.3 分割后图像的高分辨率投影
    3.4 区域合并
    3.5 实验结果及分析
    4 基于小波变换的阈值分割法
    4.1 图像直方图的多分辨率分析
    4.2分割算法
    4.3 实验结果及分析
    5 图像分割技术的展望
    结 论
    参 考 文 献
    小麦图像分割算法的研究 摘 要 图像分割指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程，它是由图 像处理到图像分析的关键步骤。小麦的图像分割是使用各种图像分割算法对小麦图像进行 处理和研究，提取出有用的图像信息以实现小麦粘连籽粒的分离，为进一步利用图像处理 技术分析小麦品质提供依据。因此，对小麦图像分割方法的研究具有十分重要的意义。 本文首先研究了图像分割算法的分类以及常用图像分割算法的基本原理。然后针对小 麦图像的特点，研究了在不同光照、背景和连接情况下使用的小麦图像分割方法，对各种 分割算法进行了比较、结合和改进。重点研究了基于小波变换的分水岭算法和阈值分割算 法在小麦图像分割中的应用，并借助 MATLAB 工具软件对选定图像进行处理，实现了对 小麦粘连籽粒的分离。最后本文对图像分割技术进行了展望。 本论文的研究对于图像分割技术在小麦品质中的应用具有一定的参考价值。 关键词： 图像分割 小波变换 分水岭算法 阈值分割 I
    Title Research of Wheat Image Segmentation Algorithms Abstract Image segmentation is a technology and process that divide image into different character area, which is interesting us. It is a key step from image processing to image analyzing. The wheat image segmentation is a way using many algorithms does some research and processing, and it also can realize the separation of wheat adhesion and realize the extraction of useful image information. So it can lay the foundation for using image processing technologies to analysis the quality of the wheat. there is a very important meaning for the research of the image segmentation method. This paper studies the class and the principle of segmentation algorithm in common use firstly, then, studies the wheat image segment algorithm with different illumination background. It contrasts kinds of algorithms, and improved them. This paper is based on wavelet transform, and combines with the watershed algorithm and the threshold segmentation method. Using the MATLAB software, does some process on the wheat image, and implements image segmentation algorithm. Lastly, paper views the image segmentation technology. The research on the wheat image segmentation may have some reference values in the fields of wheat quality analyzing. Keywords Image Segmentation; Wavelet Transform; Watershed Algorithm; Threshold Segmentation II
    目 次 1 绪论.............................................................................................................................................1 1.1 课题的引出......................................................................................................................1 1.2 课题研究的目的及意义..................................................................................................2 2 图像分割的理论基础................................................................................................................3 2.1 图像分割的定义..............................................................................................................3 2.2 图像分割的常用方法......................................................................................................3 3 基于小波变换的分水岭算法....................................................................................................9 3.1 小波变换........................................................................................................................10 3.2 在多分辨率时的分水岭变换........................................................................................11 3.3 分割后图像的高分辨率投影........................................................................................12 3.4 区域合并........................................................................................................................12 3.5 实验结果及分析............................................................................................................13 4 基于小波变换的阈值分割法..................................................................................................14 4.1 图像直方图的多分辨率分析........................................................................................14 4.2 分割算法.........................................................................................................................15 4.3 实验结果及分析............................................................................................................15 5 图像分割技术的展望..............................................................................................................17 结 论..........................................................................................................................................18 致 谢.............................................................................................................. 错误！未定义书签。 参 考 文 献................................................................................................................................19 III
    1 绪论 图像分割就是按照一定准则把图像划分成若干互不交叠的区域，被分割的区域应满 足同质性和唯一性。其中，同质性是指分割区域中的所有像素点应具有某种相同特性，如 灰度、纹理和彩色等特征；唯一性指分割区域的特性是唯一的，与相邻的其他分割区域存 在明显差异。分割算法的任务是将图像划分为不同特性的区域，用分割区域表征图像感兴 趣的地方，实现图像描述方式的转换，为图像后续处理提供重要的依据。 多年来，对图像分割的研究一直是图像技术研究中的热点和焦点，而且人们对它的关 注和投入不断提高另一方面，图像分割在实际中也得到广泛的应用，只要是对图像目标进 行提取、测量等都离不开图像分割。虽然目前人们已经对传统的图像分割算法进行了深入 的研究，但是还无法找到一种能适用于所有图像类型的分割方法，且抗噪声性能差。 图像分割是图像处理中一个非常重要的步骤，它将图像分割成具有强相关性的子区域 或对象。由于通常伴有信息噪声，图像数据的不确定性是图像分割面临的主要问题之一。 图像分割算法一般分为两类：基于边缘的分割和基于区域的分割。前者以一类基于图像边 缘信息的方法为代表，是最早的分割方法之一，但是由于进行边缘跟踪处理的不精确性和 易受噪声干扰的缺点，它的应用范围受到了限制；而基于区域的分割将区域一致性作为准 则，具有一定的抗噪能力。其中基于形态学的分割算法是目前使用较为广泛的算法之一。 传统的形态学分割即分水岭算法，是对图像的梯度图分割。梯度算子由于受噪声或量化误 差的影响通常产生很多局部最小值，从而导致过度分割现象[1]。 自 20 世纪 70 年代起，图像分割一直受到人们的高度重视，至今已提出上千种分割算 法。然而，由于尚无通用的分割理论，现提出的分割算法大都是针对具体问题的，并没有 一种适合所有图像的通用分割算法。另外，还没有制定出选择合用分割算法的标准，这给 图像分割技术的应用带来许多实际问题[2]。本课题主要是针对小麦图像的特点选用有效的 分割算法，对小麦图像进行合理且有效的分割。 1.1 课题的引出 长期以来，在中国小麦品质评价主要采用人工目测的方式完成。而该方法由于主观性 强，随意性大，效率低且可重复性差，给小麦的品质正确分类带来很大不确定性。随着信 息技术的迅速发展，利用计算机图像处理技术进行农产品的品质检测得到广大学者的普遍 关注。在利用机器视觉技术进行小麦外观品质检测过程中，采集到的小麦图像常会出现籽 1
    粒聚堆或粘连的现象，如果不能把这种粘连的籽粒分离开，将严重影响籽粒分析的后续工 作。因此，需要利用图像分割的方法对小麦籽粒聚堆或粘连的图片进行分割。 1.2 课题研究的目的及意义 图像分割是图像处理、模式识别和人工智能等许多领域中一个重要而又难以解决的问 题。图像分割是由图像处理到图像分析的关键步骤，图像分割的目的是将目标和背景分离， 为分类、识别和检索提供依据。而分割算法的任务是将图像划分为不同特性的区域，用分 割区域表征图像感兴趣的地方，实现图像描述方式的转换，为图像后续处理提供重要的依 据。因此，对图像分割算法的研究具有十分重要的意义。 本课题是为了学习、掌握图像分割的基本理论与基本方法，能够对给定图像进行分割， 并从中学习图像处理软件开发的基本技术。本课题针对小麦图像的特点，研究在不同光照、 背景和连接情况下小麦图像的分割方法，为进一步利用图像处理技术分析小麦品质奠定基 础。本文主要对图像分割的基本理论及小波变换在小麦图像处理中的一些基本应用进行了 初步的探讨。 2
    2 图像分割的理论基础 2.1 图像分割的定义 在对图像的研究和应用中，人们往往仅对图像中的某些部分感兴趣，这些部分常称为 目标或前景(其他部分称为背景)，他们一般对应图像中特定的、具有独特性质的区域。为 了辨识和分析目标，需要将这些有关区域分离提取出来，在此基础上才对目标进一步利用， 如进行特征提取和测量等。图像分割就是指把图像分成各具特性的区域并提取出感兴趣目 标的技术和过程。这里特性可以是灰度、颜色、纹理等。目标可以对应单个区域，也可以 对应多个区域。 图像分割是由图像处理进到图像分析的关键步骤，也是一种基本的计算机视觉技术。 这是因为图像的分割、目标的分离、特征的提取和参数的测量都是将原始图像转化为更抽 象更紧凑的格式，使得更高层的分析和理解成为可能。 图像分割是计算机视觉和图像处理中的一个基本问题，图像分割研究方法进行发展至 今，人们对图像分割已提出了许多不同的解释和理解。目前被人们广为接受的是通过集合 定义的方法进行图像分割。其定义如下[3]： 令集合 R 代表整个图像区域，对 R 的分割可看做将 R 分成 N 个满足下列五个条件的 非空子集（子区域） 1R ， 2R ，…， NR ：（1） N 1 i R i  R ；（2）对所有的i 和 j ， j i  ，有 R i  j R ；（3）对i = 1，2，…，N，有 P( iR ) = True；（4）对 j i  ，有 P(  j R R i ) = False； （5）对i = 1，2，…，N，有 iR 是连通的区域。其中 P( iR )是对所有在集合 iR 中元素的逻 辑谓词，  代表空集。 2.2 图像分割的常用方法 2.2.1 基于边缘检测的图像分割 边缘检测法也称作基于梯度的图像分割方法。它的基本思想是先检测图像中的边缘 点，再按照一定的策略连接成轮廓，从而构成分割区域。由于边界具有高梯度值的性质， 所以又称作基于梯度的图像分割方法。进行边缘检测的最基本方法是图像的微分(差分) 、 梯度和拉普拉斯算法等。 边缘检测的结果并非图像分割的结果，还必须把边缘点连接成边缘链，形成直线、 曲线、各种轮廓线等，直到能表示图像中物体的边界。边缘形成线特征包括两个过程：抽 3
    取可能的边缘点；将抽取的边缘连接成直线、曲线、轮廓线。或用一定的直线、曲线去拟 合他们。 (1) 点检测 使用如图 1 所示的模版，如果 TR  ，则在模版中心位置检测到一个点，其中 T 是阈 值，R 是模版。计算值算法基本思想为：如果一个孤立点与他周围的点不同，则可以使用 上述模版进行检测。如果模版相应为 0，则表示在灰度级为常数的区域。 -1 -1 -1 -1 8 -1 -1 -1 -1 图 2.1 检测模版 (2) 线检测 第一个模板对水平线有最大响应；第二个模板对 45°方向线有最大响应；第三个模 板对垂直线有最大响应；第四个模板对- 45°方向线有最大响应。 用 1R ， 2R ， 3R 和 4R 分别代表水平、45°、垂直和-45°方向线的模板响应，在图像 中心的点，被认为与在模板i 方向上的线更相关。 例：如果| 1R | >| jR |，j=2，3，4；则该点与水平线有更大的关联。在灰度恒定的区域， 图 2 中的 4 个模版的响应为零。 -1 2 -1 -1 2 -1 -1 2 -1 -1 -1 2 -1 2 -1 2 -1 -1 -1 -1 -1 2 8 2 -1 -1 -1 2 -1 -1 -1 2 -1 -1 -1 2 Horizontal 045 Verisal 045 (3) 边缘检测 图 2.2 4 个检测模板 边缘是图像的重要特征之一，他包含了原始图像中的绝大部分有用的信息，往往仅凭 一条粗略的轮廓线就能够识别出一个物体。因此，图像的边缘轮廓特征提取在计算机视觉 中具有重要的意义。图像边缘的特征主要表现为图像局部特征的不连续性，即图像中灰度 4
    变化比较剧烈的地方。因此，把边缘定义为图像中灰度发生急剧变化的区域边界。现有的 边缘检测的方法主要以各种微分算子作为基础，结合用阈、平滑等手段提取边缘。如 Prewitt 算子、Sobel 算子、Kirsch 算子和 Robert 算子，都是一阶微分算子，二阶微分算子有拉 普拉斯算子、Gauss-Laplace 算子、M-H 算子、Canny 算子等。 边缘检测的要求： (1) 能够正确地检测出有效的边缘； (2) 边缘定位的精度要高； (3) 检测的响应最好是单象素的； (4) 对于不同尺度的边缘都能有较好的响应并尽量减少漏检； (5) 对噪声应该不敏感； (6) 检测的灵敏度受边缘方向影响应该小。 这些要求往往都很矛盾，很难在一个边缘检测器中得到完全的统一。判断边缘检测性 能的方法是先看边缘图像，再评价其性能。边缘检测器的响应中主要有 3 种误差：丢失的 有效边缘、边缘定位误差和将噪声误判断为边缘。 边缘检测主要包括以下 4 个步骤：图像滤波、图形增强、图像检测和图像定位。 (1) 图像滤波 边缘检测算法主要是基于图像亮度的一阶和二阶导数，但是导数的计算对噪声很敏 感，因此，必须使用滤波器来改善与噪声相关的边缘检测器的性能。 (2) 图形增强 增强边缘的基础是确定图像各点邻域强度的变化值。增强算法可以将邻域强度值有显 著变化的点突出显示。 (3) 图像检测 在图像中有许多点的梯度幅值比较大，而这些点在特定的应用领域并不都是边缘，应 该用某些方法确定那些是边缘点。最简单的边缘检测判断依据是梯度幅值阈值判据。 (4) 图像定位 如果某一应用场合要求确定边缘位置，则边缘的位置可以在子象素分辨率上来估计， 边缘的方位也可以被估计出来。 常用的边缘检测算子： Robert 算子：它根据任意一对互相垂直方向上的差分来计算梯度的原理，采用对角线 方向相邻两象素之差。Robert 算子计算简单，采用对角线方向相邻两象素之差近似梯度幅 5
    分享到：
    赞 收藏

    相关推荐

    资料库

    课程资源

    共收录17145份资料，累计13个分类，关注成员有19位，主要包括：PHP,网络管理,网页制作,Java,.Net,数据库,3G/移动开发,C/C++,游戏开发,嵌入式,讲义,软件测试,专业指导

    热门标签

    PHP 网络管理 网页制作 Java .Net 数据库 3G/移动开发 C/C++ 游戏开发 嵌入式 讲义 软件测试 专业指导

    最新资料