基于RGB模型的大豆叶片叶绿素含量预测

以大豆叶片叶绿素为对象,基于RGB色彩空间构建叶绿素SPAD估算模型,对大豆叶片叶绿素含量进行预测。首先,采集自然环境下的大豆叶片图像,运用中值滤波法去除图像噪声,并基于k-means算法将叶片从背景中分割;其次,提取叶片图像的红(R)、绿(G)、蓝(B)值,通过运算组合构建颜色特征参数,建立基于大豆叶片颜色特征参数的叶绿素含量估算模型,并对其精度进行评价和验证;最后,组合了R/G/B、R/(R+G-B)、B/(R+G-B)、G/(R+G-B)等4种颜色特征参数,利用这4种颜色特征参数和叶绿素实测值进行回归分析。结果表明,基于B/(R+G-B)的组合精确度最高,R2=0. 438,AARD=9. 58%,RMSE=2. 862。该方法可以快速、无损地预测大豆叶片叶绿素含量,为评估大豆的生理状况提供了参考。     

阴极射线管色度转换的神经网络模型

利用神经网络技术实现了从阴极射线管(CRT)的R、G和B空间到CIE的标准色度空间的转换.用拟牛顿法训练网络模型,建立了从CRT的R、G和B到CIE的X、Y和Z色度空间变换的3 10 10 3神经网络模型.采用7点LOG空间分布方案的343个训练样本建模的试验表明,收敛性与训练时间及模型精度均优于前人采用3~4个隐层的方案,343个训练样本、216个检验样本和64组测试样本的平均转换精度分别为0.6个CIELUV色差单位,说明该模型的泛化能力很好.     

基于CNN的彩色图像边缘提取方法

根据人眼对R、G和B的敏感特性,提出一种基于视觉感知的矢量角度彩色空间距离度量方法,较传统方法补偿了RGB颜色空间的不均匀性,有效提高了RGB颜色空间内色差度量的精确程度.对基于细胞神经网络(Cellular Neural Network,CNN)进行的彩色图像边缘提取进行理论分析,确定与其功能相适应的最佳模板参数.实验结果表明:该算法不仅实现了彩色图像的边缘提取,同时提取效果更全面,更符合人眼的视觉效果,具有较强的鲁棒性.     

基于图像处理的茶树含氮量诊断方法初步研究

为快速获取茶树的氮营养素水平,基于图像处理技术研究茶树氮营养素诊断方法.采摘不同施氮地块同一生长部位的茶树叶片,在白色背景、自然光下用数码相机对叶片拍照,用化学法测得叶片含氮量.利用Open CV计算机视觉库编写图像处理程序,从原始图像中分割出叶片图像,提取叶片的R,G,B均值,并计算归一化的NRI,NGI,NBI及H,S,I均值,另选取R/G,B/G,B/R,R/(R+G-B),G/(R+G-B),B/(R+G-B)构成15个颜色特征参数,使用SPSS软件对颜色特征参数和含氮量进行回归分析,在误差分析基础上建立茶树氮营养素估算模型.将该模型运用于验证样本,得到含氮量估算值与实测值的平均相对误差为9. 28%,RMSE为0. 265.结果表明,该模型可用于茶树氮营养素水平的快速诊断.     

基于BP网络的棉花中异性纤维识别算法

针对原棉中的异性纤维种类繁多、特征各异,很难建立一个统一的异性纤维识别模型问题.提出了应用神经网络识别异性纤维的算法.在RGB颜色空间下,提取原棉图像中每个像素的R、G、B分量,采用统计纹理分析方法,计算R、G、B分量的纹理强度信息作为特征值.用MATLAB软件创建BP网络识别模型,对有代表性的原棉图像进行识别实验.实验结果表明该算法可以有效地识别出原棉中存在的有色和无色异性纤维.     

中国书画颜料颜色仿真与存储方法研究

在虚拟绘制中,基于Kubelka-Munk颜色光学理论,提出了一种中国书画颜料颜色仿真新方法,其主要思想是:根据颜料R/G/B三颜色通道的遮盖力(c)和单位厚度颜料在黑背景下的反射率(Rb)计算得到颜料各颜色通道吸收系数(K)和散射系数(S),通过K、S和宣纸反射率计算得到宣纸上有效厚度为d时颜料的反射率(Rd),根据该反射率与下一层颜料的K、S和d计算得到两层颜料合成时的反射率,依此类推得到多层颜料合成时的反射率,将该反射率转换成颜色亮度值(R,G,B),从而得到宣纸上多层颜料合成时的颜色(RGB).在此基础上提出一种颜色存储方法,通过存储宣纸上颜色(RGB)实现对绘制结果的实时存取和显示.所提方法已成功应用于基于力反馈技术的虚拟绘制系统中,较好地仿真了植物色与矿物色在颜色合成中的不同特征.     

一种基于基本色系的自动白平衡方法

在不含黑、灰、白的单色背景下,基于灰度世界模型的白平衡方法容易导致色彩失真严重,今对此提出了一种基于基本色系的自动白平衡方法:通过研究不同色温下颜色分量比值"R/G"与"B/G"的关系,得到单一色系下颜色分量比值关系的特征函数。据此,在"R/G"与"B/G"关系已知的情况下估算出单色背景所在的色温,将该色温映射到白色系特征函数上,并利用插值算法得到该单色背景的白平衡参数。对校正后图像的色差作客观比较,结果表明该方法能够弥补传统灰度世界方法的缺陷,明显改善单色背景下的色彩失真。     

可获取彩色纹理的PMP三维测量系统

设计了一种基于相位测量轮廓术、可获取彩色纹理的三维测量系统.它采用黑白摄像机作为图像传感器,分别投射三原色光到物体表面,测出它们的反射光强,通过色度学方法计算出R、G、B值,得到彩色纹理.在摄像机标定方面,利用镜头光心附近几乎无畸变的特性,提出先用靠近图像中心的标记点标定出变换矩阵M,再用图像边缘的标记点标定出畸变参数,避免了求解非线性方程组.实验表明,该系统具有较高的测量精度.     

高温物体成像时彩色CCD相机的自动调光方法

针对温度变化大的高温物体在CCD相机上成像时图像会发白或发黑,导致图像中物体特征被弱化这一问题,提出一种基于灰度均值的彩色CCD相机自动调光方法.文中首先阐述了CCD相机成像时物体热辐射对图像灰度的影响;然后分析了彩色CCD相机采集的850～1200℃高温物体图像的特点,建立了RGB基色图像灰度均值与积分时间的关系;最后提出一种自动调光方法,该方法通过采集一帧预测图像来计算物体所在的温度区间和最佳积分时间,根据最佳积分时间采集彩色图像,按照温度区间提取彩色图像对应的基色灰度图,并将其作为后续处理图像.实验结果表明,该调光方法对温度变化具有很好的鲁棒性,基于此方法的彩色CCD相机能采集到具有稳定灰度值的高温物体图像,有利于高温物体的几何测量和表面缺陷检测.     

神经网络实现彩色CCD摄像头色空间转换

在国际上有用CCD做测量颜色仪器的趋势,但无论是作为色度计还是测量物体光谱反射系数都离不开将依赖于CCD的色空间转换到与设备无关的色空间.文章尝试用神经网络法对三通道独立式PULNiX TMC-7DSP(带板卡)CCD进行从RGB到CIE XYZ色空间变换实验,结果显示,神经网络法转换精度达到甚至高于国内外其它种方法.     

基于BP神经网络的行人和自行车交通识别方法

研究了基于BP神经网络的行人和自行车识别方法.首先对图像提取4个特征,形成特征向量作为BP神经网络的输入;然后设计BP神经网络的结构,网络输出为对行人和自行车的识别;为了确定BP神经网络合理的隐层神经元数目,分别对不同隐层神经元数目的神经网络进行了实验分析.最后利用实测的数据对BP神经网络进行训练、仿真实验,并对实验结果进行分析;结果表明:最佳网络的正确识别率为84%,行人和自行车的正确识别率分别为89%和71%.     

基于三维帧内预测的彩色图像编码

针对传统彩色图像编码方法存在的未考虑R、G、B三帧间相关性的不足,将彩色图像的R、G、B三帧作为整体考虑,提出了一种基于三维帧内预测和离散余弦变换的彩色图像编码方法.该方法利用三维帧内预测技术结合三维离散余弦变换有效地去除彩色图像相邻像素间以及R、G、B三帧之间的相关性.实验结果表明,同传统彩色图像编码方法相比,在保证相同的恢复图像效果时,该方法将压缩比提高了12.31～17.77.     

基于BP神经网络的图像识别研究

提出一种采用BP神经网络实现钢材编号文字识别的方法？先采用彩色图像HSI空间中S分量的特性，定位钢材区域，然后利用一系列图像处理技术，对图像中钢材编号区域定位、分割字符，最后采用BP神经网络进行字符识别。实践证明，采用BP神经网络，可有效地识别铜材编号，速度快、识别率高，具有较高的实用价值。     

基于卷积神经网络的胶囊内镜息肉与溃疡辅助诊断

针对目前胶囊内镜(WCE)自动检测方法需要对每种病灶设计对应的识别算法以及识别准确率不高的问题,设计一种基于卷积神经网络的息肉与溃疡辅助诊断算法。与传统检测算法相比,卷积神经网络可自动学习病灶图像特征,实现更强泛化能力,更高准确率和效率。该方法针对具体WCE图像,首先评价图像R、G、B通道携带信息的特征;其次,分析全局直方图均衡化、伽玛变换和拉普拉斯变换对提升图像对比度的效果,选择其中表现最佳者与信息最丰富的2个颜色通道组合成3通道输入到卷积网络中训练和识别。测试表明,本算法识别准确率96.8%,比传统的经典图像检测方法高出至少16.73%,检测速度达到68.6图/s,能够推广应用到医疗辅助诊断领域。     

利用BP神经网络预测大伙房水库叶绿素a质量浓度

利用HJ-1卫星CCD数据,通过MATLAB软件计算,分析了多光谱CCD数据的4个波段(近红外波段、红色波段、绿色波段、蓝色波段)参与的65个波段组合与叶绿素a质量浓度之间的关系.研究发现波段组合T1=B4/B3与叶绿素a质量浓度相关性最高,并以此为自变量建立一维线性模型.利用BP神经网络进行模型建立与预测,对比两者的拟合度R2和均方根误差RMSE以及验证点的相对误差.结果表明,利用BP神经网络预测的大伙房水库叶绿素a质量浓度与实测值较为接近,并且效果优于线性模型.     

基于颜色与缺陷检测的椪柑分级算法

以湘西椪柑为研究对象,提出了一种基于颜色与缺陷检测的椪柑自动分级算法.首先,对椪柑灰度图像进行阈值分割和孔洞填充得到二值图像;然后,将二值图像与椪柑彩色图像的R,G,B分量分别进行与运算,并将运算后的3幅单色图像进行合成,从而得到彩色图像的椪柑目标区域;接着,提取目标区域的黄色像素占比和缺陷面积作为色泽特征参数和缺陷特征参数;最后,利用决策树模型融合特征参数以进行椪柑分级判定.实验结果表明,对比基于单一特征的椪柑分级算法,新算法通过特征的互补提高了椪柑分级的准确率.     

基于遗传BP神经网络的COSM图像复原算法

提出了一种基于遗传BP人工神经网络的COSM图像复原算法,利用BP神经网络的学习记忆和泛化能力,通过用一组COSM样本图像对网络进行训练,建立含有离焦模糊的模糊三维图像与清晰三维图像之间的非线性映射关系,然后利用训练好的BP神经网络对待复原的COSM图像进行复原处理,从而实现COSM图像复原.复原的三维图像无论在主观视觉还是定量分析上都取得了很好的效果.与传统的图像复原算法不同,该算法免去了解卷积等复杂的运算,不存在病态问题,可广泛应用于模糊图像的复原中并且效果较好.     

基于多层径向基神经网络的机器人手爪腕力测量

机器人手爪腕部所受的力的量化对于机器人的安全操作是非常重要的.为了获取手指上力传感器的输出变化,首先对机器人进行标定实验,得到了机器人在行走和操作工件时腕部所受的多维力的信息.分析了利用经典的BP网络、RBF网络方法对机器人手爪腕力测量的缺陷,设计了一种新的神经网络.3R神经网络,对机器人手爪的8个指力传感器数据进行数据融合.结果显示,该方法能大大提高手爪腕部所受的力的估测精度,从而为机器人的安全操作提供了决策依据.