基于稀疏场水平集的荔枝图像分割算法_毛亮
1种离散小波域荔枝图像处理模型
1种离散小波域荔枝图像处理模型
摘要：利用机器人采摘荔枝的过程实质上是分析和识别所获取图像的过程，但由于荔枝生长环境复杂、成像系统电压不稳定，导致在模/数转换、图像解码等环节中图像清晰度降低，最直观的体现是图像中存在不同程度的斑点噪声。针对该情况并结合离散小波变换这一图像分析框架，提出一种荔枝图像高效处理模型。首先，该模型对图像进行多尺度离散小波变换，以获得低频分解系数和各方向分布的高频分解系数；然后提出一种二维多方向加权中值滤波算法，实现对高频分解系数的自适应处理；最后对低频分解系数和滤波后的多方向分布高频分解系数进行重构。采用MATLAB软件编写程序进行算法实现，并与经典中值滤波算法、二维多方向中值滤波算法进行性能对比。结果表明，本研究提出的图像处理模型对该类图像的处理效果明显优于其余2类算法且模型耗时更短。
关键词：荔枝图像；离散小波变换；斑点噪声；二维多方向中值滤波
中图分类号： TP391；S126 文献标志码： A
文章编号：1002-1302（2015）03-0385-03
随着农业自动化水平的逐渐提高，使用机器人自动化采摘荔枝对于提高工作效率、降低生产成本最有重要意义。对所获取的荔枝成熟果实图像进行颜色、轮廓等信息分析和识别是实现机器人采摘的前提。图像在获取过程中会受到机器人成像系统电压不稳定、拍摄光照不均匀等因素的限制，在模/数转换、传输、解码等环节中亦会受到噪声干扰，并且对比度有所降低。因此，有必要对机器人视觉系统获取的图像进行高质量处理，以提高采摘对象识别的准确性。目前，计算机图像处理算法被大量应用于农业图像处理领域，如陈科尹等提出一种改进模糊聚类算法应用于水果图像分割[1]；陈丽娟等采用改进的BP算法识别玉米图像叶部病害特征[2]；杨福增等提出一种基于杂交小波变换的去噪模型并应用于农产品图像噪声去除[3]；赵辉等构建了小波域中值滤波模型并成功滤除农作物图像中的噪声[4]；刘立波等将数学形态学理论应用于农作物图像的处理，有效地分析农作物病虫害程度[5]；形航等研究了薯类图像的小波阈值去噪算法[6]。本研究分析了二维多方向中值滤波算法[7]的原理，在此基础上对其适当改进并结合离散小波变换[8-9]，构建荔枝图像高质量处理模型，以实现对该类图像的有效处理。
基于先验知识水平集方法的草莓图像分割
计算机系统应用 ｈｔｌｐ：／／ｗｗｗ．ｃ－Ｓ－ａ．ｏｒｇ．ｃｎ ２０１．６年第２５卷第２期
基于先验知识水平集方法的草莓图像分割①
朱勇军 ，一，孔斌 ，何立新１，２，３，孙翠敏 ，－，谢成军
（中国科学技术大学信息科学技术学院，合肥２３００２７） （中国科学院合肥智能机械研究所，合肥２３００３１） （合肥学院网络与智能信息处理重点实验室，合肥，２３０６０１）
摘要：在实际应用中，当目标本身含有一些固有的颜色纹理特征时，可将这些特征作为一种先验信息，这样可
以大大提高分割的准确性．为此，本文提出了一种基于先验信息的改进水平集图像分割方法．首先，利用传统的
Ｃ．Ｖ模型能量项的构造思想构建了基于颜色信息的局部能量项，该项是用于处理彩色图像；然后将颜色分量引入
到传统的结构张量中构建出新的扩展型结构张量，该项是用于处理纹理信息；最后，将上述新构造的能量项以及
Ｌｉ模型约束项引入到传统Ｃ．Ｖ模型中得到新的水平集模型．鉴于草莓果实所具有的颜色信息和纹理信息，本文 将上述改进水平集方法应用到农业自动化应用中草莓果实分割中．对实验室环境与草莓生长环境下的草莓图像
进行分别实验，结果显示该方法能够不仅能够分割出草莓果实且能够很好地处理草莓表面的纹理信息．另还与
ＯＴＳＵ算法、传统Ｃ－Ｖ模型、改进Ｃ．Ｖ模型对草莓图像作对比实验，结果表明本文算法均比上述三种算法具有 更好的分割效果．
关键词：图像分割；水平集方法；先验信息；结构张量；ＯＴＳＵ
Ｓｔｒａｗｂｅｒｒｙ Ｉｍａｇｅ Ｓｅｇｍｅｎｔａｔｉｏｎ Ｂａｓｅｄ ｏｎ Ｌｅｖｅｌ Ｓｅｔ Ｍｅｔｈｏｄ
ＺＨＵ Ｙｏｎｇ．Ｊｕｎ ， ，ＫＯＮＧ Ｂｉｎ２，Ｈｅ Ｌｉ．Ｘｉｎ ， ， ，Ｓｕｎ Ｃｕｉ．Ｍｉｎ ， ，Ｘｉｅ Ｃｈｅｎ．ＪｕｎＥ
（Ｓｃｈｏｏｌ ｏｆＩｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，Ｕｎｉｖｅｒｓｉｔｙ ｏｆＳｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ ｏｆＣｈｉｎａ，Ｈｅｆｅｉ ２３００２６，Ｃｈｉｎａ） （ＩｎｓｔｉｔｕｔｅｏｆＩｎｔｅｌｌｉｇｅｎｔＭａｃｈｉｎｅｓ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｈｅｆｅｉ２３００３１，Ｃｈｉｎａ） （Ｔｈｅ ｋｅｙ ｌａｂ ｏｆＮｅｔｗｏｒｋ ａｎｄ Ｉｎｔｅｌｌｉｇｅｎｔ Ｉｎｆｏｒｍａｔｉｏｎ Ｐｒｏｃｅｓｓｉｎｇ，Ｈｅｆｅｉ Ｕｎｉｖｅｒｓｉｔｙ，Ｈｅｆｅｉ ２３０６０１，Ｃｈｉｎａ）
基于变分水平集的灰度不均匀医学图像分割
第３６卷
Ｖｌ０１．３６ 第２４期
Ｎｏ．２４ 计算机工程
Ｃｏｍｐｕｔｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ ２０１０年１２月
Ｄｅｃｅｍｂｅｒ ２０１０
・图形图１象处理・ 文章编号：１０ｏｏ＿＿３４２８ｆ２０ｌ０）２４一．ｏ２０３—ｌｌ３ 文献标识码：Ａ 中图分类号：ＴＰ３９１．４１
基于变分水平集的灰度不均匀医学图像分割
林鬏 ，印桂生 ，杨耘
（１．哈尔滨工程大学计算机科学与技术学院，哈尔滨１５０００１；２．长安大学地质工程与测绘学院，西安７１００５４；
３．西部矿产资源与地质工程教育部重点实验室，西安７１００５４）
摘要：针对医学图像中存在的灰度不均匀现象，提出一种变分水平集分割模型。将邻域信息引入到基于Ｂａｙｅｓ决策准则的水平集分割框
架中，以增强灰度不均匀条件Ｆ弱目标边界的识别能力。为缓解模型求解时易出现的局部极小问题，设计一种简单而有效的随机优化方法
以搜索近似全局最优解。实验对比及分析验证了该水平集分割模型在多种灰度不均匀场景’ 均表现出较好的分割性能。
关健词：变分水半集；灰度不均匀；医学图像分割；曲线演化
Ｓｅｇｍｅｎｔａｔｉｏｎ ｏｆ Ｍｅｄｉｃａｌ Ｉｍａｇｅｓ ｗｉｔｈ Ｉｎｔｅｎｓｉｔｙ Ｉｎｈｏｍｏｇｅｎｅｉｔｙ
Ｂａｓｅｄ’ ｒｉａｔｉｏｎａｌ Ｌｅｖｅｌ Ｓｅｔ１５ａｓｅ Ｏｎ Ｖａ ｅｖ
ＬＩＮ Ｙｉｎｇ ．ＹＩＮ Ｇｕｉ．ｓｈｅｎｇ ．ＹＡＮＧ Ｙｕｎ ，。
（１．Ｃｏｌｌｅｇｅ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，Ｈａｒｂｉｎ Ｅｎｇｉｎｅｅｒｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ １ ５０００１，Ｃｈｉｎａ；
２．Ｃｏｌｌｅｇｅ ｏｆ Ｇｅｏｌｏｇｙ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｇｅｏｍａｔｉｃｓ，Ｃｈａｎｇ’ａｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉ’ａｎ ７ １ ００５４，Ｃｈｉｎａ； ３．Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｗｅｓｔｅｒｎ Ｃｈｉｎａ’Ｓ Ｍｉｎｅｒａｌ Ｒｅｓｏｕｒｃｅｓ ａｎｄ Ｇｅｏｌｏｇｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｍｉｎｉｓｔｒｙ ｏｆ Ｅｄｕｃａｔｉｏｎ，Ｘｉ’ａｎ ７ｔ００５４，Ｃｈｉｎａ）
基于高分辨率遥感图像的荔枝林树冠信息提取方法研究
基于高分辨率遥感图像的荔枝林树冠信息提取方法研究
姜仁荣;汪春燕;沈利强;王培法
【摘 要】为有效提取荔枝林树冠信息,解决局部最大值法窗口选择和区域生长法在树冠相互连接时的过度生长问题,将水文分析和区域生长融合方法用于荔枝单木探测和树冠描绘.首先将均值滤波方法平滑后的全色图像进行反转完成图像预处理;然后对预处理后图像提取洼地和洼地贡献区域,接着剔除错提洼地,合并树冠分支洼地的贡献区域,从而提取树顶位置,完成单木探测;最后以单木探测结果为种子点,采用区域生长方法对树冠进行描绘,种子生长被限定在洼地贡献区域内,在阈值控制下进行生长,最终完成单木树冠描绘.采用遥感分类精度评价指标对提取结果进行评价,单木探测总体精度为87.75％,用户精度为80.69％,生产者精度为96.06％;单木树冠描绘总体精度为78.69％,用户精度为71.32％,生产者精度为87.76％.
【期刊名称】《农业机械学报》
【年(卷),期】2016(047)009
【总页数】6页(P17-22)
【关键词】荔枝;高分辨率遥感图像;单木探测;单木树冠描绘;水文分析;区域增长
【作 者】姜仁荣;汪春燕;沈利强;王培法
【作者单位】深圳市规划国土发展研究中心,深圳518040;国土资源部城市土地资源监测与仿真重点实验室,深圳518040;深圳市规划国土发展研究中心,深圳518040;深圳市规划国土发展研究中心,深圳518040;南京信息工程大学地理与遥感学院,南京210044 【正文语种】中 文
【中图分类】TP751.1;S758
荔枝是热带亚热带水果，是广东省特色农作物，高分辨遥感图像的出现使精细监测荔枝种植成为可能。在高分辨率遥感图像上，树木树冠清晰可辨，通过提取单木树冠信息可获取包括种植数量、种植密度、树冠面积、郁闭度、估测胸径和生物量等指标，但单木树冠信息提取仍然是一个难题[1]。
单木树冠信息的半自动或自动提取可追溯到20世纪90年代[2]，目前已有多种提取方法。通常树冠信息提取由2步构成，首先是单木探测，获取树顶或树的位置；然后是单木树冠描绘，自动获取树冠边界。单木探测方法主要有局部最大值法[3-7]、多尺度分析法[8-11]和模板匹配法[12-14]; 单木树冠描绘方法主要有谷地跟踪法[15-17]、区域增长[5,18-21]、分水岭分割[22-24]和局部射线法[4,25]。随着数据获取和信息提取技术的发展，有研究者将激光雷达和高分辨率雷达数据引入单木树冠信息提取中[26-27]，也有研究者直接基于聚类分割提取树冠信息[28]。
基于声纳图像的水平集分割算法研究
２０１２年第３１卷第１期 传感器与微系统（Ｔｒａｎｓｄｕｃｅｒ ａｎｄ Ｍｉｃｒｏｓｙｓｔｅｍ Ｔｅｃｈｎｏｌｏｇｉｅｓ） ２９
基于声纳图像的水平集分割算法研究
刘光宇 ，卞红雨 ，沈郑燕 ，石 红
（１．哈尔滨工程大学水声工程学院。黑龙江哈尔滨１５０００１： ２．总装备部，北京１０００００）
摘要：针对现有的图像分割方法无法准确地分割声纳图像的问题，提出了一种改进的水平集声纳图像 分割方法。介绍了ＬＢＦ能量模型，借鉴其无重初始化的水平集演化思想。为克服声纳图像中复杂背景带 来的负面效应，利用形态学顶帽一底帽变换对声纳图像进行预处理，并在此基础上进行无需初始化的水平 集分割。进行仿真对比实验，实验结果显示：与ＬＢＦ能量模型相比，改进的水平集分割方法更加适应于背 景不均匀的声纳图像分割。 关键词：声纳图像分割；ＬＢＦ能量模型；水平集；形态学运算 中图分类号：ＴＮ９１１．７３ 文献标识码：Ａ 文章编号：１０００－９７８７（２０１２）０１－００２９－－０３
Ｒｅｓｅａｒｃｈ ｏｎ ｌｅｖｅｌ ｓｅｔ ｓｅｇｍｅｎｔａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｆｏｒ ｓｏｎａｒ ｉｍａｇｅ
ＬＩＵ Ｇｕａｎｇ．ｙｕ ，ＢＩＡＮ Ｈｏｎｇ—ｙｕ ，ＳＨＥＮ Ｚｈｅｎｇ－ｙａｎ ，ＳＨＩ Ｈｏｎｇ （１．Ｓｃｈｏｏｌ ｏｆＵｎｄｅｒｗａｔｅｒ Ａｃｏｕｓｔｉｃｓ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｈａｒｂｉｎ Ｅｎｇｉｎｅｅｒｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ １５０００１，Ｃｈｉｎａ； ２．Ｔｈｅ Ｇｅｎｅｒａｌ Ａｒｍａｍｅｎｔ Ｄｅｐａｒｔｍｅｎｔ，Ｂｅｉｊｉｎｇ １０００００，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇ ａｔ ｔｈｅ ｐｒｏｂｌｅｍ ｔｈａｔ ｔｈｅ ｅｘｉｓｔｉｎｇ ｉｍａｇｅ ｓｅｇｍｅｎｔａｔｉｏｎ ｍｅｔｈｏｄｓ ｃａｎｎｏｔ ｂｅ ａｃｃｕｒａｔｅｌｙ ａｐｐｌｉｅｄ ｉｎ ｓｏｎａｒ ｉｍａｇｅ ｓｅｇｍｅｎｔａｔｉｏｎ，ａｎ ｉｍｐｒｏｖｅｄ ｌｅｖｅｌ ｓｅｔ ｓｏｎａｒ ｉｍａｇｅ ｓｅｇｍｅｎｔａｔｉｏｎ ｍｅｔｈｏｄ ｉｓ ｐｒｏｐｏｓｅｄ．ＬＢＦ ｅｎｅｒｇｙ ｍｏｄｅｌ ｉｓ ｉｎｔｒｏｄｕｃｅｄ ａｎｄ ｕｓｅｄ ｆｏｒ ｒｅｆｅｒｅｎｃｅ ｆｏｒ ｉｔｓ ｉｄｅａ ｏｆ ｌｅｖｅｌ ｓｅｔ ｅｖｏｌｕｔｉｏｎ ｗｉｔｈｏｕｔ ｒｅ—ｉｎｉｔｉａｌｉｚａｔｉｏｎ．Ｔｏ ｏｖｅｒｃｏｍｅ ｎｅｇａｔｉｖｅ ｅｆｆｅｃｔｓ ｃａｕｓｅｄ ｂｙ ｔｈｅ ｃｏｍｐｌｅｘ ｂａｃｋｇｒｏｕｎｄ ｉｎ ｓｏｎａｒ ｉｍａｇｅ，ｓｏｎａｒ ｉｍａｇｅ ｉｓ ｐｒｅｐｒｏｃｅｓｓｅｄ ｂｙ ｍｏｒｐｈｏｌｏｇｉｃａｌ ｔｏｐ－ｈａｔ ａｎｄ ｂｏｔｔｏｍ—ｈａｔ ｔｒａｎｓｆｏｒｍａｔｉｏｎ，ａｎｄ ｏｎ ｔｈｅｓｅ ｂａｓｉｓ，ｔｈｅ ｌｅｖｅｌ ｓｅｔ ｓｅｇｍｅｎｔａｔｉｏｎ ｗｉｔｈｏｕｔ ｒｅ—ｉｎｉｔｉａｌｉｚａｔｉｏｎ ｉｓ ｃａｒｒｉｅｄ ｕｐ． Ｃｏｍｐａｒｅ ｔｈｅ ｉｍｐｒｏｖｅｄ ｌｅｖｅｌ ｓｅｔ ｍｅｔｈｏｄ ｗｉｔｈ ｔｈｅ ＬＢＦ ｅｎｅｒｇｙ ｍｏｄｅｌ ｍｅｔｈｏｄ ｉｎ ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ｅｘｐｅｒｉｍｅｎｔ，ａｎｄ ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｉｍｐｒｏｖｅｄ ｌｅｖｅｌ ｓｅｔ ｓｅｇｍｅｎｔａｔｉｏｎ ｍｅｔｈｏｄ ｉｓ ｍｏｒｅ ｓｕｉｔａｂｌｅ ｆｏｒ ｓｏｎａｒ ｉｍａｇｅ ｓｅｇｍｅｎｔａｔｉｏｎ ｗｉｔｈ ｕｎｅｖｅｎ ｂａｃｋｇｒｏｕｎｄ． Ｋｅｙ ｗｏｒｄｓ：ｓｏｎａｒ ｉｍａｇｅ ｓｅｇｍｅｎｔａｔｉｏｎ；ＬＢＦ ｅｎｅｒｇｙ ｍｏｄｅｌ；ｌｅｖｅｌ ｓｅｔ；ｍｏｒｐｈｏｌｏｇｉｃａｌ ｏｐｅｒａｔｉｏｎｓ
基于二次阈值的荔枝果与结果母枝图像识别
２０１４年２月 第３５卷第２期 计算机工程与设计 ＣＯＭＰＵＴＥＲ ＥＮＧＩＮＥＥＲＩＮＧ ＡＮＤ ＤＥＳＩＧＮ Ｆｅｂ．２０１４ Ｖｏ１．３５ Ｎｏ．２ 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 （１．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； ２．华南农业大学信息学院，广东广州５１０６４２） 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９ｏ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。 关键词：收获机器人；结果母枝；荔枝；阈值分割；ＹＣｂＣｒ色彩空间 中图法分类号：ＴＰ３９１．４１ 文献标识号：Ａ 文章编号：１０００—７０２４（２０１４）０２—０５５７—０５ Ｒｅｃｏｇｎｉｔｉｏｎ ｏｎ ｉｍａｇｅ ｏｆ ｌｉｔｃｈｉ ｆｒｕｉｔｓ ａｎｄ ｔｈｅｉｒ ｍａｉｎ ｆｒｕｉｔ ｂｅａｒｉｎｇ ｂａｓｅｄ ｏｎ ｔｗｉｎ—ｔｈｒｅｓｈｏｌｄ ｍｅｔｈｏｄ ＧＵＯ Ａｉ—ｘｉａ ．ＺＯＵ Ｘｉａｎｇ－ｊ ｕｎＨ．ＺＯＵ Ｈａｉ—ｘｉｎ （１．Ｋｅｙ Ｌａｂ ｏｆ Ｋｅｙ Ｔｅｃｈｎｏｌｏｇｙ ｏｎ Ａｇｒｉｃｕｌｔｕｒａｌ Ｍａｃｈｉｎｅ ａｎｄ Ｅｑｕｉｐｍｅｎｔ，Ｍｉｎｉｓｔｒｙ ｏｆ Ｅｄｕｃａｔｉｏｎ，Ｓｏｕｔｈ Ｃｈｉｎａ Ａｇｒｉｃｕｌｔｕｒａｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｇｕａｎｇｚｈｏｕ ５１０６４２，Ｃｈｉｎａ；２．Ｃｏｌｌｅｇｅ ｏｆ Ｉｎｆｏｒｍａｔｉｃｓ，Ｓｏｕｔｈ Ｃｈｉｎａ Ａｇｒｉｃｕｌｔｕｒａｌ Ｕｎｉｖｅｒｓｉｔｙ， Ｇｕａｎｇｚｈｏｕ ５１０６４２，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｏ ｓｏｌｖｅ ｔｈｅ ｋｅｙ ｐｒｏｂｌｅｍｓ ｏｎ ｒｅｃｏｇｎｉｔｉｏｎ ａｎｄ ｐｏｓｉｔｉｏｎｉｎｇ ｏｆ ｐｉｃｋｉｎｇ ｏｂｊｅｃｔ ｆｏｒ ｌｉｔｃｈｉ ｈａｒｖｅｓｔｉｎｇ－ｒｏｂｏｔ，ｉｍａｇｅ ｓｏｒｔｓ ｏｎ ｌｉｔｃｈｉ ｃｌｕｓｔｅｒ，ｌｉｔｃｈｉ ｆｒｕｉｔｓ ａｎｄ ｔｈｅｉｒ ｍａｉｎ ｆｒｕｉｔ ｂｅａｒｉｎｇ ｂｒａｎｃｈ ｉｎ ｔｈｅ ｒｅｇｉｏｎ ｏｆ ｉｎｔｅｒｅｓｔ ｏｆ ｌｉｔｃｈｉ ｉｍａｇｅ ａｒｅ ｇｉｖｅｎ，ａｎｄ ｇｒａｙｅｄ ｃｏｌｏｒ ｌｉｔｃｈｉ ｉｍａｇｅ ｔＯ Ｃｒ Ｓｉｎｇｌｅ－ｃｈａｎｎｅｌ ｉｍａｇｅ ｏｆ ＹＣｂＣｒ ｃｏｌｏｒ ｓｐａｃｅ ｉｓ ｐｒｏｃｅｓｓｅｄ，ａｎｄ ｓｅｇｍｅｎｔａｔｉｏｎ ｓｔｒａｔｅｇｙ ｂａｓｅｄ ｏｎ ｔｈｅ ｔｗｉｎ－ｔｈｒｅｓｈｏｌｄ ｍｅｔｈｏｄ ｔｏ ｒｅｃｏｇｎｉｚｅ ａｌｌ ｐａｒｔｓ ｏｆ ｌｉｔｃｈｉ ｉｍａｇｅ ｉｓ ｐｒｏｐｏｓｅｄ．Ｆｉｎａｌｌｙ，ｔｅｓｔｉｎｇ ｅｘｐｅｒｉｍｅｎｔ ｏｆ ｒｅｃｏｇｎｉｚｉｎｇ ｃｌｕｓｔｅｒ，ｆｒｕｉｔｓ ａｎｄ ｔｈｅｉｒ ｍａｉｎ ｆｒｕｉｔ ｂｅａｒｉｎｇ ｂｒａｎｃｈ ｏｆ ｌｉｔｃｈｉ ｗａｓ ｃａｒｒｉｅｄ ｏｕｔ，ｗｉｔｈ ｒｅｓｐｅｃｔｉｖｅ ａｖｅｒａｇｅ ｒａｔｉｏ ｏｆ ９１．６７ ，９１．６７ ａｎｄ ８６．６７％，ｂｙ ｔａｋｉｎｇ ９０ ｃｏｌ— ｌｅｃｔｅｄ ｉｍａｇｅｓ ｉｎｆｌｕｅｎｃｉｎｇ ｉｌｌｕｍｉｎａｔｉｏｎ ｉｎ ｈｉｇｈｌｉｇｈｔ，ｎｏｒｍａｌ ｌｉｇｈｔ ａｎｄ ｂａｃｋｌｉｇｈｔｉｎｇ ａｓ ｔｅｓｔ ｏｂｊｅｃｔ．Ｒｅｓｕｌｔｓ ｏｆ ｂｏｔｈ ｔｅｓｔ ｏｎ ｒｅｃｏｇｎｉ— ｔｉｏｎ ｏｆ ａｌｌ ｐａｒｔｓ ｏｆ １ｉｔｃｈｉ ａｎｄ ｄａｔａ ａｎａｌｙｓｉｓ ａｔｔｅｓｔｅｄ ｔｈａｔ ｍｅｔｈｏｄ ｐｒｏｐｏｓｅｄ ｉｎ ｔｈｅ ａｒｔｉｃｌｅ ｉＳ ｆｅａｓｉｂｌｅ ａｎｄ ｅｆｆｅｃｔｉｖｅ． Ｋｅｙ ｗｏｒｄｓ：ｈａｒｖｅｓｔｉｎｇ－ｒｏｂｏｔ；ｍａｉｎ ｆｒｕｉｔ ｂｅａｒｉｎｇ ｂｒａｎｃｈ；ｌｉｔｃｈｉ；ｔｈｒｅｓｈｏｌｄ ｓｅｇｍｅｎｔａｔｉｏｎ；ＹＣｂＣｒ ｃｏｌｏｒ ｓｐａｃｅ Ｏ引 言 果蔬采摘机器人的视觉关键技术研究在于如何检测和 识别目标，以确定其精确的三维空间位置，从而为机械手 的运动提供参数＿１ ］。通常采用图像分割技术把自然环境下 所采集的图片划分为一系列互不重叠的独特区域来识别成 熟采摘目标。由于自然光源、果实的晃动、果实与枝叶之 间以及果实与果实之间的遮挡等问题，造成采摘机器人视 觉识别与定位的工作效率仍较低，采摘目标的识别问题还 需要进行更深入的研究＿５］。而且由于单果类与串型水果在 大小、颜色和纹理等特征上存在差异性，很难找到一种适 合各类采摘目标的通用图像分割方法。因此，针对特定的 采摘对象需要选择合适的图像分割方法，才能把待采摘的 水果目标从复杂的背景中快速、准确、无遗漏地分割出来。 成熟的荔枝串中含有多个荔枝果、一个主杆的结果母 枝和一些叶子，对于荔枝串的识别尤其是串中结果母枝的 收稿日期：２０１３—０５—１０；修订日期：２０１３—０７—１２ 基金项目：国家自然科学基金项目（３１１７１４５７） 作者简介：郭艾侠（１９７４一），女，安徽宿州人，博士，讲师，研究方向为机器视觉、图像处理；＋通讯作者：邹湘军（１９５７一），女，湖南 衡阳人，博士，教授，研究方向为智能设计与制造、知识融合等；邹海鑫（１９８４一），男，广东梅州人，博士，研究方向为机械系统设计理 论与方法。Ｅ－ｍａｉｌ：ｘｊ
基于马氏距离的荔枝图像分割设计方法
沈阳农业大学学报,2005-12,36(6):655-658JournalofShenyangAgriculturalUniversity,2005-12,36(6):655-658
收稿日期:2005-05-20基金项目:国家自然科学基金果树仿形喷施农药的方法与技术研究(30270764)作者简介:宋淑然(1965-),女,华南农业大学副教授,硕士,从事电工电子技术及计算机应用研究。通讯作者Correspondingauthor:洪添胜(1955-),男,华南农业大学教授,博士,从事电子信息与计算机应用研究。基于马氏距离的荔枝图像分割设计方法
宋淑然a,洪添胜b,王卫星a,李震a(华南农业大学a工程学院,b信息学院,广州510642)摘要:在基于颜色特征和聚类的马氏距离算法基础上,利用MATLAB软件设计了人机交互式可视化计算机图像分割程序。运用该程序,对荔枝照片进行了图像分割,分离出复杂背景下的荔枝果实图像。结果表明:该程序能较好地解决复杂彩图中目标图像的分割问题,可以消除因不慎而修改源代码的风险;通过数据分析器和滤波器能准确的对采样数据进行判断以及对含噪声的目标图像作进一步处理。关键词:图像分割;马氏距离;滤波;MATLAB中图分类号:TP39;TP391文献标识码:A文章编号:1000-1700(2005)06-0655-04ComputerProgramBasedontheMahalanobisDistanceforImageDivisionofLicheePictures
SONGShurana,HONGTianshengb,WANGWeixinga,LIZhena(aCollegeofEngineering,bCollegeofInformation,SouthChinaAgriculturalUniversity,Guangzhou510642,China)
基于水平集的图像分割方法在箱包DR—CT检测系统中的应用
第４Ｏ卷第６期 ２０Ｏ６年１ １月 原子能科学技术
Ａｔｏｍｉｃ Ｅｎｅｒｇｙ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ Ｖｏ１．４０，ＮＯ．６ ＮＯＶ．２００６
基于水平集的图像分割方法
在箱包ＤＲ—ＣＴ检测系统中的应用
宋 麒，丛 鹏，陈景运
（清华大学核能与新能源技术研究院，北京 １０００８４）
摘要：研究将水平集活动轮廓跟踪算法引入箱包ＤＲ—ＣＴ检测系统的图像处理中。针对箱包ＤＲ图像特 点，利朋水平集算法不需预知待检图像拓扑模型，且在复杂拓扑情况下对图像分割效果较好的优点，对 图像进行分割 实验表明，该方法能有效实现箱包ＤＲ图像分割。 关键词：水平集方法；活动轮廓；箱包ＤＲ—ＣＴ检测系统 中图分类号：ＴＰ３９１．４１ 文献标识码：Ａ 文童编号：１０００ ６９３１（２００６）０６ ０７４５ ０４
Ｉｍａｇｅ Ｓｅｇｍｅｎｔａｔｉｏｎ Ｂａｓｅｄ ｏｎ Ｌｅｖｅｌ Ｓｅｔ Ｍｅｔｈｏｄ
ｉｎ Ｌｕｇｇａｇｅ Ｉｎｓｐｅｃｔｉｏｎ Ｓｙｓｔｅｍ
ＳＯＮＧ Ｑｉ，ＣＯＮＧ Ｐｅｎｇ，ＣＨＥＮ Ｊｉｎｇ—ｙｕｎ （Ｉｎｓｔｉｔｕｔｅ ｏＪ Ｎ“（、ｌｅａｒ ａｎｄ Ｎｅｗ Ｅｎｅｒｇｙ Ｔｅｃｈｎｏｌｏｇｙ，Ｔｓｉｎｇｈ““Ｕｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ １０００８４，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｌｅｖｅｌ ｓｅｔ ｍｅｔｈｏｄ ｉｎ ｌｕｇｇａｇｅ ｉｎｓｐｅｃｔｉｏｎ ｓｙｓｔｅｍ ｗｉｔｈ ＤＲ—ＣＴ ｆｏｒ ｉｍａｇｅ ｓｅｇｍｅｎ
ｒａｔｉｏｎ ｗａｓ ｕｓｅｄ．Ｃｈａｒａｃｔｅｒｉｚｅｄ ｂｙ ｎｏ ｎｅｅｄ ｏｆ ａｎｙ ｐｒｅ—ｉｎｆｏｒｍａｔｉｏｎ ｏｆ ｔｏｐｏｌｏｇｙ ｏｆ ｉｍａｇｅｓ
ａｎｄ ｅｆｆｉｃｉｅｎｔ ｓｅｇｍｅｎｔａｔｉｏｎ ｏｆ ｉｍａｇｅｓ ｗｉｔｈ ｃｏｍｐｌｅｘ ｔｏｐｏｌｏｇｙ，ｌｅｖｅｌ ｓｅｔ ｍｅｔｈｏｄ ｐｅｒｆｏｒｍｓ
ｗｅｌｌ ｉｎ ｉｍａｇｅ ｓｅｇｍｅｎｔａｔｉｏｎ ｏｆ ＤＲ ｉｍａｇｅｓ ｉｎ ｌｕｇｇａｇｅ ｉｎｓｐｅｃｔｉｏｎ ｓｙｓｔｅｍ ａｃｃｏｒｄｉｎｇ ｔＯ ｏｕｒ
基于水平集方法的软组织图像序列分割
第２８卷
Ｖｏ１．２８ 第１５期
ＮＯ．１５ 计算机工程与设计
Ｃｏｍｐｍｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｄｅｓｉｇｎ ２００７年８月
Ａｕｇ．２００７
基于水平集方法的软组织图像序列分割
郑 睿， 陈雷霆， 房春兰， 闵 帆
（电子科技大学计算机科学与工程学院，四川成都６１００５４）
摘要：医学图像分割是医学图像处理中的关键问题之一。图像序列的分割操作是医学图像三维重建的必要准备，而软组
织图像分割则是医学图像分割中的一大难点。基于曲线演化理论的，借助偏微分方程等数学工具的水平集方法已经被广泛
应用于医学图像分割领域。介绍了水平集方法的数学模型，并设计了一种基于窄带水平集方法的，专门针对软组织图像分
割的算法。用边界追踪等方法提取第一层图片中的软组织相关轮廓；将它们作为初始水平集曲线，再利用窄带水平集方法 进行演化；经过两个阶段的迭代处理，最终自动分割出整个软组织图像序列。实验表明该算法具有较高效率、分割结果精
确，所产生的分割结果可以作为三维重建的合适的数据集。
关键词：水平集；窄带；分割；软组织；医学图像 中图法分类号：ＴＰ３９１．４１ 文献标识码：Ａ 文章编号：１０００—７０２４（２００７）１５—３６２９．０３
Ｓｏｆｔ ｔｉｓｓｕｅ ｉｍａｇｅ ｓｅｑｕｅｎｃｅｓ ｓｅｇｍｅｎｔａｔｉｏｎ ｂａｓｅｄ ｏｎ ｌｅｖｅｌ ｓｅｔ ｍｅｔｈｏｄ
ＺＨＥＮＧ Ｒｕｉ， ＣＨＥＮ Ｌｅｉ—ｔｉｎｇ，ＦＡＮＧ Ｃｈｕｎ—ｌａｎ，ＭＩＮ Ｆａｎ
（Ｓｃｈｏｏｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｅｌｅｃｔｒｏｎｉｃ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ ｏｆ Ｃｈｉｎａ，
Ｃｈｅｎｇｄｕ ６ １ ００５４，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｈｅ ｍｅｄｉｃａｌ ｉｍａｇｅ ｓｅｇｍｅｎｔａｔｉｏｎ，ｏｎｅ ｏｆｔｈｅ ｋｅｙ ｐｒｏｂｌｅｍｓ ｉｎ ｍｅｄｉｃａｌ ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ．Ｔｈｅ ｓｅｇｍｅｎｔａｔｉｏｎ ｏｆｉｍａｇｅ ｓｅｑｕｅｎｃｅｓ
基于偏移场修正的C—V模型水平集图像分割算法
２０１３年４月 第３１卷第２期 西北工业大学学报 Ｊｏｕｒｎａｌ ｏｆ Ｎｏｒｔｈｗｅｓｔｅｒｎ Ｐｏｌｙｔｅｅｈｎｉｅａｌ Ｕｎｉｖｅｒｓｉｔｙ Ａｐｒ． ２０１３ Ｖｏｌ＿３１ Ｎｏ．２
基于偏移场修正的Ｃ—Ｖ模型水平集图像分割算法
黄保山，滕炯华，徐婧林，周三平
（西北工业大学自动化学院，陕西西安７１００７２）
摘要：灰度不均匀效应广泛存在于现实图像（ｒｅａ１．ｗｏｒｌｄ ｉｍａｇｅｓ）中，这给图像分割带来了很大的挑
战，目前许多的图像分割算法都依赖于图像灰度分布均匀这一假设，这严重影响了算法分割现实图像 的分割精度。因此文章结合图像的数学模型，提出了一种基于偏差修正的ｃ—Ｖ模型，该方法在水平集
函数的演化过程中，同时进行图像的分割与偏移场的估计，利用偏移场的估计值来抑制灰度不均匀效 应的影响。仿真结果表明，该方法比经典的ｃ．Ｖ模型有更高的分割精度，对初始化轮廓曲线以及噪声 有较强的鲁棒性。
关键词：图像分割，偏移场修正，灰度不均匀效应，水平集
中图分类号：ＴＰ３１７．４ 文献标识码：Ａ 文章编号：１０００－２７５８（２０１３）０２－０２１８－０５
灰度不均匀效应是一种普遍存在的现象，产生
这种现象的原因很多，例如不均匀的人工照明、成像 过程中的抖动以及成像设备的缺陷等，这些影响因
素反映到图像上，就会在图像上产生一种局部统计 特征的系统性变化，即灰度不均匀效应。灰度不均 匀效应使图像分割中的许多问题变得非常复杂，在
基于水平集的图像分割方法中，许多分割方法都依 赖于图像灰度分布是均匀的这一假设，因此在现实
的灰度不均匀图像中，许多算法很难得到满意的效 果。水平集方法最初是用来解决热力学方程下的火
苗外形的变化过程，后来将其应用于图像分割当中。 目前，基于水平集的图像分割方法可以分为２类：边 缘型水平集和区域型水平集。边缘型水平集利用局 部边缘信息使曲线逼近目标轮廓，该方法没有假定 图像灰度是均匀的，可较好地应用于灰度不均匀图 像，但该方法不适用于弱边缘或者有许多伪边缘的