【目的】將研究對(duì)象紫色土自然斷面圖像從復(fù)雜背景中分割出來(lái),以消除復(fù)雜背景的影響,為對(duì)紫色土視覺(jué)圖像進(jìn)一步分析處理、識(shí)別打下基礎(chǔ)�！痉椒ā客ㄟ^(guò)對(duì)紫色土自然斷面圖像統(tǒng)計(jì)分析,證明它的H域有良好的聚集特征,且在95%和97%置信點(diǎn)近似于正態(tài)分布;因此,根據(jù)正態(tài)分布確定紫色土壤自然斷面的H閾值,分割紫色土壤自然斷面圖像�！窘Y(jié)果】用獲得的二值分割圖像與原圖像計(jì)算哈達(dá)瑪積,分割提取出了完整的紫色土自然斷面區(qū)域圖像�！窘Y(jié)論】算法分析及仿真實(shí)驗(yàn)顯示:相對(duì)于對(duì)比算法,新的算法分割速度更快,分割提取出的紫色土自然斷面圖像更完整;該算法有效。

【文章頁(yè)數(shù)】：10 頁(yè)

【部分圖文】：

圖像ＨＳＶ聚集度ｅ紫色土雜質(zhì)圖１紫色土自然斷面圖像和背景雜ｄ紫色土

并給出了它關(guān)于ＨＳＶ顏色空間的聚集分析。在實(shí)際分析中，對(duì)每張圖像人工提�。硞�(gè)１００×１００像素正常紫色土和３個(gè)１００×１００像素背景雜質(zhì)圖像分別在ＲＧＢ、ＨＳＶ等顏色空間，進(jìn)行直方圖聚集度分析。圖１中為隨機(jī)選取的分析范例，即１８＃圖像樣本（暗紫泥土屬黃沙土，自然雨水淋�。μ\雜草....

圖像ＨＳＶ聚集度ｅ紫色土雜質(zhì)背景Ｈ域直方圖ｆ紫色土雜質(zhì)背景ＨＳＶ聚集度圖１紫色土自然斷面圖像和背景雜質(zhì)圖像ＨＳＶ顏色空間聚集度分析ｄ紫色土

并給出了它關(guān)于ＨＳＶ顏色空間的聚集分析。在實(shí)際分析中，對(duì)每張圖像人工提取３個(gè)１００×１００像素正常紫色土和３個(gè)１００×１００像素背景雜質(zhì)圖像分別在ＲＧＢ、ＨＳＶ等顏色空間，進(jìn)行直方圖聚集度分析。圖１中為隨機(jī)選取的分析范例，即１８＃圖像樣本（暗紫泥土屬黃沙土，自然雨水淋�。μ\雜草....

圖ｂ算法１分割結(jié)果圖２算法１分割示例ａ原始

像素大小的區(qū)域（區(qū)域可重疊），取其中Ｈ域均值最為接近的３個(gè)區(qū)域塊為紫色土樣本Ｉｓａｍｐｌｅ。第２步，計(jì)算Ｉｓａｍｐｌｅ在Ｈ域的均值與方差，根據(jù)（１）～（２）式求Ｈ閾值的范圍［Ｈｌｏｗｅｒ，Ｈｕｐｐｅｒ］；初始化與圖像Ｉ相同大小的二值圖像Ｉｂｉ。第３步，遍歷圖像Ｉ，在［Ｈｌｏｗｅｒ....

圖２ｂ轉(zhuǎn)化的二值圖ｂ算法２邊界識(shí)別ｃ形態(tài)學(xué)邊界識(shí)別ｄ

Ｒｅｐｅａｔ｛第２步，將Ｉｂｉ與邊界識(shí)別模板（圖３）進(jìn)行卷積，并計(jì)算其值；第３步，根據(jù)第２步的卷積值和表１規(guī)則，為Ｅｅｄｇｅ的元素賦相應(yīng)的值；｝直到二值圖像Ｉｂｉ被遍歷。輸出：邊界點(diǎn)矩陣Ｅｅｄｇｅ。對(duì)圖２ｂ進(jìn)行邊界識(shí)別和處理，如圖４所示。ａ圖２ｂ轉(zhuǎn)化的二值圖ｂ算法２邊界識(shí)別ｃ形態(tài)....

本文編號(hào)：3916693