【摘要】：樹葉是維持樹木正常生長的重要器官,可以反映出樹木的種類、生長狀態(tài)等許多重要信息。利用計算機圖像處理技術(shù)對樹葉圖像進行分割處理,通過分析樹葉圖像獲得樹葉的形狀、輪廓、紋理等特征信息,對于樹木分類識別、資源保護與利用、探索樹木間的親緣關(guān)系、闡明進化規(guī)律、農(nóng)業(yè)與園藝的實際應(yīng)用等方面具有現(xiàn)實意義。本文分析國內(nèi)外當(dāng)前研究的關(guān)于葉片圖像分割的方法,針對自然條件下采集到的具有較復(fù)雜背景的樹葉圖像,難以從圖像分割中將背景剔除直接獲取到用戶最可能感興趣的、完整的目標(biāo)葉片區(qū)域的問題,提出利用顯著性目標(biāo)檢測的方法可以直接得到樹葉圖像的顯著目標(biāo)。在顯著性目標(biāo)檢測方法中首先改進了圖像預(yù)處理中SLIC超像素分割方法需要人為設(shè)定超像素數(shù)目的缺點,將樹葉圖像的RGB顏色信息轉(zhuǎn)化為HSV顏色信息,依據(jù)人類視覺注意分辨能力,按照色彩的主觀顏色感知和不同的范圍進行非等間隔量化,自動確定圖像所需要的超像素數(shù)目,以適應(yīng)計算機視覺檢測應(yīng)用的自適應(yīng)性。再將SLIC分割方法獲得的超像素作為節(jié)點建立吸收馬爾科夫鏈,計算轉(zhuǎn)移節(jié)點到吸收節(jié)點的被吸收時間作為顯著值獲得圖像的顯著圖,直接將樹葉圖像中用戶最感興趣的目標(biāo)區(qū)域從背景中提取出來,有效的提高了顯著性目標(biāo)檢測方法的整體檢測效率。針對樹葉圖像顯著圖中部分顯著區(qū)域顯著值偏低的問題,根據(jù)植物葉片具有對稱性的植物學(xué)特征,提出基于對稱性區(qū)域過濾的方法對樹葉圖像顯著圖進行圖像分割。首先對顯著圖進行對稱性檢測獲取對稱軸和質(zhì)心,然后利用對稱性質(zhì)對顯著圖進行區(qū)域過濾,從而獲得輪廓清晰完整的目標(biāo)圖像分割區(qū)域。實驗結(jié)果表明,該方法對圖像顯著目標(biāo)區(qū)域的提取更為完整。
【圖文】：

灰度映射函數(shù)為公式（２－２）：逡逑ＱＪＴ邋ＪＴ逡逑＾（／）邋＝邋０．５１（ｓｉｎ（邐）邋＋邋１）邐（２－２）逡逑Ｌ邋２逡逑其中，Ｚ表示灰度級個數(shù)，，ｓ為原灰度，變換后的灰度為／。圖２－１為灰度映射曲逡逑。逡逑？逡逑Ｌ－１邐逡逑ｔ邋＿邋Ｉ逡逑°邐ｓ邋Ｚ－１Ｉ逡逑圖２－１灰度映射曲線逡逑該方法僅對文獻［４９］中的棗樹葉圖像的處理效果最佳，圖２－２為使用該方法對樹葉圖逡逑不同灰度映射下的分割結(jié)果，圖２－２第一行為灰度映射處理后的樹葉圖像，當(dāng)不同的逡逑度映射區(qū)間對圖像加強效果不同時，圖２－２第三行分割結(jié)果的差異較明顯。該算法受逡逑度映射區(qū)間的選擇約束，易造成分割效果或冗余或不足。逡逑

邐）邋＋邋１）邐（２－２）逡逑Ｌ邋２逡逑其中，Ｚ表示灰度級個數(shù)，ｓ為原灰度，變換后的灰度為／。圖２－１為灰度映射曲逡逑線。逡逑？逡逑Ｌ－１邐逡逑ｔ邋＿邋Ｉ逡逑°邐ｓ邋Ｚ－１Ｉ逡逑圖２－１灰度映射曲線逡逑該方法僅對文獻［４９］中的棗樹葉圖像的處理效果最佳，圖２－２為使用該方法對樹葉圖逡逑像不同灰度映射下的分割結(jié)果，圖２－２第一行為灰度映射處理后的樹葉圖像，當(dāng)不同的逡逑灰度映射區(qū)間對圖像加強效果不同時，圖２－２第三行分割結(jié)果的差異較明顯。該算法受逡逑灰度映射區(qū)間的選擇約束，易造成分割效果或冗余或不足。逡逑ＨＭＵｈ逡逑圖２－２不同灰度映射下的樹葉圖像閾值分割結(jié)果逡逑－１０－逡逑
【學(xué)位授予單位】：東北林業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：S758;TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 馮桂蓮;;曲率驅(qū)動擴散圖像邊緣形態(tài)復(fù)合濾波方法仿真[J];計算機仿真;2019年09期

2 張錦華;孫挺;;引入像點融合度修補的圖像邊緣化參差拼接實現(xiàn)[J];微電子學(xué)與計算機;2014年08期

3 翟逸飛;;基于FPGA的圖像邊緣處理研究[J];企業(yè)技術(shù)開發(fā);2013年12期

4 顧長友;妙用Photoshop處理圖像邊緣[J];電腦知識與技術(shù);2003年08期

5 濮群,余桂;用線性模型檢測圖像邊緣[J];清華大學(xué)學(xué)報(自然科學(xué)版);1988年01期

6 宋建中;;噴霧圖像的自動分析[J];光學(xué)機械;1988年04期

7 高華;;關(guān)于古建筑圖像中破損點優(yōu)化提取仿真[J];計算機仿真;2017年11期

8 劉娟娟;劉斌;;低照度非線性光學(xué)圖像邊緣自適應(yīng)增強裝置設(shè)計[J];激光雜志;2017年03期

9 許志強;張婷;;數(shù)字式多媒體場景圖像準確分類方法仿真[J];計算機仿真;2019年07期

10 張琳梅;;基于圖像邊緣增強的改進方法[J];信息系統(tǒng)工程;2016年03期

相關(guān)會議論文 前10條

1 陸成剛;陳剛;張但;閔春燕;;圖像邊緣的優(yōu)化模型[A];'2002系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)論文集（第四卷）[C];2002年

2 王培珍;楊維翰;陳維南;;圖像邊緣信息的融合方案研究[A];中國圖象圖形學(xué)會第十屆全國圖像圖形學(xué)術(shù)會議（CIG’2001）和第一屆全國虛擬現(xiàn)實技術(shù)研討會（CVR’2001）論文集[C];2001年

3 王亮亮;李明;高昕;;強模糊空間目標(biāo)圖像邊緣獲取方法研究[A];第九屆全國光電技術(shù)學(xué)術(shù)交流會論文集（下冊）[C];2010年

4 陳煒;張陽陽;孟慶勛;;一種基于Curvelet變換的圖像邊緣增強方法[A];國家安全地球物理叢書（十）——地球物理環(huán)境與國家安全[C];2014年

5 張明慧;;基于模糊蒙片算法的CR圖像邊緣增強[A];第六屆全國信息獲取與處理學(xué)術(shù)會議論文集（1）[C];2008年

6 孫增國;師蕊;;基于L_(1/2)范數(shù)的高分三SAR圖像的非局部均值降斑[A];第五屆高分辨率對地觀測學(xué)術(shù)年會論文集[C];2018年

7 楊文秀;陸常周;;最優(yōu)小波問題探討[A];新世紀 新機遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

8 趙恩良;姜盈帆;孫麗華;曹康敏;金瑞巧;;一種基于變窗口的圖像去噪算法研究[A];第十六屆沈陽科學(xué)學(xué)術(shù)年會論文集（理工農(nóng)醫(yī)）[C];2019年

9 周勝靈;丁珠玉;;農(nóng)產(chǎn)品邊緣檢測系統(tǒng)研究[A];中國農(nóng)業(yè)工程學(xué)會2011年學(xué)術(shù)年會論文集[C];2011年

10 胡昌偉;屈小波;郭迪;寧本德;陳忠;;基于邊緣加權(quán)的l_1-l_2范數(shù)MRI欠采重建[A];第十七屆全國波譜學(xué)學(xué)術(shù)會議論文摘要集[C];2012年

相關(guān)重要報紙文章 前7條

1 侯杰;國產(chǎn)芯片進軍移動多媒體市場[N];人民郵電;2003年

2 吳飛;無邊距照片打印三部曲[N];中國電腦教育報;2003年

3 成嶺;消除Premiere中慢鏡頭的圖像抖動[N];電腦報;2003年

4 ;體驗決定一切[N];中國計算機報;2003年

5 Wang JS;摳圖又有新招[N];電腦報;2002年

6 徐和德;從實戰(zhàn)出發(fā)選擇合適鏡頭[N];中國攝影報;2019年

7 ;令挑剔的人也刮目相看[N];中國電子報;2001年

相關(guān)博士學(xué)位論文 前10條

1 張玲;圖像光照恢復(fù)與分解技術(shù)研究[D];武漢大學(xué);2017年

2 蔡博侖;圖像去霧與增強算法的研究[D];華南理工大學(xué);2019年

3 宋偉先;基于深度學(xué)習(xí)的豬只目標(biāo)檢測及狀態(tài)分析[D];東北農(nóng)業(yè)大學(xué);2019年

4 吳迪;光學(xué)遙感圖像典型目標(biāo)檢測方法研究[D];哈爾濱工業(yè)大學(xué);2019年

5 王瑤;復(fù)雜天氣下的道路識別方法研究[D];哈爾濱工業(yè)大學(xué);2019年

6 劉飛;透混沌介質(zhì)偏振成像技術(shù)[D];西安電子科技大學(xué);2016年

7 李永軍;圖像與視頻低復(fù)雜度壓縮算法研究[D];西安電子科技大學(xué);2017年

8 何人杰;圖像去霧與去湍流方法研究[D];西北工業(yè)大學(xué);2017年

9 張文靜;光場成像技術(shù)在天空偏振模式測量和湍流圖像清晰化中的應(yīng)用研究[D];國防科學(xué)技術(shù)大學(xué);2016年

10 左承林;圖像非局部均值去噪方法研究[D];國防科學(xué)技術(shù)大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 張傳敏;低質(zhì)量圖像自適應(yīng)增強算法研究與實現(xiàn)[D];北京交通大學(xué);2019年

2 王冰;基于高斯模型與圖像風(fēng)格遷移的QR碼美化算法研究[D];杭州電子科技大學(xué);2019年

3 曹旨昊;基于深度學(xué)習(xí)的圖像推薦算法研究與實現(xiàn)[D];山東農(nóng)業(yè)大學(xué);2019年

4 蔣亞杰;視頻監(jiān)控系統(tǒng)圖像清晰化研究[D];華北水利水電大學(xué);2019年

5 張震;基于深度學(xué)習(xí)的圖像隱寫分析算法研究[D];北京交通大學(xué);2019年

6 趙維;基于深度學(xué)習(xí)的圖像來源取證研究[D];北京交通大學(xué);2019年

7 王建明;光場圖像新視點生成算法研究[D];江南大學(xué);2019年

8 徐曉宇;高壓輸電線路巡檢圖像缺陷檢測算法研究[D];杭州電子科技大學(xué);2019年

9 張麗園;基于CT圖像的肝部腫瘤的自動分割算法研究[D];電子科技大學(xué);2019年

10 譚秀蘭;高分辨SAR圖像海面目標(biāo)檢測與識別方法研究[D];電子科技大學(xué);2019年

本文編號：2610193