基于区域灰度增强的种子特征匹配方法

被引：2

作者：

曾凯 ^{[1
]}

王慧婷 ^{[2
]}

机构：

[1] 浙江农林大学信息工程学院

[2] 浙江农林大学天目学院

来源：

中国农业大学学报 | 2013年 / 18卷 / 05期

关键词：

种子; SURF特征; 灰度; 直方图; 规定化; 匹配度;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

提出一种采用SURF(speeded up robust features)特征提取结合区域灰度增强以提高种子图像特征匹配度的改进方法。该方法根据样品和待测种子外部特征,提取SURF特征集,计算图像特征对应的灰度直方图,并通过规定化处理增强区域灰度,最后计算出图像的匹配度。试验结果表明,该方法特征匹配平均耗时<10ms,实时性强;能避免不同外界光源的干扰,鲁棒性强;匹配度平均提高30%,有效提高了图像的匹配度。

引用

页码：136 / 140

页数：5

共 14 条

[1] Distinctive image features from scale-invariant keypoints [J].

Lowe, DG .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2004, 60 (02) :91-110

[2]

Fast Algorithms for Mining Association Rules in Large Databases. R. Agrawal,R. Srikant. Proceedingsof the 20th International Conference on Very Large Data Bases . 1994

[3] 基于机器视觉的番茄多目标提取与匹配 [J].

李寒 ;

王库 ;

曹倩 ;

殷晶晶 .

农业工程学报, 2012, 28 (05) :168-172

[4] 无损检测技术在种子质量检验上的应用研究进展 [J].

孙群 ;

王庆 ;

薛卫青 ;

马晗煦 ;

孙宝启 ;

谢宗铭 .

中国农业大学学报, 2012, 17 (03) :1-6

[5] 基于机器视觉的种子品种实时检测系统研究 [J].

吴继华 ;

刘燕德 ;

欧阳爱国 .

传感技术学报, 2005, (04) :742-744

[6] 机器视觉在种子自动分选系统中的应用 [J].

卢卓 ;

代光爱 ;

刘燕德 .

农机化研究, 2008, (01) :160-162+167

[7] 基于机器视觉的水稻种子质量在线检测机 [J].

饶洪辉 ;

刘燕德 ;

孙旭东 ;

卢卓 ;

周华茂 ;

蒋育华 .

农机化研究, 2009, 31 (10) :79-81+88

[8]

Object recognition from local scale-invariant features. David G Lowe. Proceedings of the 7th IEEE International Conference on Computer Vision(ICCV ’99) . 1999

[9] 加窗灰度差直方图描述子及其对SURF算法的改进 [J].

廉蔺 ;

李国辉 ;

田昊 ;

徐树奎 ;

涂丹 ;

王海涛 .

电子与信息学报, 2011, 33 (05) :1042-1048

[10] 多对象特征提取和优化神经网络的玉米种子品种识别 [J].

王玉亮 ;

刘贤喜 ;

苏庆堂 ;

王朝娜 .

农业工程学报, 2010, 26 (06) :199-204+389

← 1 2 →