基于ICESat-GLAS数据的波形去噪算法优选与森林冠顶高反演模型建立

【目的】比较基于不同窗函数的GLAS数据去噪算法和多种森林冠顶高反演模型的精度,优选波形去噪算法并确立对森林冠顶高估算精度较高的反演模型,为森林生物量估测等研究奠定数据基础。【方法】首先基于布莱克曼窗函数和高斯窗函数对GLAS数据进行去噪处理,采用RMSE和SNR定量比较2种波形去噪方法的去噪效果;然后对去噪效果最好的窗函数去噪后的波形提取波形参数,并分针叶林、阔叶林、针阔混交林和不分林型4种情况,采用线性回归方法,以波形长度为参数建立波形参数模型,以波形长度、地形指数为参数建立地形因子模型,在地形因子模型基础上,逐步引入波形半能量高、波形前缘长度和波形后缘长度等参数建立全模型,比较3类模型的模拟效果。【结果】高斯窗函数去噪后的RMSE较低、SNR较高,去噪效果较优;冠顶高反演模型中,分林型和不分林型情况下,全模型模拟效果均优于其他2类模型。其中地形因子模型中针叶林效果较好:R~2=0.853,RMSE=2.519 7 m;全模型中针阔混交林效果最好:R~2=0.972,RMSE=1.001 4 m。【结论】高斯窗函数对GLAS波形去噪能力较强,且在复杂地形情况下,当引入多种波形参数结合地形因子建立多元线性回归模型时,模型对各林型最大冠顶高的解释能力显著提高,可在一定程度上克服地形因子模型在坡度较大地区对冠顶高解释困难的问题,实现复杂地形情况下森林冠顶高的精确估算。     

活节图像预处理的研究

常用的图像预处理方法有图像过滤、校正、插值、锐化、增强、配准等.图像预处理可以达到使图像的噪声消除、对比度增强、图像配准、几何校正、区域边缘锐化等效果.本研究首先对图像序列中的运动部分进行估计,然后通过一种中值滤波的方法改善去隔行处理的效果,这不仅提高了图像的画质,而且能有效地防止因运动估计失效在运动补偿时的影响,有效去除了活节图像中的噪声.     

基于纹理特征的木材年轮图像检测方法研究

针对树木年轮人工检测效率低、劳动负担重的问题,提高木材年轮检测自动化程度显得尤为重要。通过钻孔获取木芯并用电荷耦合器件CCD采集云杉(Picea)年轮扫描图像,提出一种基于纹理特征的木材年轮图像检测算法。首先,将RGB彩色图像转换到HSV空间,利用V分量的梯度值生成结构张量,并构成图像的纹理特征集,并用全变差(Total Variation,TV)模型进行灰度图像去噪,用模糊区域竞争(Fuzzy Region Competition,FRC)模型进行图像分割。最后,对二值图像进行形态学滤波,并利用长宽比和面积特征识别出年轮线。试验结果表明,提出的算法去噪能力强,分割效果好,边界数正确率100%,能很好地提取云杉木材年轮边界。该方法有助于提高木材年轮的自动化检测水平,可拓展应用于其它树种,在林业科学研究和林木生长监测等方面有很好的应用前景。     

针对原木CT图像的一种中值滤波

在对传统的中值滤波和原木CT图像的特点的研究基础上,发现单纯地用中值滤波算法或均值滤波难以同时尽可能地消除混合噪声。针对这一问题,提出了一种改进的自适应中值滤波算法。对于不同的图像区域,算子也相应地有所不同,其中算子中的权值选取依赖于区域的灰度中值,且当某点的灰度越接近灰度中值,其权值就相应地越大。实践证明,新算法的处理结果优于传统的滤波算法和均值滤波,具有准确性和实时性。     

基于图像分解的单板节子缺陷图像修补方法研究

分析了我国单板生产过程中单板节子缺陷修补存在的问题和木材纹理在工业生产中的重要作用,针对带纹理的单板缺陷图像修补问题,提出了一种新的基于图像分解的修复方法。首先采用基于最小化总体变分的去噪算法对单板图像进行分解,提取出带纹理缺陷单板的结构部分与纹理部分;然后对单板结构图像采用改进的BSCB算法进行修复,对纹理部分采用扩展基于样本块的Criminisi算法进行修复,最后将修复好的图像叠加合成,通过实验验证了该方法的有效性。实验结果表明,该方法对带纹理单板缺陷图像的修复效果要优于采用单一方法的修复效果。     

基于图像纹理的板材纹理模拟再现方法研究

纹理是木材的重要特征,模拟纹理具有极高的工业价值。对视频采集到的板材纹理图像进行灰度化、中值滤波去噪、二值化、腐蚀、膨胀等处理,得到仅包含目标纹理的图像后检测纹理边缘。对板材纹理横断面通过数学描述结果进行模拟,切面通过在图像上选择合适的边缘点进行模拟,以实现板材纹理的模拟再现,并以水曲柳为例分析模拟纹理。     

声发射信号处理及去噪方法的算法实现

分析了基于声发射技术检测中噪声的来源及处理方法,并对消噪方法中采用的傅立叶算法和小波分析方法进行比较。描述了小波去噪的原理以及几种阂值的确定方法,并提出了一种改进的阈值函数。     

彩色树木图像分割算法的研究

树木图像分割是将树木与其周围景物分离的技术,是虚拟现实和计算机仿真等学科在林业应用的核心技术,也是机器视觉领域的重要研究方向,拓宽了计算机技术在林业中的应用。本项研究基于树木图像形状复杂的特点,设计并实现了一种结合C-V模型水平集及形态学处理的彩色树木图像分割算法。运用改进的最小化能量函数作为水平集的演化曲线,可以更加自然地改变曲线拓扑结构,对含有分裂、合并、形成尖角等复杂形状的目标对象分割更为有效。如果再结合形态学后处理算法,将初次分割图像中非目标区的细密纹理和噪声剔除,可以快速准确地得到全局最优的图像分割效果。同时进行了与基于梯度变换的改进分水岭树木图像分割和基于灰度-梯度最大熵的树木图像分割算法的对比试验,试验表明,结合C-V模型水平集和形态学算法对树木图像分割效果更为有效。     

基于SPOT5图像分割的森林小班边界自动提取

以SPOT5图像为研究对象,试验了4种图像分割方案,采用基于最终测量精度准则的多指标评价和基于欧氏距离的相似度综合评价两种方法,对分割效果进行评价,其中多指标包括圆度(RO)、紧致度(CO)、形状指数(SI)、最小包络椭圆短半径(RE)、椭圆度(EF)、形状因子(P2A)、面积相对误差(RA)、周长相对误差(RP)、中心位置绝对位移(DC)9个指标,相似度采用面积(A)、周长(P)、RO、CO、SI、RE、EF、P2A等8个因子计算。结果表明,原始图像直接用于分割的效果远好于经直方图均衡化后的图像。在图像分割过程中,输入图层的权重很大程度上影响分割效果,根据各输入图层标准差设置权重的分割效果,略好于根据图层信息量设置权重的分割效果。采用图像分割的方法自动提取小班边界,经适当后处理后编制工作手图用于森林资源规划设计调查,不但大量节省野外小班勾绘工作时间、降低劳动强度、提高工作效率,而且大幅度地提高了小班勾绘的准确性,确保面积调查精度。     

基于断层图像的木材腐朽程度自动评价方法研究

提出了一种基于断层图像的木材腐朽程度自动评价方法。首先利用Graph Cuts算法对木材断层图像进行分割后,对所得图像进行灰度化处理。然后利用累加直方图技术获取木材断层图像中缺陷部分面积。最后,将测得的木材缺陷面积值与真实值进行比较,从而实现腐朽程度的自动评价。分别采用了含人工模拟腐朽的木材样本和含自然腐朽的木材样本进行实验,结果表明:本文提出的方法具有较高的检测精度,为木材断层图像智能处理和无损检测技术的在线应用提供了新的方法。     

基于图论的图像分割算法分析研究

图像分割是把图像分成各具特性的区域并提取出感兴趣目标的技术和过程,图像分割新算法一直在更新,但都有局限性。本文介绍几种基于图论的图像分割算法,并对各自算法特点进行分析,通过将Normalized Cut归一化割集准则与图像的阈值分割联合起来区分目标和背景,提出了改进权值公式的算法。通过实验比较分析,改进的归一化图像分割算法有效消除了噪声,取得良好的实验效果,更接近人眼视觉的分割效果,并减少了算法的运算量。     

基于近红外光谱分析的多模型建模方法研究

以相思树的α-纤维素含量为研究对象,用一种多模型方法建立了相思树α-纤维素含量的近红外光谱分析模型。模型预测值的平均相对误差为0.97%,实验值与预测值之间的相关系数为0.963 1,模型的拟合优度为0.924 5。研究结果表明,使用的光谱数据量越大,模型的预测效果一般会越好。此外还发现了子模型中待定常数的个数与所使用光谱数据量之间的关系:建模时使用的光谱数据量越大,每个子模型中待定常数的个数一般应该越小。该结果有助于今后使用该方法建立其它近红外光谱分析模型。所建模型可用于快速测定相思树的α-纤维素含量,并有望用于其它树种某些化学成分含量的预测。     

福建省森林景观资源质量评价

应用改进的投影寻踪技术建立森林景观资源评价模型,可把各森林景观资源多维分类指标综合成一维投影值。投影值越大,表示该森林景观资源景观价值越大,因此,可以根据投影值的大小,对森林景观资源样本集进行合理区划。改进的投影寻踪技术用于景观资源分级与区划,其优化时间短、投影函数能达到最优,投影寻踪效果理想,简单可行,可操作性强。通过由样本数据驱动的改进的投影寻踪技术,建立福建省阔叶林森林景观资源评价模型,并结合聚类分析进行等级划分,福建省阔叶林景观资源等级划分为三级较为适宜。     

应用插值法去除SPOT5短波红外波段噪声

卫星在太空获取图像及在地面处理过程中,都会带来各种噪声,降低影像的信噪比,从而影响图像质量,降低目标识别的可靠性及解译精度。文章针对SPOT5多光谱数据短波红外波段SWIR不同宽度的条带噪声,用插值法进行去噪处理,并通过相关系数、偏左指数、扭曲程度等指标进行了效果评价。     

基于数学形态学的超声图像增强探析

由于医学成像本身固有的缺陷,会对医生分析和诊断病症造成不利影响．为了提高图像的可读性以及对人体的解剖结构和病变部位进行更有效的观察和诊断,对医学图像进行计算机处理是非常必要的。现有的超声图像增强主要集中在去噪和边缘检测方面。本文提出了一种基于数学形态学的超声图像增强的算法。我们首先对图像进行预处理．使用滤波方法对图像去噪;然后用边缘提取算子,对图像进行边缘检测;使用数学形态学方法对提取边缘进行增强．得到连续的增强后的边缘图像;最后根据得到的边缘图像进行增强。实验表明,本文提出的算法可以有效地增强超声图像,具有一定的实用价值。最后,本文对这项工作做了总结。对未来研究进行了展望。     

基于形态学梯度算法的木材缺陷图像边缘检测

根据形态学梯度算法的思想,选取平坦的菱形为结构元素,通过腐蚀、膨胀、开与闭运算的加权组合,构造出一种形态学优化算法,并将它应用于木材缺陷图像的边缘检测中,使提取的图像边缘更加准确、完整和连续.通过与经典边缘检测算法对比,该方法有更好的抗噪能力和边缘检测能力,实验结果也验证了该方法的可行性与有效性.     

基于图像测量的毛竹笋高生长在线监测

毛竹笋的高生长信息被视为反映毛竹长势和产量的重要指标,是毛竹生长发育研究中的重要内容。针对现有人工观测方法费时费力,难以实现大范围内实时监测的问题,提出了一种基于图像的毛竹笋高生长监测系统。首先通过架设林间监控摄像头实时获取毛竹笋图像,然后利用几何角度原理,计算图像中毛竹笋的像素数与摄像机旋转角度对应的线性映射关系,进而获取毛竹笋实时高生长数据。对于林间毛竹笋目标分割提取的难题,提出一种结合正弦余弦优化的人工蜂群和模糊局部C均值聚类的图像分割算法。首先在模糊聚类的基础上引入局部空间信息,然后利用正弦余弦优化的人工蜂群算法对聚类算法的初始聚类中心进行寻优,最后再对图像进行二次分割。该方法相比于PSO、ABC、MFO等算法,具有更加优异的寻优性能;相比于FCM和ABC-FCM,也具有更强的抗噪性能和更高的分割精度。将毛竹笋实际高生长测量结果与人工测量值相比,平均误差率仅为4.17%。实验结果表明,此方法能够有效实现毛竹笋高生长的准确实时监测。     

梯度算子与灰度阈值融合的实木地板节子识别方法研究

实木地板表面节子的存在直接影响其质量与等级。针对节子区域与周边存在差异,传统边缘检测方法存在漏检、误检的问题,提出了一种新的边缘检测融合算法。算法首先对原图像分别进行灰度与阈值处理,然后对两幅图像进行梯度运算,并对结果进行操作;最后运用形态学方法得到节子边缘。研究证明,该融合算法保证了节子提取的完整性,可提高节子的识别率。     

林木幼苗根系CT序列图像分割

图像分割技术一直都是图像处理中的难题,原位根系CT图像的分割结果影响后续的三维重建工作,选取合适的分割算法十分关键.通过对根系CT图像分割算法以及根系CT图像特点的的研究,选择阈值分割、区域生长和FCM聚类的方法对序列图像进行分割,并将区域生长方法进行优化,减少分割时计算的步骤,同时改进f cm聚类方法,将空间信息融入到FCM目标函数中.结果表明,阈值法仅对序列初始的简单图像处理效果理想,改进的区域生长法对分割目标连续的图像分割效果好,分割速度达到0.6s.而改进的FCM虽然需要花费23 s的时间,但对不连续的分割目标分割效果明显.三种方法均体现出分割的准确度,后两者能有效提升分割的效率.适当选取以上三种分割方法,即可快速准确的完成林木幼苗CT序列图像的分割.     

模糊逻辑与复合顺序形态学相结合的叶脉检测方法

【目的】针对叶脉图像存在模糊性和噪声的问题,将模糊逻辑与复合顺序形态学相结合,提出一种叶脉模糊逻辑增强方法,以提高叶脉检测方法的抗噪能力和检测效果。【方法】根据5×5邻域中各像元距中心像元的距离,确定邻域像元权重,提出像元隶属度计算方法,利用三角型隶属函数实现叶脉图像模糊化。结合Sugeno模糊模型,提出模糊逻辑推理规则,增强叶脉图像对比度。构建2个尺度分别为3和5的方形结构元素及4个尺度为5的不同方向的线形结构元素,建立基于4个不同方向卷积差分模板的最佳线形结构元素确定方法,设定多个百分位,提出多结构元多百分位的复合顺序形态学检测算子。以叶脉原图和加噪后的图像为例,进行8种不同检测方法的对比试验,以峰值信噪比定量评定方法优劣。【结果】模糊逻辑与复合顺序形态学相结合的叶脉检测方法可增强原图对比度1.668倍,最大峰值信噪比为52.624 6,相较其他方法噪声得到了更有效的处理,提取的叶脉图像更加清晰、完整、连续。【结论】模糊逻辑与复合顺序形态学相结合的叶脉检测方法可有效提高叶脉检测抗噪能力和检测效果,是一种有效的叶脉检测手段。