基于Android平台的立木胸径测量系统

本文提出了一种基于Android平台的立木胸径快速测量系统.首先,采用张正友标定法实现了相机自动标定功能,并根据标定结果完成立木图像畸变的矫正;然后,通过YCbCr色彩空间对MeanShift算法进行改进,缩短了图像处理耗时,并减弱了光照的影响;通过改进后的MeanShift算法增强了立木图像纹理与边缘信息,并结合GrabCut算法实现了立木图像的准确分割,提取了立木图像前景;最后,根据立木图像前景提取结果与摄影测量原理构建了立木胸径测量模型和深度提取模型,无需参照物即可实现基于移动端的立木胸径快速测量.本系统比算法改进前有效提高了立木胸径测量的速度,耗时缩短不低于80%,测量结果的最大误差不超过6%,可实现立木胸径的快速测量.     

基于改进归一化割的立木边缘识别技术研究

立木胸径是评价林木生长状况的重要依据,采用机器视觉的检测方法,实现立木胸径的自动测量。为了快速准确地识别立木边缘,根据立木图像的特点,提出特定方向的归一化分割方法。预处理采用具有保边去噪功能的双边滤波器对立木图像进行滤波,用局部均值法进行一定的像素减少处理。本研究重点是在传统权值矩阵的基础上构造像素点满足特定斜率要求的权值矩阵,两点斜率在45°~135°2个像素点间的权值为1,在此范围之外的权值为0,构造无向带权图后进行归一化分割。最后利用此算法对30株立木图片在MATLAB 2015环境下进行仿真试验,结果显示立木边缘的平均误提取率为1.21%,小于森林资源清查1.5%的误差要求。     

基于数学形态学的树木图像分割方法

该文针对智能整枝机视觉系统的需要提出一种以数学形态学为主的图像分割方法,解决了智能整枝机视觉系统中背景复杂下树木图像分割困难的问题.该方法分成5个步骤:①利用小波变换将图像进行压缩;②亮度矫正;③用分水岭算法对图像进行分割;④用区域合并法解决分水岭算法中的过度分割问题;⑤用中值滤波器滤除分割过程产生的孤立点.结果表明:该方法比Roberts算子、Sobel算子及Prewitt算子对树木图像的分割效果好,为立木整枝机视觉系统的深入研究打下了基础.     

基于计算机视觉的立木枝干直径自动测量方法

立木枝干直径是智能型立木整枝机器人工作的重要工作参数.该文提出了一种基于计算机视觉原理的立木枝干自动测量方法.该方法利用已知大小的标定尺简化无线性畸变CCD摄像机标定过程.首先,将标定尺与被测立木紧贴在一起并通过CCD摄像机获取它们的图像;其次,从图像中通过二次模板匹配方法检测标定尺并统计标定尺像素数;然后,计算出图像每一个像素代表的实际尺寸;第四,通过立木枝杈点检测分离出树干和树枝;最后,将统计立木枝干直径的像素数与每一个像素代表的实际尺寸相乘就可以很容易地计算立木枝干直径.该文测量了12组立木枝干的直径,平均绝对误差为0.67 cm,平均相对误差为1.9%.实验结果表明,计算机视觉的立木枝干直径自动测量方法能够比较精确地解决智能型立木整枝机器人中的立木枝干自动测量问题,但是该方法在进行复杂背景立木枝干直径测量时精度需要进一步提高.      

基于整枝抚育目的的立木枝干自动识别研究

为了适应我国人工工业用材林自动化整枝抚育的需要，该文提出一种用于工业用材林自动整枝的立木枝干动态识别系统框架，对人工林侧柏的枝干进行了数字图像采集及处理，利用计算机视觉、图像处理、小波分析技术对图像进行压缩、滤波、分割、消噪及边缘特征提取.同时提出了一种立木枝干计算机自动识别算法，提取立木图像枝干形状、尺寸、弯曲度及相对空间位置关系基本生长特征，即利用模式识别技术验算其与特征数据库的匹配情况，从而达到立木枝干自动识别的目的，为后续的自动识别研究提供了依据.      

基于图像边缘识别的鸡蛋曲率测量

利用机器视觉获取鸡蛋截面图像,进行相应的图像处理后提取其边缘点坐标,用最小二乘法进行数据拟合,求取以三次多项式表示的曲线拟合方程,并将求得的拟合方程生成的曲线与原图像边缘进行了比较,其匹配度达99.22%,说明该曲线能反映鸡蛋的边缘曲线变化规律.通过拟合曲线的曲率图的变化,对鸡蛋的形状结构进行了分析,为进一步研究鸡蛋的特性提供了理论依据.     

基于WT-Otsu算法的植物病害叶片图像分割方法

植物病害叶片图像分割是植物病害识别和植物分类的基础。为了解决作物病斑叶片的分割效率和实时性,在小波变换(wavelet transform)和Otsu法的基础上,提出一种基于WT-Otsu算法的植物病害叶片图像分割方法。首先,利用二维小波变换提取作物病斑图像的边缘点;其次,利用Otsu法在这些边缘点搜索最佳分割阈值;最后,利用该阈值分割图像。利用该方法在真实辣椒病害叶片图像上进行了分割试验,结果表明,该方法对病害叶片图像分割有效可行。     

基于运动恢复结构的多株立木因子测量方法

  目的  提出基于运动恢复结构的多株立木因子测量方法,以解决目前基于三维点云的立木因子测量方法获取立木树高和胸径存在效率低或成本高的问题。  方法  ①使用智能手机环绕包含多株立木的场景拍摄一段视频,并采用固定帧采样法和差异值哈希算法自动提取立木视频中的关键帧图像,然后,基于运动恢复结构(structure from motion,SfM)算法处理立木关键帧图像,从而获取立木场景的原始三维点云;②在对原始三维点云进行预处理及初步分割后,运用条件欧几里得聚类算法对多株立木三维点云进行分割,以提取单株立木三维点云;③对立木三维点云使用最值遍历法和椭圆拟合法实现立木树高和胸径的自动测量。  结果  与真实值相比,本研究方法测得的树高、胸径的平均相对误差分别为1.96%、3.19%,均方根误差分别为0.133 3 m、0.533 7 cm,相关系数分别为0.987 9、0.962 1。  结论  该方法具有较高的树高和胸径测量精度,提供了一种便捷、低成本的多株立木因子三维测量方法。图6表1参27     

基于形态学梯度的细胞图像自动分割

提出一种自动分割细胞图像的方法,利用数学形态学梯度运算对图像边缘进行锐化。再利用判别分析法自动确定梯度图像阈值,经后处理,可得单像素宽度细胞图像边缘。该边缘可描述医学图像中细胞的有效区域,实现细胞图像自动分割。为验证该方法的有效性,对30幅实际细胞图像进行分割试验。结果表明,该方法对细胞图像分割有较好的适应能力。     

基于凹点寻找标记的分水岭算法分割粘连谷粒

针对标记分水岭算法分割粘连谷粒出现欠分割现象,提出一种基于凹点寻找前景标记的分水岭算法对谷粒进行粘连分割。首先,对谷粒图像进行canny边缘检测,获得谷粒的轮廓,并在低尺度下计算轮廓线的曲率来获取候选凹点,通过自适应阈值和角度去除伪凹点;然后,对经过预处理的图像进行欧式距离变换,按照距离梯度的方向对轮廓曲线进行像素扩充,在凹点处加快速度,再对减去轮廓的二值图进行前景标记;最后,对原二值图应用基于标记的分水岭算法进行分割。利用手机采集5种谷物的图像进行粘连谷粒分割,结果表明,可获得96.4%的谷粒计数准确率。该方法可满足于日常利用手机拍摄的谷粒图像计数的需求。     

立木枝杈点自动识别方法

立木整枝机器人在整枝作业过程中需要实时自动识别立木枝杈点并计算出其相对空间位置关系.该文给出了一种适用于立木整枝机器人的立木枝杈点识别新方法.该方法首先使用数学形态学方法对图像进行二值化处理,然后对二值图像进行骨架化处理,最后将骨架化后的图像与一个3×3的全1矩阵构成的模板进行卷积运算;卷积结果大于给定阈值3的像素点就是枝杈点位置.实验证明,该方法能够比较准确地检测到立木图像枝杈点并计算出枝杈点的位置.      

立木整枝机设计方法与主要参数的研究

该文研究了立木整枝机的工作方式、切削机构、传动机构,提出了螺旋式上升、锯链式切削机构、机械传动是较为理想的整枝机的工作方式.同时,对整枝机的工作参数、对象进行研究,提出了整枝机的合理工作参数,设计了一套测试系统;采用测力传感器测定整枝机系统轮胎与树木的作用力,计算出了轮胎与树木之间的摩擦系数;测定了侧柏、银杏、刺槐等几种主要树木的摩擦系数,为整枝机的动力选择提供了重要的依据.      

基于神经网络的立木枝干测量方法研究

通过神经网络算法完成实现摄像机标定,并将标定方法应用到立木枝干的测量上,实现立木枝干尺寸测量的自动化.该方法包含3个主要步骤:首先是通过图像预处理提取特征点,其次针对树木特点提出改进型神经网络摄像机标定算法,最后对测量方法进行验证并对误差进行分析.结果表明,此方法的测量精度能达到0.1mm,测量误差为±1.40 mm,满足作业要求.     

一种全站仪精准量测立木直径的方法

立木直径是森林资源调查的重要参数。本文提出了一种基于免棱镜全站仪对边测量原理的立木树干直径精 准量测方法,并以南方全站仪NTS-3401 为例,对该方法的理论精度进行了论证,结合量测数据对实际精度进行了 分析。结果表明:免棱镜全站仪对边测量原理的立木树干直径精准量测方法的理论精度中误差在0.4 mm 以内;使 用胸径尺量测立木直径3 次取平均值作为真值,用来检验全站仪量测立木树干直径的精度,数据表明真误差控制 在1 mm 以内,而林业测量中要求测量结果精确至1 mm。本文提出的全站仪精准量测立木直径的方法达到了林业 测量中量测立木直径毫米级的精度要求,可以解决非接触式量测立木上部(2 m 以上)直径的难题。      

手杖式测树仪研制与试验

为了在森林资源调查中能够便捷、快速、精准、高效地获取立木胸径和树高,设计研发了一种手杖式测树仪,其以固定长度手杖为主体,搭载智能手机和测树软件。该设备在传统林业调查装备理论的基础上利用了测树学、摄影测量学、机械加工学、机器视觉、影像处理等技术,通过智能手机影像处理软件实现了胸径的自动识别、测量、记录,并通过手动截取完整立木与所得胸径值演算树高等功能,可以统一编辑、存储、导出最终所得胸径树高。分析结果表明,该手杖式测树仪所得胸径和树高的编差Bias分别为0.29、0.48 cm,相对误差Bias%为1.5%、4.2%,RMSE均为0.70 cm,相对RMSE%为3.6%、6.1%,基本满足二类调查A类精度要求,具有一定的应用价值和推广潜力。     

复杂背景下多种树形果树树冠的检测与识别方法研究

针对多种树形果园环境下,由于树冠背景复杂导致的树冠分割、检测及树形识别困难的问题,本研究提出了1种改进Mask R-CNN的B-Mask R-CNN检测模型,实现自然复杂环境下的果树树冠检测与树形识别。该模型引入了IoU(Intersection over Union)平衡采样,提高了模型的训练效果;其次,在边界框损失中引入平衡L1损失,使得多分类损失与边界框损失更快地收敛;另外,在区域推荐网络中调整锚框比例适应数据集中的目标,提升了模型准确率。该研究搜集矮化密植形、小冠疏层形、自然开心形、自然圆头形以及Y形5种常见修剪树形制作数据集,应用5个检测模型进行对比试验。试验结果表明,B-Mask R-CNN检测模型平均检测精度达到98.7%,与Mask R-CNN、Faster R-CNN、U-Net以及K-means模型相比检测精度更高,对复杂背景下的树形识别具有更好的鲁棒性,能够为后续精准喷施中喷施模式和控制参数的分析及应用奠定基础。     

基于像素类型的阶跃型边缘提取算法

介绍一种用于提取目标图像和背景图像都比较简单的图像中的阶跃型边缘算法。把二值化图像中的像素点分为4类:背景点、目标体点、边缘点、噪声点;算法实现过程如下:首先对图像进行二值化处理,然后对二值图像中的目标体的边缘像素点进行跟踪,找出目标体的边缘曲线。试验表明:该算法实现简单、处理快速、抗噪性好。     

基于智能手机单目视觉的多株立木高度提取方法

  目的  提出一种智能手机单目视觉下的多株立木高度提取方法。  方法  该方法以智能手机为采集设备，利用Graph Cut 算法对输入的立木图像进行分割定位，实现单幅图像中多株立木轮廓的自动获取；再通过智能手机相机对摄像头进行标定，从而基于几何相似法获取智能手机相机图像的深度信息。在不同角度下拍摄标靶，进行深度提取模型的精度优化，进而确定信息提取的最优方位。同时，结合高精度陀螺仪获取相机俯视角，根据提取的深度信息和相机俯视角实现非接触条件下的多株立木高度测量。  结果  使用型号为MI 2S的小米智能手机为试验设备，在本方法中的立木高度测量模型具有良好的稳定性，并且试验中最高相对误差为2.45%，树高测量精度可达97.55%。  结论  基于智能手机单目视觉下的立木高度提取方法精确度高、操作简便，能够有效满足国家森林资源二类调查中对于树高测量精度的要求。