图像配准方法及其在植物组织三维重建中应用研究进展

图像配准是图像处理领域中的一个重要研究课题.为此,首先对目前主要图像配准算法进行了分类,比较分析其优缺点;然后结合植物组织切片图像的特点,总结了图像配准在植物组织三维重建与可视化中的应用情况;最后对基于序列图像的植物组织三维重建中的图像配准方法的研究方向进行了探讨和展望.     

基于VTK的果实三维重建与可视化研究

针对目前果实品质无损检测手段少、不能清晰展现果实内部结构的现状,采用MRI(核磁共振成像)技术,引入VTK(视觉化工具包),实现了果实三维可视化重建,为果实品质无损检测、病虫害防治等方面提供了重要的技术支持.系统基于区域分割算法对MRI图像序列进行分割,利用改进的光线投射法进行体数据绘制.实验表明:体数据的绘制速度比经典光线投射法提高了约47%.     

基于仿射变换的植物切片图像配准及三维重建

通过仿射变换对黄瓜茎切片图像进行了配准,该方法实现了序列切片图像的配准.在配准前需人工获取特征点,为减小误差,提出了用最小二乘法求取最优仿射变换参数.采用上述方法,对黄瓜茎切片图像实现了配准,并借助VTK提供的步进立方体算法进行了三维表面重建和显示.     

基于序列图像的物体表面三维重建方法的研究

从双目立体视觉模型出发,利用摄影几何学的有关理论推导出了一种在该模型下物体360°表面的三维重建方法,并用VisualC 加以实现。实验结果表明:基于序列图像的物体表面三维重建方法原理简单,输入条件是现实中最常见的条件,重建效果较好,具有较高的实用价值。     

农田地块图像分割技术研究

农田地块图像包含的目标区域多,不同地物间信息相互影响和干扰明显,农田地块图像的分割提取非常困难。利用基于边界和基于区域两种图像分割方法对高空拍摄的农田地块图像进行处理和实验。实验结果表明,利用微分算子的图像边界分割算法虽然能够有效识别出农田地块的边缘,但是对噪声有放大作用;而利用阈值法的图像区域分割算法可以很好地消除农田地块图像的噪声影响。     

超微粉碎技术及其在食品加工中的应用

本文介绍了超微粉碎技术,并对其在软饮料加工、果蔬加工、粮油加工、水产品加工和功能性食品加工等方面的应用进行了详尽的阐述。最后预测了超微粉碎在食品市场的前景。     

基于XCT技术的原位根系三维可视化研究

为解决植物根系原位三维观测的技术难题,采用XCT层析成像技术获取原位根系的断层序列图像,然后利用计算机图像图形处理技术实现对植物根系的原位三维可视化.为了提高图像分割的精确性,提出一种利用根系几何形态特征的综合分割方法,有效清除了与根系密度极其近似的杂质体素,完成了对序列图像的三维分割.并利用VTK工具箱采用移动立方体算法(MC)实现了对分割后序列图像的三维重建.编程实验证实,本文提出的技术路线和方法能够有效地实现对生长在介质环境中原位根系的三维可视化观测.     

基于偏微分方程图像分割技术的研究

文章对图像分割技术的应用做出了简要的介绍.在此基础上,文章对偏微分方程对图像分割的发展历史、发展理论和发展应用做出了相应介绍.这对利用偏微分方程进行高质量的图像分割来说具有十分重要的意义.     

基于边缘检测的图像分割技术的研究

本文主要介绍了基于边缘检测的图像分割的相关技术,首先分析了研究目的和研究意义,然后综合国内外的研究近况,分析了当前对于图像分割技术的前景和不足。     

基于块排序的降噪方法及其在农业图像中的应用

农业图像采集过程中,环境因素常会带来噪声干扰,图像噪声又会对最终信息的分析结果带来影响,因此降噪对提高农业图像处理质量具有重要意义。基于块排序的非局部均值算法是一种有效的图像降噪方法,但是存在处理时间长,对大图像的处理内存要求高等问题。提出了分块优化方法,首先对大图像进行了适应于图像纹理丰富度的图像分块研究,然后分别对每个图像块进行处理。针对处理后的图像块再组合引起的边界效应,采用图像延拓的方法,有效地消除了边界影响,提高了图像降噪效果。实验结果表明,对于一般的硬件设备,改进的块排序非局部均值降噪算法能够快速处理农业中常用的图像。对于尺寸大小为512像素×512像素图像,当噪声标准偏差为50,分块数为16时,改进后的块排序降噪方法能够有效处理噪声图像。分块数为64时的处理速度是分块数为16时的1.89倍。     

基于深度信息的草莓三维重建技术

以盆栽和高架两种栽培模式生长环境下的草莓植株为研究对象,提出了一种基于深度信息分割聚类的草莓冠层结构形态三维重建算法。首先,以深度信息的不连续性特征作为草莓植株逐层分割的重要依据,以深度二维图像作为全局参考指标,提出深度信息步进方法,自动提取冠层点云;其次,改进密度聚类算法,有效滤除随机、跳边和背景噪声;最后,改进基于Harris算子的多源图像融合算法,实现彩色图像与强度图像的配准及点云颜色的映射,三维重建出具有颜色信息的草莓冠层结构形态。为验证该算法的有效性,将三维重建后冠层的平均单叶长度及A-B线距离作为评价指标,试验结果表明,模型的平均单叶长度计算正确率为93%左右,A-B线距离计算正确率为97%左右,研究结果可为草莓采摘机器人果实识别过程中枝叶空间结构关系的构建提供技术支持。     

基于知识推理的立体图三维重建

提出了基于知识参照求隐藏元素的算法,隐藏元素的推理就是通过对立体图中含有隐藏边的点进行推理,参照其相邻边、过相邻点的边的方向和长度推理出可能的隐藏点集,然后根据重合性及连边规则对可能的隐藏点集进一步求解,得到隐藏元素的坐标信息和连边规则,图样的隐藏信息已得到恢复。三维推理就是用点的坐标信息和边的长度、角度信息推理每个点、边的深度。经过两步推理就实现了立体图的拓扑信息和深度信息的恢复。用一个原型系统进行验证,证明该算法对平面立体的隐藏元素推理十分有效。     

基于点云数据的猪体曲面三维重建与应用

针对动物体型参数人工测量工作量大、精度低、应激大等问题,以120日龄长白猪标本为研究对象,利用逆向工程技术,通过激光三维扫描仪,采用三角测距原理,计算了目标点三维坐标数据,获取了猪体点云数据。通过Polygon Editing Tool Vel.2.40软件,进行点云数据预处理,基于不规则三角网,重构了猪体的三维曲面模型。进而提取了猪体的体长、体宽、臀宽、体高、臀高、胸围、体表面积、体积等体型参数。结果表明:通过激光三维扫描仪,获取了272 021个点数据,重构了猪体三维曲面模型,包含544 042个多边形;对比分析三维模型的体型参数检测值与实测值,其体长、体宽、臀宽、体高、臀高、胸围等体型参数检测最大相对误差仅为0.42%,平均相对误差为0.17%。该方法测算精度高,工作量少,且对猪体无应激,可为猪体质量估测模型提供高精度体尺数据支持,也可为动物体型其他参数获取提供技术参考。     

基于3DSOM的植株三维重建方法研究

三维重建技术在智慧农业研究领域有着广阔的应用前景。本研究以抽穗期小麦和树木枝干为研究对象,在搭建了植株序列图像获取平台的基础上,探究了3DSOM软件在不同数量序列图像下的植株三维重建效率和精度。对于小麦植株,分别对比了32、48、64幅序列图像下重建模型的效果和精度;试验表明:3DSOM对于小麦的重建效果一般。对于树木枝干,分别对比了40、60、80幅序列图像下的重建模型,试验表明重建效果较好。为了验证3DSOM软件对植株的重建精度,对小麦3个截段的测量进行了对比。对比结果表明:其重建误差不高于3.18%,最低为0.39%,平均精度为2.16%。对枝干的8个截段的测量对比结果表明:其重建误差不高于2.66%,最低为0.4 3%,平均精度为1.4 0%。因此,将3DSOM应用于植株的三维重建可以取得高精度的效果。     

基于模型的植物叶片适时三维重建方法研究

提出了一种基于叶片特征的植物叶片三维重建的方法。该方法利用植物叶片的特点,建立了植物叶片模型,并用于植物叶片的识别和适时三维重建过程中,解决了遮挡和景深问题,实现了从现实植物叶片到三维数字模型的适时转换,同时获得了较为满意的叶片三维模型。运用该方法得到的植物叶片的三维模型不仅在整体和细节上与实际情况较为接近,而且输出了相关的参数,为机械手确定工作路径和实体接触提供了前提条件。     

基于Kinect相机的油麦菜自动化三维点云重建

为了解决传统三维点云重建过程中人工调参费时、费力,且精度得不到保障等问题,提出了一种三维点云自动化配准算法,并应用于油麦菜三维重建.使用Kinect相机采集油麦菜不同视角下的点云数据,通过配准实验分析配准参数的变化规律,继而建立了配准评价体系,实现了两片点云的自动化配准,并通过最小化匹配误差积累将多幅点云变换到同一基准...     

基于PhotoScan的径流小区三维重建参数优化

提高径流小区数字地面模型精度是应用三维重建技术研究面蚀细沟间与细沟侵蚀过程的关键。以位于黑龙江省海伦市的中国科学院海伦水土保持监测研究站的裸地小区为研究对象,以验证点与控制点误差比和数字高程模型（Digital elevation model,DEM）误差为指标,优化Agisoft PhotoScan三维重建径流小区的处理参数,降低DEM误差。PhotoScan的精度参数和相机模型设置对DEM误差有较大影响。优化后的验证点与控制点误差比降低35%,改善了径流小区DEM对地面控制点的过度拟合。优化后的相机模型包含焦距、像主点、径向畸变、切向畸变等。基于单点和点云的验证结果表明,优化过程误差降低约40%。相对于默认参数设置下的验证点误差（20.0mm）,优化后的验证点误差为11.0mm,与细沟侵蚀深度标准相当（沟深大于等于10mm）,因此优化后的径流小区三维重建过程更适宜于细沟侵蚀过程的三维表达。     

基于消费级深度相机的玉米植株三维重建

根据植物表型分析对植物三维重建的需求,针对植物特征点不易提取而影响三维重建的问题,提出了一种基于深度相机的植物三维重建方法。首先,对深度相机进行内部参数标定和深度畸变矫正,以获取准确的深度信息;然后,固定好相机和转盘的相对位置,精确地计算出在当前深度相机的坐标空间下、转盘旋转一个固定角度θ对应的矩阵T;最后,按旋转角θ等间隔转动转盘,获取一系列点云,并结合矩阵T实现点云拼接,完成三维重建。通过与使用商业软件Skanect的重建结果进行对比,本文重建方法只需要配准一次,还原度更高,效率更好,鲁棒性更强,满足植物形态测量需求。     

基于CT图像的土壤孔隙结构重构

土壤孔隙的几何结构和空间特征决定了土壤的透气性和保水性,对土壤功能多样性和生态修复具有重要影响,但现有对土壤孔隙的研究中,缺乏可直观性和定量性对孔隙特征进行描述的工具和方法。针对这一问题,本文采用基于面绘制的移动立方体法(Marching cubes, MC)和基于体绘制的光线投射法(Ray casting, RC)还原土壤孔隙的几何形态和空间分布。以单个孔隙和不同孔隙密集程度的土壤孔隙CT图像为应用对象进行实验,结果表明,2种算法的重构效果均不受土壤样本孔隙密集程度的影响。其中,MC算法重构出的孔隙结构存在边界锯齿化和缺失的现象,且其孔隙体积也小于实际情况;而RC算法重构的孔隙轮廓清晰,结构真实,可完整地呈现出孔隙结构的细节信息。为进一步评价2种算法的重构性能,采用模型品质、绘制速度和内存消耗3个指标进行实验结果的比较分析。结果表明,MC算法存在二义性的不足,使得孔隙结构存在一定程度的失真,重构的孔隙模型质量一般,但由于其只针对表面体素进行重构,因而具有较快的绘制速度和较小的内存消耗;而RC算法采用为每个体素分配不透明度和光强的方法来合成模型,避免了MC算法的缺点,能够保持孔隙模型的细节信息,但由于其重构过程中所有体素点都参与运算,使得其绘制速度较慢,内存占用较大。通过对模型品质、绘制速度和内存消耗3个指标的综合分析,RC算法更加适用于土壤孔隙的三维重构,不仅为土壤孔隙的可视化分析提供了一种较为先进的方法,也为研究土壤水分和养分的运移以及空气的交换奠定了技术基础。     

基于EHD微尺度3D打印喷射机理与规律研究

基于电流体动力学(EHD)微尺度3D打印(电流体动力喷射打印或电喷印)的成形机理复杂,成形影响因素较多,首先对泰勒锥的受力状况进行了理论分析,然后用有限元数值模拟和实验方法进行验证,探索了该微尺度3D打印方法的喷射机理,并揭示了电压、压力对锥射流喷射性能的影响规律。结果表明,电压越大,锥形越短;入口压力越大,锥形越长,同时也表明了在一定的电压和气压范围内喷印均可以正常进行,而不是特定的电压或气压,从而可以通过调节电压和气压改善锥射流及喷印质量。用光固化树脂材料进行的喷印实例中获得了较好的喷印质量。