用无控制DEM匹配与差异探测监测泥石流灾害的方法研究

针对泥石流易暴发区地表变化监测时控制点难以布设的困难,基于最小二乘与稳健估计原理,应用无控制DEM匹配与差异探测方法,对川西南普歪沟流域30 a间由于泥石流暴发造成的地表水土流失情况进行了变化监测。通过对差异探测结果进行分析验证,证明该方法对泥石流灾害地区的地表形变监测具有实际应用价值。     

多时相DEM匹配探测泥石流地表变形的新方法

通过多时相DEM探测泥石流地区地表形变，必须建立DEM的统一坐标系，才能计算地表形变量。引入无控制三维表面匹配技术，提出分块区域匹配方法配准两期DEM。实例试验表明：分块区域匹配方法比现有的M—LZD算法更能适合泥石流灾害地区的DEM匹配，探测出的地表变化精度更高。     

基于特征点提取匹配的蝗虫切片图像的拼接和修复方法

由于环境和切片本身特性的影响,试验中获取的蝗虫切片总是不完整或者带有褶皱的。针对这一问题,提出了一种基于图像匹配的蝗虫切片拼接和修复方法,以序列切片中缺损切片的邻近切片图作为参考对象,对缺损切片图像进行拼接和修复。首先对切片进行小波降噪,降低噪声对匹配的影响;然后用尺度不变特征变换(scale.invariant feature transform,SIFT)算法和快速鲁棒特征(speed-up robust features,SIJRF)算法获取切片特征点并生成特征向量,完成切片的初始特征点匹配;随后利用随机采样一致(random sample consensus,RANSAC)算法进行匹配矫正,剔除匹配点对中的误匹配,并利用最小二乘法求解出单应性矩阵;最后用正确的匹配点对和单应性矩阵完成蝗虫切片的拼接,利用求得的空间映射模型找到褶皱部分相应的匹配域,完成对缺损部分的修复。试验表明:提出的切片拼接和修复方法的所提取的特征点的正确匹配率能够达到72.2%,并且运行速度以及匹配效果都能在一定程度上满足切片修复的要求,为后面进行蝗虫切片褶皱打开以及蝗虫体的三维重建提供了技术参考。     

混流式水轮机内特性模型改进及在外特性曲线拓展中的应用

混流式水轮机综合特性曲线反映了水轮机高效率区域的特性,但不满足水轮机大范围内过渡过程仿真需求,在仿真前需要对水轮机低效率及负效率区域的特性进行拓展。目前常用的拓展方法其原理均是根据水轮机综合特性曲线中各参数的变化趋势并结合飞逸特性曲线等约束进行的拓展,没能充分考虑水轮机内在规律,拓展结果过度依赖个人经验,具有较大的随意性。该文通过分析水轮机各部件的能量损失建立了水轮机能量平衡关系式,结合流量调节方程对水轮机内特性模型进行了改进。针对改进后的内特性模型特点设计了一种遗传算法与最小二乘法相结合的参数辨识方法,采用水轮机综合特性曲线及飞逸特性曲线对模型参数进行了辨识,采用辨识后的水轮机模型绘制了较大范围的水轮机特性曲线并与实测特性曲线进行了比对,并结合实测结果对误差来源及误差对过渡过程影响进行了分析。结果表明改进后的混流式水轮机内特性模型能够正确描述水轮机特性,采用最小二乘法与遗传算法相结合的方法能够辨识模型中的参数,将该模型应用在水轮机外特性曲线拓展及过渡过程仿真中,机组过渡过程中最大转速上升率相对误差从2.11%降低到0.54%,最大压力上升率相对误差从10.70%降低到9.52%,说明该模型能够减小仿真误差、减小传统方法中对个人经验的依赖,对过渡过程计算提供了参考。     

步行轮式气垫车的需求功率匹配

在对模型车试验的基础上,提出了步行轮式气垫车系统需求功率匹配模型和最佳匹配关系的概念。通过速度品质系数和载荷品质系数将垫升和驱动需求功率比与运输效率建立了联系,并且对最佳需求比进行了初略估计。结果表明在一定的车速、土壤条件和载荷下,步行轮存在着一个合适的入土深度,此时总需求功率最小,而此时的功率匹配和载荷匹配关系则是最佳的。     

基于作物响应的温室环境SVMR控制仿真

在温室环境控制中,传统的根据专家经验的设定值确定控制的目标,由于经验的局限性和作物生长的适应性等原因而不能准确确定设定值,影响温室生产的效率。该文采用仿真模型,研究根据作物响应自动确定控制目标的温室环境控制方法。根据作物生长模型和温室环境变化模型采用遗传算法自动确定温室环境的设定值,采用稳定性、鲁棒性好的OS-LSSVMR(在线稀疏最小二乘支持向量机回归)内模控制进行温室环境控制。通过仿真,在相同室外条件下,基于作物响应的温室环境控制方法消耗的能量更少,作物的干质量增加的更多,控制的精度更高。说明了该方法     

可见/近红外光谱结合遗传算法无损检测牛肉pH值

为了实现牛肉在整个货架期内(4℃环境)pH值的无损快速检测,该文采用可见/近红外光谱技术并结合遗传算法(GA,genetic algorithm),搭建了可见/近红外光谱检测系统,采集储藏在4℃下1～18d的120个牛肉样品400～1700nm范围的光谱,用不同预处理方法处理,并分别建立全波段光谱和经过遗传算法提取有效光谱的预测牛肉pH值的多元线性回归(MLR,multiple linear regression)模型、偏最小二乘回归(PLSR,partial least-squares regression)模型和最小二乘支持向量机(LS-SVM,least square-support vector machine)模型。结果表明,多元散射校正(MSC,multiplicatives catter correction)结合Savitzky-Golay(SG)平滑为最佳预处理方法,遗传算法提取光谱后所建模型的预测精度均高于全波段光谱所建模型,其中LS-SVM为最佳预测模型,其预测相关系数和标准差分别为0.935和0.111,相比全波段LS-SVM模型预测,精度得到了提高。研究表明可见/近红外光谱技术结合遗传算法所建LS-SVM预测模型能够实现4℃下牛肉整个货架期内pH值的无损快速检测。该研究为进一步开发实用的牛肉pH值无损快速检测设备提供依据。     

基于遗传算法最小二乘支持向量机的耕地变化预测

针对耕地变化内部规律与模拟方法进行研究,提出最小二乘支持向量机耕地变化预测方法,有效构建耕地变化与耕地变化影响因子之间复杂的非线性关系模型。利用遗传算法全局寻优功能优化最小二乘支持向量机内部参数,提高最小二乘支持向量机耕地变化预测模型精度。利用该模型对江苏无锡市1987－2000年期间耕地变化进行预测,并与多元回归、GM(1,1)、BP网络、支持向量机（SVM）耕地预测模型和实际调查耕地变化数据进行比较分析。预测精度评价结果证实,该方法耕地预测精度远高于多元回归、GM(1,1),BP网络模型,略高于SVM模型,但算法复杂度和计算效率远优于SVM预测模型,是一种有效的耕地变化预测方法。     

基于LS-SVM的草莓固酸比和可滴定酸近红外光谱定量模型

为提高草莓固酸比和可滴定酸近红外光谱定量模型的性能,该文采用偏最小二乘法提取的潜在变量作为最小二乘-支持向量机模型的输入变量,建立了两指标的近红外定量模型,并与偏最小二乘模型结果进行了比较,建模所使用的光谱范围为6000～12500 cm-1。结果表明,草莓可滴定酸和固酸比偏最小二乘模型校正相关系数、校正和预测均方根误差分别为0.430、0.096%、0.096%及0.688、0.926和1.190,而两指标的前10个潜在变量得分作为输入变量的最小二乘—支持向量机模型各项性能均远优于偏最小二乘模型,其校正和预测相关系数、校正和预测均方根误差以及剩余预测偏差分别为：可滴定酸0.965、0.967、0.028%、0.027%、3.881;固酸比0.980、0.973、0.258、0.373、3.111。研究表明,潜在变量作为最小二乘支持向量机模型的输入变量可在较大程度上改善草莓可滴定酸和固酸比指标近红外定量模型的预测性能和稳定性。     

基于遗传算法的土壤质地高光谱预测模型研究

为快速、准确地获取土壤质地信息,利用遗传算法结合偏最小二乘法(GA-PLS)回归建立土壤质地预测模型。采集了丰乐河流域162个表层土样,在实验室内对土样进行质地分析和光谱测量,采用遗传算法(Genetic Algorithm)筛选土壤质地光谱特征波段,在此基础上运用偏最小二乘法(PLS)构建了土壤质地预测模型,并与全谱段PLS模型进行对比分析。结果表明:基于遗传算法结合偏最小二乘的模型验证精度高于全谱段PLS模型,粉粒光谱验证集R~2达到0.841,RPD为2.391,较全谱段PLS模型RPD提高了18.13%,提升效果显著;砂粒光谱验证集的R~2为0.721,RPD为2.142,较全谱段PLS模型RPD提高了10.41%。遗传算法结合偏最小二乘法(GA-PLS)在土壤质地高光谱估测中,压缩了光谱变量,减少了数据冗余,提高了模型预测精度。     

基于尺度不变特征转换算子的水果表面图像拼接方法

水果全表面图像信息是否完整,直接影响水果表面颜色和缺陷检测的结果。该文提出了一种基于尺度不变特征转换(SIFT,scale invariant feature transform)算子的图像拼接方法,实现多视角水果图像的拼接以获取完整的水果表面信息。首先以15°固定间隔旋转水果以获取各视角下的连续图像,在图像2R-G-B通道下实现图像目标和背景分离,并对目标图像进行灰度直方图均衡化以增强其纹理信息,有利于特征点的提取。运用SIFT算法提取图像特征点,因为特征向量数量多、维数高,采用普通的K-D树算法搜索匹配点将消耗大量时间,因此将图像划分为16个区域,通过多次试验可知中间4个区域为特征点是最容易匹配的区域,这样就缩小匹配点可能存在的区域。采用极线几何约束法和改进型随机抽样一致(random sample consensus,RANSAC)算法以提高图像拼接精度,减少匹配时间。根据平移矩阵,对前后图像进行拼接,从而实现水果表面图像的完整拼接。试验结果表明:该算法平均匹配精度提高35.0%,平均拼接时间为2.5 s,较传统K-D树算法缩短67.8%时间,拼接效果还原率为93.9%。该文算法具有一定的尺度、旋转以及仿射变换不变性,适用于随机呈现的不同姿态球状水果图像拼接。该研究可为基于机器视觉的农产品品质检测和等级划分提供科学参考。     

基于优化点匹配模式的农作区遥感影像融合分类

利用遥感影像进行农作物长势监测及估产中，对所用多源影像进行恰当的影像融合是正确解译的重要前提，在传统的基于灰度的影像匹配融合模式中，存在着高运算量和精度不高的问题，该文使用一种基于优化点匹配模式进行农作区遥感影像融合方法，对不同传感器的两景西北农作区遥感影像进行了融合分析验证。所用两景ASTER和SPOT图像匹配总体误差RMS=0.8965,融合后的影像总体分类精度提高到89.67%。     

基于预测模型的选课算法研究

比较了传统的选课算法的优劣,提出了基于预测模型的选课算法,分析了其算法思想和算法流程,并将其应用于小型的选课过程,取得了较高的效率和较好的匹配度。     

全光谱匹配算法在苹果分类识别中的应用

为进一步提高光谱匹配准确率,该研究对杰卡德相似性原理（jaccard similarity coefficient,JSC）进行改进并提出新的光谱相似度的计算方法。同时,对光谱进行一阶导数二值化,以保证改进后的算法适用于光谱的匹配。此外,对不同光谱分辨率对该算法的影响进行了研究。试验样本选用阿克苏红富士、山东红将军、陕西红富士和陕西金帅4个品种的苹果进行算法能力验证,在2～128 cm-1之间,共7个不同水平的分辨率上进行比较。试验结果表明：该研究提出的算法正确分类识别率为94.5%;研究提出算法在8或16cm-1分辨率水平下取得最佳分类识别结果。因此,基于JSC的全谱匹配算法在光谱数据库系统中的应用将有助于光谱查询精度的提高。     

基于彩色和深度信息结合K-means聚类算法快速拼接植株图像

图像拼接可以建立宽视角的高分辨率图像,对实现农业智能化有重要作用。基于Kinect传感器的图像拼接方法利用彩色和深度双源信息,能够有效避免图像缺失、亮暗差异、重影等拼接错误,但是存在拼接时间较长和目标植株不明显等情况。针对这一问题,该文提出一种基于Kinect传感器彩色和深度信息的目标植株图像快速拼接方法。首先用K-means聚类算法和植株深度信息提取彩色图像中有效植株区域,再采用SURF(speeded up robust features)算法进行特征点提取,利用相似性度量进行特征点匹配并根据植株深度数据去除误匹配,由RANSAC(randomsampleconsensus)算法寻找投影变换矩阵,最后采用基于缝合线算法的多分辨率图像融合方法进行拼接。室内外试验结果表明:该文图像拼接方法更能突显出目标植株且极大缩短了拼接时间,该方法图像拼接时间只需3.52 s(室内)和7.11 s(室外),较基于深度和彩色双信息特征源的Kinect植物图像拼接方法时间缩短了8.62 s(室内)和38.56 s(室外),且平均匹配准确率达96.8%。该文拼接后图像信息熵、清晰度、互信息、空间频率平均分别为6.34、50.36、11.70、11.28,图像质量较传统方法均有提高。该研究可为监测农业植株生长状态、精确喷洒药物提供参考。     

NOAA与TM图像配准方法的研究

详细论述了ＮＯＡＡ图像ＧＫ、ＵＴＭ投影及与ＴＭ图像配准的方法,通过ＮＯＡＡ图像与ＴＭ的复合,充分发挥了ＮＯＡＡ监测面积大、实效快及ＴＭ分辨率高等各自的优势,取得了良好效果。     

基于GA的模糊技术在“牧羊”机器人驱动系统中的应用

针对“牧羊”机器人研究中的理想系统与实际系统的模型匹配问题，为提高机器人的运动精度，在控制器的设计中，将模糊控制和遗传算法结合起来进行优化，实现了对机器人两个驱动电机的协调控制。在优化遗传算子的基础上，根据训练样本，自动生成模糊规则，从而提出了一种模型不确知的复杂系统过程控制方法，在优化隶属函数后，能生成模糊规则，最后用仿真试验证明了该方法的有效性。     

基于机器视觉的番茄多目标提取与匹配

果实的提取和匹配是番茄采摘机器人进行番茄定位和采摘的基础。为解决获取图像中多个成熟番茄粘连或被遮挡的情况下果实的提取和匹配问题,该文提出了使用局部极大值法和随机圆环变换检测圆算法结合进行目标提取,再使用SURF算法进行目标匹配的算法。该方法首先基于颜色对番茄进行分割提取,然后使用局部极大值法对番茄个数进行估计,结合番茄区域面积进行半径估计,之后通过随机圆环变换算法检测番茄中心和半径进行目标定位,再使用SURF算法进行双目目标匹配的算法。该方法在一定程度上解决了复杂自然环境下,多个番茄的提取和图像特征匹配的问题,并通过试验验证了其有效性和准确性,可为采摘机器人目标识别技术的研究提供参考。