快速图像去雾算法在无人机果园巡检系统中的应用

无人机果园巡检是提高果园管理效率、降低人力成本的有效手段。随着无人机技术的发展，使用无人机进行果园巡检是一大趋势。针对室外雾霾天气对无人机果园巡检图像质量的影响，本文基于无人机果园巡检图像的特征，提出一种将无人机拍摄的雾天图像中天空或亮度较强区域与其他区域分割的图像去雾算法。该算法首先将图像中的天空与非天空区域进行区分，分别处理以减少传统暗通道先验去雾算法在天空区域的失真，然后通过提取图像背景区域的特征并进行算法优化，最终达到快速去雾的效果，以满足实时性要求。     

基于双域分解的复杂环境下奶牛监测图像增强算法

针对天气变化及光照不足导致的奶牛监测图像降质问题,提出一种基于双域分解的复杂环境下奶牛图像增强算法。该算法首先采用双域滤波图像去噪,将输入图像分解为低频图像和高频图像;其次根据贝叶斯估计得到不同高频图像的小波阈值,利用改进的Garrote阈值函数进行小波去噪,并结合伽马变换对去噪的高频图像进行矫正,实现对高频图像的滤波和对比度调整;再次通过暗通道先验对低频图像进行去雾,并结合对比度受限自适应直方图均衡化(contrast limited adaptive histogram equalization, CLAHE)算法对去雾后整体偏暗的低频图像进行增强,进一步提高图像的对比度和整体亮度;最后将处理后的高频图像和低频图像进行重构,得到最终的增强图像。以不同时段光照、复杂气象条件下实地拍摄的奶牛场监测图像为样本,采用主观视觉和客观评价将该算法与现有算法进行试验对比。结果表明,该算法能够对复杂光照下奶牛图像有效去噪、增强整体和细节信息、改善图像视觉效果等,相比于HE算法、Retinex算法、CLAHE算法、自适应Retinex算法,标准差分别平均提高1.929 5、4.681 2、3.245...     

汽车牌照雨点和喷溅泥噪声图像的去噪研究

图像通常都存在着各种不易消除的噪声,在图像处理中,寻求1种既能有效地减少噪声、又能很好地保留图像边缘信息的方法,一直是人们追求的目标。本文对图像去噪进行了综合分析,对汽车牌照的雨点和喷溅泥噪声图像建立数学模型,并用小波阈值去噪的方法对含噪图像进行去噪研究,指出研究的技术路线和实验方法,并给出研究的初步结果。     

基于划区域暗通道算法的农田图像去雾研究

为了提高农田图像去雾的效果,提出划区域暗通道算法.通过双阈值把有雾图像划分为远景区域、近景区域、中间区域;不同区域采用不同的透射率计算方法,远景区域的透射率计算基于非线性容差机制,近景区域的透射率计算基于修正因子,中间区域的透射率计算基于引导滤波;再利用全局大气光照度和各区域的透射率得到去雾图像,并给出算法流程.试验仿真结果表明,与其他去雾算法相比,该算法提高了去雾图像的可见性,平均梯度评价指标值为0.106,均方误差评价指标值为20,结构相似度评价指值为0.97,评价指标较优.     

OpenCV耦合改进暗通道先验的图像去雾算法研究

为提高当前图像去雾算法的稳定性,改善在大雾天气雾气很严重时的去雾质量。提出了基于OpenCV耦合改进暗通道先验的图像去雾算法与实现机制。分析了暗通道先验理论与雾图形成模型;对先验理论进行了改进,推算出去雾公式;引入OpenCV实现机制,增强系统运行效率。实验结果表明:与普通的图像去雾算法相比,在雾气很严重时,算法具有更好的去雾效果,准确还原了图像的清晰度,失真度较小,可应用于雾气严重情况下的退化图像复原。     

榆林机场雾的气候特征分析及预报方法研究

本文结合榆林机场2011-2015年的天气实况资料,利用统计学方法分析机场能见度和雾日特征,并探讨了雾日出现时的预报方法,以期确保雾天出现的过程中,将榆林机场航班气象保障服务工作做好。     

基于无人机的田间地膜识别算法研究

为了满足基于机器视觉的田间地膜智能识别要求,对垂直拍摄的6叶期单垄单行烟田图像进行研究,分析图像中地膜、烟苗和土壤的RGB和HSV分量的直方图,发现B分量和V分量采用阈值分割法能分割出地膜。对地膜图像进行手动阈值分割、迭代阈值分割、大律法分割和基于遗传算法的最大熵值法等分割算法比较,发现迭代阈值分割算法目标识别率最高,为71%,且处理过程用时较短。通过对无人机不同飞行高度下地膜识别情况分析,发现50 m飞行高度下的地膜识别率最高,为80.06%,地膜识别面积为246.83 m²,地膜覆盖率为30.12%。该研究为残膜的智能识别提供方法和参考。     

融合YOLOv5s与Criminisi算法的农业遥感图像去云方法研究

【目的】构建融合YOLOv5s与改进Criminisi算法的农业遥感图像去云方法,为云层干扰环境下地表信息获取、地表物的解译等研究提供支持。【方法】首先使用基于容差的暗通道先验(dark channel prior,DCP)算法去除雾和部分薄云,以提升图像整体对比度与云层边缘清晰度;然后融合YOLOv5s深度学习网络进行云层区域阈值分割,实现云层蒙版的快速精确自动提取;最后通过样本块大小自适应调整策略对Criminisi算法进行改进,实现遥感图像的有效去云修复处理。通过对含不同大小云层的遥感图像进行去云试验,并利用信息熵、峰值信噪比(peak signal-to-noise ratio,PSNR)、均方误差(mean-square error,MSE)和结构相似性(structural similarity index measure,SSIM)4个指标对去云结果进行评价,以验证本研究算法的有效性。【结果】采用融合YOLOv5s和自适应样本块的改进Criminisi算法对8幅含云图像进行了修复,修复后图像的平均PSNR为21.01,平均SSIM为0.77;并对57幅模拟加云图像进行修复,其平均PSNR为28.59,平均SSIM为0.93,表明将改进Criminisi算法应用于遥感图像去云研究是可行的。在此基础上,对本研究算法的适用性以及阴影对去云效果影响的研究表明,不同大小和位置的云层干扰造成未知区域不确定度较大,对修复效果影响较为严重;阴影区域与云区域相接时存在阴影块填充,修复效果尚有待提升。【结论】融合YOLOv5s与改进Criminisi算法的去云方法可有效修复云层遮挡区域,同时保留较为真实的地表信息,可用于农业遥感信息精细感知研究。     

基于Faster R-CNN和图像增强的水下鱼类目标检测方法

为了克服水下鱼类图像样本量不足及实现对水下低清晰度图像中鱼类的快速检测,提出了一种基于Faster R-CNN二次迁移学习和带色彩恢复的多尺度视网膜增强算法(MSRCR)的方法,首先通过ImageNet预训练模型对Open Images高清鱼类数据集进行一次迁移学习初步训练网络,然后固定检测模型低3层的卷积网络参数,再用水下拍摄的小规模鱼类数据集进行二次迁移学习微调网络,最后通过MSRCR算法对水下拍摄图像进行处理以增强其与高清鱼类图像的相似性,解决水下图像降质问题,让二次迁移学习高效进行。结果表明,该方法利用小规模水下拍摄鱼类数据集训练出的网络查准率可达到98.12%,网络检测能力及后续提升能力优于传统机器学习方法,并能够实现鱼类目标的快速检测,本研究结果可为深海探测作业与海底鱼类等生物资源的监测、保护和可持续开发等工程应用提供一定的参考。     

基于颜色特征的图像分割方法及其在足球机器人中的应用

提出一种新的适用于跟踪移动机器人的视觉系统的彩色图像分割技术,这种方法采用符合人类视觉特性的HIS颜色空间表示图像的颜色特性,利用人对颜色的感知来对颜色分量进行非等间隔的量化并形成特征矢量,根据HIS颜色空间三个基本分量合成的一维特征矢量直方图进行分割,并克服HIS颜色空间存在不可避免的奇点对图像分割的影响.另外采用一种基于背景图像的非均匀光照修正算法,应用在足球机器人中.实验结果表明该方法不仅使目标定位和方向角更精确,而且提高动态环境下的鲁棒性.     

基于改进颜色特征的小麦病害图像识别技术研究

[目的]介绍一种根据小麦病害图像的颜色特征进行病害识别的方法。[方法]首先对小麦叶部图像进行预处理,利用小波变换进行病害部位增强和去噪;然后基于病害部位的非绿特征进行图像分割,得到只包含病害像素的图像;对病害图像颜色进行统计,得到R、G、B分量的均值,并用相对于绿色分量的均值比作为颜色特征值;最后通过分析样本图像得到每种病害的特征值范围,利用颜色特征值对未知样本进行病害识别。[结果]采用该方法对小麦叶锈病、条锈病、白粉病进行识别,平均准确率达到98%。[结论]为小麦病害的诊断与诊治提供了理论依据。     

农村宅基地地籍资料信息化技术研究（英文）

以信息化手段进行创新,形成农村宅基地数字化管理体系,是解决当前农村宅基地管理中的难点、热点问题的重要突破口。针对农村宅基地资料种类组成多样、资料量大、纸质保存等问题,为实现农村宅基地资料快速、精准采集并数字化存储,提出了一种以手机拍摄获取的宅基地数字图像为数据源,运用图像自动处理算法,以Python语言编程,实现数字图像的自动裁剪和分类并与无支撑自由拍摄法和图像手工处理进行了对比分析。结果表明,有支撑固定拍摄法数据采集的效率达到了无支撑自由拍摄法的4.24倍,准确率提高了7.1%,并且图像自动处理的效率达到了图像手工处理的35倍。该方法基于快速、精准的数据采集,实现了数字图像的自动处理,为整个农村宅基地资料信息化技术的研究提供参考,具有推广应用价值。     

基于历史帧路径搜索的红枣动态图像采集

图像采集是实现红枣品质分级和检测的关键前提。针对基于静态图像的采集方式不能全面反映外观品质、实时性差和基于传输式图像采集方式的机械、电路设计复杂且适用性不足的缺点,提出一种基于历史帧最小路径搜索,实现对视频中红枣目标进行跟踪、标定,建立红枣动态样本集的方法。首先利用RGB(red,green,blue)颜色空间转换HSV(hue saturation value)空间图像的明度(V)分量,基于V分量建立掩膜对RGB图像执行掩膜去背景。同时,针对视频图像中获得的二值图像,建立坐标系,获得每帧图像基于轮廓外接最小正矩形的特征向量,将当前帧和前一帧中的特征向量基于最小路径搜索的方法,加入约束条件,实现对视频中每个红枣目标的跟踪和标定,最后基于正矩形参数的感兴趣区域(region of interest,简称ROI),实现动态样本建立。利用此算法,对拍摄的视频图像的检测表明建立的动态样本集能更全面地反映红枣外观品质。该算法简单、有效,特别在实现基于深度神经网络的红枣在线检测中具有较大的应用潜力。     

三分量磁通门传感器的三轴正交校正与测量

受机械加工与安装水平的限制,磁通门传感器的三个分量相互之间无法保证绝对正交,由此会带来三分量磁测数据误差。本文通过建立一种三轴正交角度与磁总场误差关系模型,并对该模型进行正演模拟、反演分析及建立一种修正算法,达到推算三个分量不正交角度并修正的目的。实验表明,采用该方法对实际三分量磁通门传感器进行不正交度的测试与修正后,能够使其在测量总场时的误差减小到±10 n T,减小了测量时所带来的误差。     

基于Retinex和改进的最小生成树分割提取模糊航空图像中的河流

本文提出了一种Retinex和改进的最小生成树分割相结合的算法,能够准确地从模糊航拍图像中提取出河流。首先,通过多尺度Retinex(MSR)算法增强图像,然后基于形状先验和改进的最小生成树分割算法检测出主要河流。分别测试了各种不同模糊航拍河流图像,比较了四种众所周知的图像增强算法和四种常用的图像分割算法。结果表明:若没有MSR的图像增强,单一的最小生成树算法无法准确地提取模糊航拍图像中的河流;新算法对模糊或光照不均的河流图像,与传统算法比较有着明显的检测效果。     

农村宅基地地籍资料信息化技术研究

以信息化手段进行创新,形成农村宅基地数字化管理体系,是解决当前农村宅基地管理中的难点、热点问题的重要突破口.针对农村宅基地资料种类组成多样、资料量大、纸质保存等问题,为实现农村宅基地资料快速、精准采集并数字化存储,提出了一种以手机拍摄获取的宅基地数字图像为数据源,运用图像自动处理算法,以Python语言编程,实现数字图像的自动裁剪和分类并与无支撑自由拍摄法和图像手工处理进行了对比分析.结果表明,有支撑固定拍摄法数据采集的效率达到了无支撑自由拍摄法的4.24倍,准确率提高了7.1％,并且图像自动处理的效率达到了图像手工处理的35倍.该方法基于快速、精准的数据采集,实现了数字图像的自动处理,为整个农村宅基地资料信息化技术的研究提供参考,具有推广应用价值.     

猪肉背最长肌切面图像背景去除研究

 去除猪肉图像背景常采用图像分割技术来实现。基于阈值分割理论,对特定条件下的猪肉图像,进行了不同的阈值分割方法的比较研究。通过实验比较,去除猪肉图像背景的有效方法是利用RGB图像的R分量和G分量差进行灰度化处理,再利用阈值分割法,能较好的把背景和肌肉区域分离。     

脐橙外部品质计算机视觉检测技术初步研究

根据脐橙图像的特点和分级标准,运用计算机视觉和神经网络算法对脐橙进行自动检测与分级。采用中值滤波和线性低通滤波技术对原始脐橙图像进行平滑、去噪,在对脐橙图像像素点颜色信息统计的基础上,通过设置蓝色分量、色调、饱和度的阈值,从图像中快速准确的分割出果实图像;确定果实横径、果形、表面缺陷率、色泽与着色率为脐橙外部品质分级的特征参数;通过BP神经网络建立了特征参数与脐橙等级之间的关系模型,试验结果表明,其预测准确率达到85％。     

基于多尺度Retinex图像增强的羊体尺参数无接触测量

针对传统羊体尺参数测量中存在工作量大、精度低、应激反应强等问题,采用多尺度Retinex算法、Graph Cut算法和羊体尺测点识别相结合的方法,基于双目视觉检测原理对羊体尺参数的无接触测量进行研究。结果表明:1)带色彩恢复的多尺度Retinex算法能增强光照不均匀的羊图像,对羊图像的细节和颜色恢复表现出较强的处理能力;2)基于多尺度分水岭的Graph Cut算法准确地分割出羊体区域,获得光滑的羊体轮廓线;3)划分羊体轮廓线区域,采用包络线分析方法识别体尺测点,计算羊体尺参数,并与真实值比较,11只羊的平均相对误差为2.32%,除去绒山羊剩下9只羊的平均相对误差为1.95%,测量精度较高。试验证明本研究带色彩恢复的多尺度Retinex算法能增强羊图像亮度和色度,包络线分析方法能准确地识别体尺测点,算法稳定,能够实现饲养过程中羊体尺参数的无接触测量。     

小波分析在傅立叶轮廓术中的应用研究

针对傅里叶轮廓术在测量复杂形状物体的形貌时,易出现频率混叠的问题,在傅里叶轮廓术中应用小波分析的方法,首先对变形条纹图像的多层小波分解,实现频谱分离,同时将离散小波阈值去噪方法应用到条纹图像的预处理中。实验表明,该方法是可行的,能很好地滤除变形光栅图像中的高频分量和直流分量,提取有效的基频分量,与传统的数字滤波方法相比,测量精度得到提高。