一种基于灰度位平面的林火烟雾图像自动识别方法1）

通常在对林火图像中的烟雾进行识别时,所采用的方法存在需要利用多幅图像对比导致计算量大的问题。通过分析林火烟雾灰度变化情况,采用灰度位平面和林火烟雾区域自适应相结合的方法,提出了一种林火烟雾自动识别的方法。对烟雾图像进行灰度位平面构建,根据不同位平面中呈现的林火烟雾信息进行相关计算,可获得林火烟雾模型。对多幅林火烟雾图像通过该方法进行验证,结果表明,该方法具有较快的识别速度。     

视频图像中目标轮廓的提取算法研究

本文研究了视频图像中目标边缘提取算法。首先在图像中确定出目标物体,并分析目标物体灰度与背景灰度的对比,对图像灰度的分布及对目标物体在图像的位置都要有充分了解,然后对灰度图像设定合适的阈值进行二值化图像的处理,使其满足图像测量的要求,再应用图像测量算法把目标物体的轮廓边缘提取出来,同时使用一些补偿算法,使图像的边缘更加平滑和清晰,使处理后的图像具有良好视觉的效果。实验表明,算法是有效的。     

基于LBP和稀疏表示的林火烟雾图像识别研究

为了实现森林火灾的智能识别,提出一种基于局部二值模式和稀疏表示的林火烟雾自动识别方法.选取森林火灾烟雾视频和干扰视频,经运动区域检测提取疑似林火烟雾图像样本.首先对疑似林火烟雾样本图像采用不同的LBP算子进行纹理特征提取,然后选取350幅林火烟雾样本构建林火烟雾特征字典,另外选取343幅林火烟雾图像样本和331幅干扰图像样本进行测试,对每个测试样本利用11最小化范数计算其在训练字典上的稀疏表示系数和重构误差,最后根据经验阈值进行分类识别.结果表明,LBP特征提取结合稀疏表示方法可以有效地实现林火烟雾的自动识别,识别率可达92.88％,为林火烟雾的模式识别提供了一种有效的解决方案.     

基于视频区域动态特征的林火烟雾检测技术研究

  目的  视频监控越来越多地应用到森林火灾烟雾的早期检测中。现有的视频林火烟雾检测方法大多是基于像素提取烟雾特征进行分析检测,烟雾发生早期或烟雾距离摄像头较远时,在视频图像上烟雾仅呈现较小区域,且烟雾的扩散具有无规则性,背景环境复杂多变,导致基于像素的特征不明显,因此使基于像素的烟雾自动化检测难度增大。本文根据可见光视频图像处理原理,提出一种基于局部区域图像动态特征的林火视频烟雾检测方法,以提高林火视频烟雾检测准确度和灵敏度。  方法  以视频图像为研究对象,每秒取一帧生成图像序列,对图像序列进行多层次不同尺度分区;利用图像信噪比原理,计算分区后的连续图像序列的信噪比;根据背景图像信噪比得到自适应阈值,确定待检测图像序列发生亮度变化的图像块,即为疑似烟雾块;提取疑似烟雾块的LBP纹理特征,采用支持向量机区分出烟雾区域。  结果  利用HSV颜色空间的亮度分量,可以有效提取烟雾区域。选择有林火烟雾的视频,对提出的烟雾变化检测方法进行验证,分析结果表明该方法能确定烟雾发生所在的图像块,且能排除部分非烟雾干扰因素。  结论  本文提出了基于局部区域亮度特征和LBP纹理特征的视频林火烟雾检测技术,能准确定位烟雾发生区域,排除部分干扰因素,检测识别率平均达到92%以上,有助于实时林火烟雾自动检测,提高林火烟雾检测率,具有很强的实用性。      

基于二维熵的农业图像目标分割

农业图像的目标分割是在农业领域应用机器视觉技术的基础,采用阈值法进行图像的目标分割,能够克服一些图像缺陷。首先将彩色数字图像转换成像素灰度级分布与其邻域平均像素灰度级分布所构成的二维灰度图,再根据图像分割后的最大熵计算分割阈值,然后由计算出的阈值分割农业田间图像,分割的结果显示,二维熵法分割农业田间图像的效果很好,分割质量的优秀率达到了98%。     

基于地形匹配的图像烟火定位方法研究

目的视频监控是林火监测的主要手段,利用数字云台获取方位角、俯仰角等参数来计算林火位置是目前林火定位的主要方式,而林火定位中常用的方法主要有单点定位、双点定位和多点定位3种方法。目前已有许多研究根据光线跟踪算法,依靠视频图像与三维地形的对应关系实现了三维场景的增强表达,为基于视频图像的定位提供了新的途径。当前,林区普遍通过建立视频监控、数字云台、GIS技术三者紧密结合的软、硬件联动系统进行森林火灾的监测、决策和扑救。本文将视频图像与虚拟地形匹配原理,应用于基于GIS的林火视频监控系统,提出基于图像的林火定位方法,并对定位精度进行分析评估。方法利用地形匹配原理建立林火实景图像与DEM之间的坐标映射关系,针对图像烟火区域选定像元,生成在DEM中对应的区域,并计算和分析该区域中心点的坐标、欧氏距离、方位角、俯仰角以及该区域的形状、可视性、面积、跨沟谷数等特征信息,提出定位区域精度信息分析与评估流程。该流程根据分析结果将定位区域分为可定位区与不可定位区,同时提供详细的烟火位置信息。结果选择北京九龙山自然保护区作为研究区域,对提出的定位方法进行了初步验证,结果表明该方法能提供准确定位精度信息,有助于快速找到火源,实现快速扑救。结论本文基于地形图像匹配的林火定位方法,充分利用了虚拟地形与视频图像的特征匹配关系,为林火快速扑救提供丰富的位置信息。该方法的定位精度只与图像分辨率及虚拟地形与实景图像匹配精度有关,避免了传统云台定位受硬件性能指标的限制;同时该方法也适用于手机等移动设备所拍摄的图像,只需获知拍摄点坐标,就可以实现对所采集图像上目标的定位,对于基于图像的定位分析具有重要意义。      

基于稀疏表示的森林火灾火焰识别研究

为了实现森林火灾的智能识别,提出一种基于稀疏表示的林火火焰自动识别方法.以林火火焰和5类干扰物体为研究对象,每类对象从视频图像中随机选取50帧作为训练样本,150帧作为测试样本.对每幅图像提取疑似火焰区域,求取面积变化率、颜色、纹理和形状特征参数.所有训练样本的特征向量构建训练样本特征字典,对每个测试样本利用l1最小化范数计算其在训练字典上的投影系数,根据最小重构残差进行分类识别.结果表明,稀疏表示方法的识别率可达到93.56％,为林火火焰识别提供了一个有效的解决方案.     

改进的阈值分割法在林火图像分析上的应用1）

采用巴特沃思高通滤波器进行频域滤波，使用傅里叶函数变换方法消除所采集林火图像中的烟雾等噪声，在数学形态学对林火图像预处理的基础上，对火焰的动态特征进行了提取和识别。通过计算出林火图像的火焰面积、火焰圆形度和火焰质心偏移距离，并且经过试验数据证明，该算法可以有效的区分干扰源和火焰，精确的判断出是否有火险发生。     

特征组合在地质图像检索中的应用

为了将基于内容的图像检索技术应用到地质图像的分析与检索中,在使用灰度直方图和Gabor小波变换进行特征提取的基础上,提出了一种使用灰度及纹理这两种特征结合对目标图像进行分析检索的算法。试验结果表明,在进行图像特征相似度匹配时选取合适的相似度阈值,该算法能够取得满意的检索效果。     

基于图像的嵌入式森林火灾监控系统研究与设计

针对目前我国森林防火远程监控中存在的不足,提出了一种基于嵌入式处理平台的森林火灾监控系统,对系统硬件设计和林火图像识别算法两个方面做了详细论述.系统以嵌入式微处理器作为现场控制器的主控单元,现场控制器通过串口与CCD摄像机进行实时通信,获取监测区域的图像信息,对获取的图像信息进行林火识别,若系统判断有林火发生,则将火情信息通过无线网络传送给监控中心,从而达到第一时间发现森林火灾的目的.通过在林区现场进行的试验表明,该系统能够克服工作环境的干扰,且具有响应速度快、识别率高以及监控区域广等特点.     

基于计算机视觉技术的红火蚁蚁巢探测

为探讨基于计算机视觉技术对红火蚁蚁巢进行探测识别的可行性,研究了利用数字图像处理技术提取红火蚁蚁巢特征参数,通过数学形态学对数字图像进行目标提取和识别。采用图像识别红火蚁蚁巢土建立了HSV彩色空间模型。研究结果表明,各红火蚁蚁巢土和普通土样本的H分量差异明显,特别是普通土H分量明显大于红火蚁蚁巢土,一般土壤H值大于30,而对于红火蚁蚁巢土土壤的H值小于30。因此,H分量可作为识别红火蚁蚁巢土的一项特征参数。当色调通道的平均值H30时,即可判定为红火蚁蚁巢土。研究结果说明基于计算机视觉技术对红火蚁蚁巢进行检测识别是可行的。     

基于数学形态金字塔双色融合的红外目标检测

为了提高红外目标检测性能,在分析了数学形态学基本运算的基础上,提出了基于数学形态金字塔的融合检测方法。首先把中波和长波红外图像分解成形态金字塔,建立融合准则,在相应的级上提取特征进行融合,然后重建原图像。在得到的融合图像中,适当地选取阚值,可以有效地把目标检测出来。试验结果表明,该算法优于单波段的目标检测,有较强的实用性。     

基于数学形态金字塔双色融合的红外目标检测

为了提高红外目标检测性能,在分析了数学形态学基本运算的基础上,提出了基于数学形态金字塔的融合检测方法。首先把中波和长波红外图像分解成形态金字塔,建立融合准则,在相应的级上提取特征进行融合,然后重建原图像。在得到的融合图像中,适当地选取阈值,可以有效地把目标检测出来。试验结果表明,该算法优于单波段的目标检测,有较强的实用性。     

基于深度学习的高分辨率麦穗图像检测方法

小麦是重要的粮食作物之一,针对人工田间麦穗计数及产量预测效率低的问题,基于深度学习提出了一种高分辨率的小密集麦穗实时检测方法。对麦穗图像数据集进行图像分割、标注、增强预处理,基于Tensorflow搭建YOLOv4网络模型,调整改进后对其进行迁移学习;与YOLOv3、YOLOv4-tiny、Faster R-CNN训练模型进行对比,对改进模型的实用性与局限性进行分析;重点分析影响麦穗检测模型性能的关键因素。通过图像分割的方式,证明了通过改变图像分辨率确定麦穗所占图像最优像素比,可以提高前景与背景差异,对小密集麦穗有显著效果。通过对改进模型的测试,表明该模型检测精度高,鲁棒性强。不同分辨率、不同品种、不同时期的麦穗图像均类平均精度（mAP）为93.7%,单张图片的检测速度为52帧·s^-1,满足了麦穗的高精度实时检测。该研究结果为田间麦穗计数以及产量预测提供技术支持。     

基于区域亮度自适应校正算法的脐橙表面缺陷检测

【目的】针对类球型水果表面亮度分布不均现象,传统算法难以有效直接分割水果表面缺陷区域问题,提出一种基于区域亮度自适应校正的脐橙表面缺陷检测算法。【方法】选择区域经济价值较高的纽荷尔脐橙为研究对象,对其采集原始可见光RGB图像。试验中发现R-B融合分量图像灰度呈明显双峰分布,故根据直方图信息利用单阈值法（分割阈值T₁=60）去除图像背景,获得R-B目标图像;基于本文提出的一种区域亮度自适应校正算法对脐橙表面缺陷进行检测,首先设定目标图像邻域窗口大小为w×w（邻域窗口大小w=13）,通过对其窗口大小内较亮像素点的集合提取脐橙表面亮度信息,然后基于此表面亮度信息对去除背景的R-B目标图像进行均一化校正,经亮度校正后的图像发现其表面缺陷区域与正常组织区域灰度对比度大,宜采用单阈值法（分割阈值T=194）直接对亮度校正后的脐橙图像进行表面缺陷分割提取;最后对表面缺陷分割后的二值化图像进行面积滤波以去除杂散点及噪声。【结果】采用双峰法可在有效去除图像背景的同时完好保留目标脐橙表面信息;基于区域亮度自适应校正算法对溃疡病果、蓟马虫果、介壳虫果、虫伤果、黑星病果、风伤果、炭疽病果、裂伤果等8种常见脐橙表面缺陷果,共计356幅样本图像进行亮度校正,采用单阈值法对亮度校正后的图像进行表面缺陷分割,其分割率高,整体缺陷准确识别率达到了95.8%,平均处理每幅图像耗时0.29 s。与直方图均衡化算法、基于Retinex理论算法以及基于照度-反射理论算法得到的亮度校正图像相比,本文算法亮度校正效果最优且算法简单、缺陷识别率高、计算速度快,其运算速度分别减少了0.27、0.14和1.45 s,缺陷识别率提高了2.6%—8.2%。【结论】基于区域亮度自适应校正的脐橙表面缺陷检测算法有效解决了脐橙类水果表面亮度分布不均导致的表面缺陷难分割问题,为脐橙在线精确分级提供了技术支持,也为其他类球型水果表面缺陷快速检测提供了一种新方法。     

森林火灾遥感探测技术研究进展

森林火灾是陆地生态系统重要的自然干扰之一,也是森林面临的主要自然灾害。多源遥感技术在森林火灾探测中应用,使得森林火灾的早期探测与实时监测成为可能,遥感技术已成为森林火灾监测和防控的重要手段。本研究综述了遥感技术在森林火灾相关研究方面的应用进展,从灾前、灾时、灾后3个阶段,分析了遥感技术和方法在森林可燃物调查及载量评估、火场态势监测、火险等级预测预报、火烧迹地识别、火后森林受害评估以及植被修复等方面的应用,总结了现有研究方法中存在的问题,展望了未来森林火灾探测技术的发展方向。多源多尺度遥感探测技术如将无人机、雷达、航空遥感与航天遥感等互相结合,多方位进行森林火前火后监测,为火险等级预报、森林火灾防控、火后森林结构和功能的恢复提供依据。     

基于分数阶微分视频融合的森林烟火检测算法

森林火灾检测是国内外林业应用研究的重要课题之一。及时准确地检测到森林火灾，对于森林健康及环境安全意义重大。现有的利用视频技术检测森林火灾的方法大多针对单一波段，如可见光波段或红外波段的视频信息进行分析，然而在实际应用过程中，由于森林环境复杂，基于单一波段视频信息检测火灾的结果欠佳。现阶段，基于多个波段的森林火灾检测方法非常少。本文综合利用红外及可见光视频特征，提出了一种基于分数阶微分视频融合的森林烟火检测算法，将分数阶微分理论引入红外视频和可见光视频融合中，利用分数阶微分算子对两个波段视频进行融合，然后利用背景去除法检测融合视频中的异常帧，且对异常帧图像及其与背景帧的差分图像分别进行图像分割，最终得到检测出的森林烟火区域。采用空间频率、平均梯度、森林火灾检测准确率和森林火灾检测时间误差度4个测度对本文算法和基于区域能量融合算法、基于窗口方差融合算法、基于HSI变换融合算法进行定量分析和比较。结果表明，本文算法的融合视频的融合效果最佳，并且森林火灾检测准确率和森林火灾检测时间误差均明显优于其他3种算法，说明本文提出的算法具有较好的有效性和准确性，为森林火灾检测提供了有利的新途径。      

果园环境下苹果侦测与定位方法研究现状与展望

随着信息技术的快速发展,果园管理逐步走向数字化、机械化和智能化。果园环境下苹果的精确侦测与定位成为实现果实作业自动化的关键。总结了苹果侦测中的视觉数据获取方法、图像预处理方法和果实图像分割方法,分析了苹果侦测中遮挡和重叠问题的处理方法,归纳了目标果实定位的主要方法和原理,探讨了苹果侦测与定位研究中存在的挑战,并对未来发展趋势进行了展望,以期为进一步开展果园信息化研究提供参考。