一种高空间分辨率的遥感变化检测方法在智慧农业中的应用

传统方法在确定影像对象的异质性时,根据整幅遥感影像以及判别经验所确定的全局固定阈值往往不能很好地适应各种不同属性的检测对象。针对这一问题,该研究提出了一种自适应的双模糊阈值的判别方法,在传统的图像变化检测预处理的基础上,利用Q型因子在整幅影像中获取具有代表性的训练样本,分别计算各样本的变化强度和相关系数的最优阈值以及熵的二值化阈值,建立样本的变化阈值集合,选择集合的中位数作为整幅影像的变化阈值,利用模糊识别算法分别对所得到的2幅变化影像进行运算,求交集建立混淆矩阵,最终得到变化检测的结果。试验结果表明,该算法对不同属性的影像对象具有良好的适应性,较传统的阈值变化检测方法其平均正确率提高了31.12%,有效地减少了错判或漏判。     

基于图像处理的双孢蘑菇分级方法研究

为提高工厂化生产双孢蘑菇的精选分级效率,本研究提出了基于图像处理的方法实现对新鲜双孢蘑菇的自动化分级。图像采集时阴影的存在和双孢蘑菇柄部是影响测量最大直径的重要因素,本研究首先结合全局阈值分割法与寻找最大熵阈值分割法进行第一次分水岭算法去除阴影部分,然后使用Canny算子、开闭运算、膨胀腐蚀等进行第二次分水岭算法去除柄部干扰,经试验验证,该方法分级效果较好。     

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。     

利用面向对象变化向量分析(OCVA)检测土地利用变化

为推广国产高分数据在土地利用变化检测方面的应用,以延庆区张山营镇2015和2018年2期高分二号(GF-2)影像为数据源,采用面向对象变化向量分析法(OCVA),先通过不同分割模式获取对象,其次利用引入权重的欧氏距离构建变化向量的模,再通过目标函数确定最佳检测阈值后对研究区进行变化检测,最后对变化区域进行面向对象分类,得到具体的"从…到"变化类型。结果表明:1)多时相组合分割模式下的OCVA法精度要高于多时相分别分割模式;2)利用加权组合方法构建对象变化向量的模更易确定最佳检测阈值,且最后的总体精度要高于传统OCVA法;3)结合面向对象分类的OCVA法能有效减少面向对象分类后变化检测法和单一OCVA法的伪变化,检测精度达到92.50%。     

基于光谱和空域信息的城区变化检测方法研究

目前的变化检测研究主要集中在利用中、小比例尺遥感图像进行自然环境等方面的变化检测,如草场的季节性变化、灾害检测、植被分布变化、土地使用规划等.然而随着城市的快速发展,为了满足城区管理规划中对道路、房屋等变化细节进行分析的需求,并由于高分辨率卫星诸如Ikonos,Quickbird等的出现,我们有必要并且有可能开发出一套实用、有效的、可靠的城区自动变化检测系统.针对城市区域的复杂性及其高分辨率卫星影像的配准误差问题,本文提出一种通过模糊逻辑结合光谱特征和空域特征的城区变化检测方法,以期望减小图像整体及局部配准误差对变化检测精度的影响.     

基于机器视觉的双孢蘑菇分级算法

针对双孢蘑菇智能精选分级需求,提出基于机器视觉的双孢蘑菇分级算法。首先提出以全局阈值分割法与最大熵阈值分割法相结合的第1次分水岭算法,去除图像的阴影;其次提出Canny算子与或运算和闭运算结合的第2次分水岭算法,去除柄部干扰;最后采用最小外接矩形法求得双孢蘑菇的直径。通过在试验样机上进行试验发现,该方法可以很好地克服图像采集时阴影的存在和双孢蘑菇柄部对最大直径的影响,且可达到预期效果。     

基于ASAR数据的水稻制图最佳时相参数提取

针对ASAR交叉极化模式数据,选用HH/VV极化比值提取水稻制图的最佳时相参数.结合SAR图像统计特性,采用比值变化检测方法,通过理论公式计算和比较变化检测的总误差概率,分别提取单时相双极化和多时相双极化水稻制图的最佳时相参数.结果显示,单时相制图的最佳时相是水稻生长中后期,即水稻幼穗分化期至水稻收割前期内任一时相;而多时相制图的最佳时相为一组时相的组合,即应至少包含水稻移栽期和水稻生长中后期各一时相.最后,采用阈值分类算法对最佳时相参数进行了验证.结果显示,选用最佳时相影像和理论推导的分类阈值能够显著提高水稻制图的精度.     

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。     

绿地信息遥感提取方法分析——以芜湖市为例

以芜湖市为例,选用2007年成像的TM影像数据,采用阈值分类与整体—局部多尺度迭代模型相结合的方法,对该地区绿地信息进行提取,并与监督分类方法、阈值分类法提取的精度进行比较。结果表明,阈值分类与整体—局部多尺度迭代模型相结合的方法明显高于监督分类法和阈值分类法,在适宜阈值取165时,其用户精度和生产精度分别达84.21%和87.89%。     

基于C5.0算法的森林资源变化检测方法研究——以山东省徂徕山林区为例

以山东省徂徕山林场为试验区,利用两时相的TM与ETM+遥感数据对该地区的针叶林、阔叶林等森林资源的变化进行研究。将基于C5.0算法的决策树分类方法应用于森林变化检测,并对3种检测方案进行试验比较:(1)以单一时相图像作为数据源并各自分类,分类后作比较提取变化信息;(2)以两时相图像的原始波段数据作为数据源训练规则,并生成变化检测图;(3)以两时相图像加上邻近相关分析图像作为数据源训练规则,生成变化检测图。试验结果表明,基于C5.0算法的决策树分类可以有效的进行森林变化检测,并且加入邻近相关分析图像后的变化检测精度达到最高。     

基于小波域分水岭变换的视频对象提取算法

提出了一种基于时、空分割融合的视频对象分割算法．时间分割采用变化检测，其关键的阈值选取通过直方图分析得到．空间分割采用小渡域的分水岭变换算法．时、空分割融合采用基于区域的双向投影策略．实验结果表明，本算法可比COST211AM参考分割取得更好的分割结果．     

基于显著性目标检测的葡萄叶片病害分割

为提高葡萄叶片病害图像中病斑分割性能,提出了一种基于显著性目标检测的病斑分割方法。采用显著性目标检测网络来生成葡萄病害叶片图像的显著性图,通过多种分辨率的网格结构提取图像局部和全局信息,并将它们融合成预测特征;再对病害叶片的显著性图用自适应阈值法分割出叶片上的病害区域,并用形态学方法进行后处理。结果表明,在测试集A上,所建立的方法对病斑分割性能指标马修斯相关系数(MCC)为0.625,略低于对比算法全卷积神经网络(FCN)的0.689,但在衡量泛化性能的测试集B上,所建立方法的MCC为0.338,远高于FCN的0.072, 说明所建立方法在分割精度和泛化性方面具有较好的平衡性。     

基于局部阈值的植物叶片图像分割算法研究

提供了采用数字图像处理方法快速分割含边框植物叶片的方法,分别采用局部阈值分割和最佳阈值分割获取二值图像,得到局部阈值分割效果较好的结论,最终得到了比较清晰的边框图像和叶片二值图像,为后续图像处理打下良好基础。     

水稻表层根系图像分割算法研究

水稻根系形态特征的定量研究对于改进农田管理方式、水稻品种选育和遗传改良等具有重要意义。近年来,随着表型组技术迅速发展,利用图像处理技术对水稻根系生长情况进行测量和分析,同时配合施肥、灌溉、光照、温控等环境监控技术已成为水稻育种和功能基因组研究新型技术手段,而根系图像分割技术是进行后续表型组学分析的重要基础之一。由于生长在土壤中的水稻根系图像具有对比度低、信噪比低、纹理复杂的特点,分割十分困难。针对此问题,研究了主干-分支连接算法、基于形态特征的局部阈值分割算法和基于形态特征的自适应阈值分割算法,对生长在土壤中水稻根系图像进行分割处理和比较。实验结果表明,主干-分支连接算法虽然保留了大量细节,但是受噪声影响严重,其结构略显杂乱,毛刺现象严重;基于形态特征的局部阈值分割算法能保留更多根部的细节,但轮廓断裂的现象比较严重;自适应阈值分割算法分割的图像根系连续性较好,毛刺现象也得到了抑制,但是细小的须根无法保留。最终将两种算法结合起来,提出一种适用于水稻表层根系图像分割的综合算法,则可以获得较为理想的分割结果,为后续水稻根系性状提取奠定了重要基础。     

基于差分进化鲸鱼优化算法的森林冠层图像分割

针对森林冠层图像结构复杂，受光照不均匀，导致分割精度较差等问题，提出一种基于差分进化鲸鱼优化算法的冠层图像分割方法。首先选取多阈值Kapur熵作为适应度函数，应用鲸鱼优化算法（whale optimization algorithm,WOA）对阈值的搜索过程进行优化，代替传统遍历搜索机制，加强阈值搜索能力与效率。其次引入差分进化算法（differential evolution algorithm,DEA）进行混合，采用以种群平均适应度为评价指标的混合策略平衡2种算法，增强算法的局部搜索能力，实现更好地平衡探索与开发。最后通过对森林冠层图像进行阈值分割研究，在适应度值、PSNR、SSIM与计算时间上进行对比分析。结果表明，本算法可以获得更精确的分割阈值和更高的分割精度。     

基于XY-H色彩空间的肤色检测方法

为提高对肤色检测的准确性和速度,对肤色检测在9种色彩空间的聚类性和分布区域的规则性进行了对比研究,得出XYZ色彩空间适于做肤色二维阈值分割,HSV、HIS、HSL色彩空间适合在色调H分量上进行一维阈值分割,并在此基础上提出了基于XY-H色彩空间的肤色检测阈值分割方法。试验表明,该方法使肤色检测效果得到了明显提高。     

基于方向滤波的成像测井裂缝检测方法研究

根据成像测井图像中裂缝具有方向性的特点,研究了一种基于方向滤波的成像测井裂缝检测方法。该算法以方向滤波为基础,根据裂缝局部方向选择相应方向滤波器进行滤波,使裂缝图像在裂缝方向上得到增强,突出了裂缝的有效信息。通过基于方向滤波与基于区域分割融合方法对提取的裂缝进行后处理,得到最终的裂缝轨迹。实际应用表明,该方法较好地检测了实测成像测井中裂缝。     

基于高空间分辨率时间序列影像的对象级侵占林地图斑快速检测

  目的  为掌握森林资源动态变化情况，及时、快速、准确地发现侵占林地地块，并解决主流遥感变化检测方法对数据源和时相一致性要求高、人工干预多、过程繁琐等应用瓶颈，采用一种基于高空间分辨率时间序列影像的多尺度对象级分割和变化提取方法，对主流方法的分类和检测两个过程进行了融合和简化。  方法  以陕西省白水县为研究区，采用GF-1和ZY-3卫星数据源，将前后两期遥感影像波段拆分和重组形成时间序列影像，对时间序列影像进行多尺度面向对象的分割，通过分割结果的光谱变化值统计学抽样判断临界点并制定提取阈值，再利用NDVI变化值对结果进行优化。  结果  以人工目视解译结果作为参照，该方法的检测精度达86.2%。在成功检出的侵占林地图斑中，形状吻合较好或基本吻合的图斑占48.8%。  结论  该方法能够实现侵占林地图斑的快速检测，在检测效率、精度和适应性方面可满足大范围、多时相、混合数据源森林资源监测工作的实际应用需要。      

基于最大类间方差法的黄瓜病害叶片分割

以黄瓜病害叶片为研究对象,采用直方图阈值分割法去除背景,分别采用最大类间方差法(Otsu)和边缘检测法来分割黄瓜叶片中的病害部位,对比这2种方法的分割效果。最后,对已有的最大类间方差法进行了改进,对病害叶片图像的红色分量进行了病斑分割。结果表明,边缘检测法分割出来的病斑部位轮廓具有不完整性,而最大类间方差法的分割效果较好。采用最大类间方差法对黄瓜病害叶片分割取得了较理想的效果,为后续病害识别奠定了基础。