利用数字图像分析法评价油菜种子颜色

为了客观方便地评价油菜种子颜色,研究探索了数字图像分析评价方法。随机选取籽粒颜色不同的甘蓝型油菜30份,采用扫描仪获取种子的数字图像,通过建立色彩描述文件（ICC Profile）对图像进行颜色校正后,再运用自行编制软件“RSCA”采集种子颜色值．主要对油菜种子颜色在颜色空间RGB、CIEL^＊a^＊b^＊、HSB中的特征,目测颜色等级与各颜色分量的相关性进行了分析。结果表明;RGB颜色模型的R分量是一个理想的油菜种子颜色等级衡量尺度,数字图像分析法评价油菜种子颜色是可行的。     

油菜种子颜色分析软件的设计与实现

为促进数字图像分析法在油菜种子颜色评价中的应用,研究开发了全自动分析软件RSCA（rape seed coloranalysis）.RSCA基于Delphi 7.0平台和BDE（Borland database engine）数据库连接技术,包含自动测量油菜种子的颜色和几何特征、颜色空间转换、色差计算和绘制颜色频率分布图（直方图）等功能.特别是全自动批量分析功能,极大地提高了数字图像分析法在油菜籽粒颜色评价中的效率.     

油菜种子颜色分析软件的设计与实现

为促进数字图像分析法在油菜种子颜色评价中的应用, 研究开发了全自动分析软件RSCA(rape seed color analysis). RSCA基于Delphi 7.0平台和BDE(Borland database engine)数据库连接技术, 包含自动测量油菜种子的颜色和几何特征、颜色空间转换、色差计算和绘制颜色频率分布图(直方图)等功能. 特别是全自动批量分析功能, 极大地提高了数字图像分析法在油菜籽粒颜色评价中的效率.     

光照强度对烟叶颜色特征向量的影响

烟叶颜色特征是用于烟叶等级判别的重要因子,影响烟叶图像质量和等级判别的重要因素是光照强度(简称光强)。为研究光强如何影响不同等级的烟叶颜色特征,设计烟叶图像采集系统,以人工分级所用光源光强为基准,在12个不同光强下分别采集不同等级烟叶图像,提取RGB、HIS及HSV模型的颜色分量,分析各等级的烟叶颜色分量在不同光强下的变化规律,研究不同等级各颜色分量对光强的敏感性,提出适合于烟叶等级判别的颜色分量和光强,为烟叶自动分级及光源选取提供科学依据。试验结果表明,对于R、V颜色分量,光强为2500 lx左右时,判别不同烟叶等级效果最佳。G、B、I和HSV模型中HHSV分量,光强为3200 lx左右时,判别不同烟叶等级效果最佳。     

烤烟X2F等级烟叶表面颜色区域特征量化分析

为揭示烤烟X2F等级烟叶表面颜色的区域性差异,以2015年全国5大烟区的X2F等级初烤烟叶为材料,采用多重比较和系统聚类法,对烟叶样品的表面颜色进行量化分析。结果表明,我国烤烟X2F等级烟叶表面颜色空间分布特征,明度(L~*)为53.76~65.09,红度(a~*)为14.12~15.56,黄度(b~*)为39.91~53.52,颜色饱和度(C~*)为41.13~53.50;烤烟X2F等级烟叶表面颜色存在区域性差异,长江中上游烤烟X2F表面颜色的明度L~*、黄度b~*和颜色饱和度C~*均显著高于东南烟区,东南烟区烤烟X2F等级表面颜色的明度L~*、黄度b~*和颜色饱和度C~*均显著低于其他4个烟区;烤烟X2F等级表面颜色区域性差异成因分析结果表明,生态条件的差异是造成烤烟X2F烟叶表面颜色区域性差异形成的重要原因,品种对其影响较小。     

基于多颜色空间的麦田监控图像分割技术研究

快速有效地对农作物图像(特别是大田监控图像)进行绿色植被分割,在图像处理技术在农业中的应用中具有重要意义。小麦是我国一个重要的粮食作物,小麦田中植物呈现绿色,与土壤背景颜色有明显的差异,合适的选取颜色空间可进行有效分割,进而计算特定时段麦田的植被覆盖度,长势等信息。本研究首先通过对常见颜色模型各单通道图像进行初步对比分析,选取HSV的H分量、YCb Cr的Cr分量、L*a*b*的a*分量、RGB颜色空间的G与R减运算量,通过2013年11月至2014年3月的大量小麦监控图像,人工选取34幅图像进行植被分割,并从结果数据中统计分析每种彩色分量的分割准确度和标准差。最终得出了在对麦田监控图像进行植被分割中,L*a*b*颜色模型的a*通道具有最准确和最稳定的结果:34幅不同时点的麦田监控图像,图像分割平均准确度近90%,分割准确度标准差在0.08以下。     

基于支持向量机的油菜缺素诊断研究

针对油菜常见的缺素现象,提出将支持向量机应用于油菜缺素种类识别。首先,确定支持向量机 分类过程中所用的特征值,选择RGB 和HSV 颜色空间中的分量作为颜色特征,选择能量、熵、对比度、相关 性的均值和方差作为纹理特征;其次,将支持向量机用于分类模式识别,并与神经网络分类识别进行比较,仿 真结果表明：支持向量机的分类精度高,性能更好;最后,通过遗传算法对支持向量机参数进行优化,可以看 到最终的分类准确率有所提升,起到了优化的效果。     

基于数码照片的草地植被盖度快速提取方法对比

草地植被盖度是表征草地群落结构及其生长状况的重要生态学参数之一。本研究基于乌拉特中旗草地照片,设计一种利用自动阈值分割算法快速计算植被盖度的方法,依次选取RGB颜色空间的EXG指数、HIS颜色空间的H分量、L*a*b*颜色空间的a*分量作为草地植被盖度提取的颜色特征,对比分析上述3种颜色特征方法快速提取草地盖度的效果。结果表明:EXG指数法的提取效果最好,其估算误差相对最低、精度最高、适用性最好;a*分量法次之;H分量法的估算误差相对较大。在去除阴影后,H分量法的估算误差降低、精度也随之升高,EXG指数法的估算精度略有降低,a*分量法无明显变化。3种方法对绿色草地的估算效果均优于黄绿色草地,尤其是a*分量法,其对黄绿色草地的估算精度为80.7%,而对绿色草地的估算精度却高达91.7%,仅次于EXG指数法(93.4%)。     

油菜种子发育早期种皮颜色的快速鉴定方法

利用香草醛与原花色素生成有色物质的原理,创建了一种简单、快捷、可靠的油菜种皮颜色鉴定方法,在授粉后15 d能准确鉴定芥菜型和甘蓝型油菜种子的种皮颜色,利于在油菜开花结束前进行黄籽性状选择.     

基于RGB与HSV颜色空间的水稻齐穗后叶片SPAD值估测方法研究

通过计算机视觉技术对齐穗期至成熟期的水稻叶片图像进行分割,提取水稻叶片图像在RGB和HSV颜色空间中的6种颜色特征参数,计算典型的18种颜色分量,分析了颜色特征参数和颜色分量与水稻叶片SPAD值之间的相关关系;然后,采用线性回归分析方法,分别建立了基于RGB颜色空间和基于RGB与HSV颜色空间的SPAD值的估测模型,并采用逐步回归方法,分别建立了基于颜色特征参数和颜色分量的SPAD值的估测模型。结果表明:RGB颜色空间和HSV颜色空间均与水稻叶片的SPAD值有极显著的相关关系,以HSV颜色空间与水稻叶片SPAD值的相关关系更为密切;颜色特征参数H与SPAD值之间的相关关系最密切,其次是S、R、V;颜色分量r/b与SPAD值之间的相关关系最密切,其次是R-B、b、r;在建立的水稻叶片SPAD值的4个估测模型中,以基于颜色分量的逐步回归模型的拟合效果最好。因此,综合RGB和HSV颜色空间中图像颜色信息的分析应用,有利于提高水稻叶片SPAD值的图像反演精度。