基于矛盾解决理论与物质——场分析的实木地板节子识别新方法研究

针对传统区域生长方法识别实木地板节子存在准确率低且速度慢的问题,运用TRIZ中矛盾解决理论分析与物质——场分析,提出一种结合分水岭、区域生长以及边缘检测的新的实木地板节子识别算法。算法首先将原图像转换为灰度图像;其次,运用形态学分水岭的方法对灰度图像进行分割;再次,选取满足条件的种子区域进行区域生长,得到节子区域;最后,运用Sobel算子对图像进行梯度运算,并找到节子的边缘。仿真实验表明,该算法较传统方法能够找到更合适的种子区域和区域生长的阈值,实现了对节子的快速、完整提取,节子分割平均用时60ms,平均辨识准确率在90％以上。     

高分辨率遥感图像均值调整法分割技术研究

遥感图像分割是将以像元为基础的图像转化为以对象为基础的过程,因此,遥感图像分割是遥感图像高级分析的基础.对于中、低分辨率遥感图像来说,单个像元的面积较大,且混合像元现象严重,图像分割会产生较大的误差.高分辨率遥感图像单个像元的面积较小,分割后图像上单个对象内含若干像元,便于分析和提取信息.以高分辨率遥感图像Q u ickB ird和IKONO S为研究对象,采用均值调整法对图像进行分割和精度检验.结果表明:采用均值调整法进行高分辨率遥感图像分割具有较好的效果,图像分割的速度和精度均较高.     

基于形态学重构的实木地板缺陷分割方法研究

针对传统区域生长方法中,由于噪声种子存在及种子点单步邻域搜索所导致的分割时间长、检测精度低的问题,提出基于形态学重构的实木地板在线缺陷分割方法。方法首先定义不同阈值下的两幅模版图像,其中低阈值图像用于种子优化,高阈值模版用作种子膨胀生长;通过定义腐蚀终止准则,完成低阈值图像下的缺陷骨架提取;运用"去毛刺"操作,最终实现缺陷骨架内的种子点优选;然后,运用测地膨胀,结合高阈值模版,完成板材缺陷区域的快速生长;最后,应用"孔洞填充"、"去毛刺"优化边缘,实现缺陷目标的提取。实验分别在像素512*512、256*256和128*128下进行,通过与传统区域生长方法的比较,表明方法实现了缺陷区域的准确分割,分割速度与精度能够满足地板在线分选要求。     

基于分水岭算法的双向凝胶电泳图像分割

本文采用分水岭算法对电泳凝胶图像进行分割，针对其存在的过分分割问题以及图像本身的特点，提出了根据拓扑曲率对过分分割区域进行合并，以得到有意义的分割结果。本算法对电泳图像进行了分割实验。实验表明，本算法适用于电泳图像，并且效果良好。     

改进的区域生长算法在彩色年轮图像分割中的应用

提出了一种基于分水岭算法和区域生长算法相结合的彩色年轮图像分割算法,首先采用分水岭算法检测边缘,得到彩色年轮图像的大致区域分布,然后结合区域颜色和空间信息自动获得种子点,实现区域生长。分割结果表明,该方法能够更加快速地获得清晰的年轮边缘。     

基于灰度共生矩阵和分层聚类的刨花板表面图像缺陷提取方法

【目的】提出一种基于灰度共生矩阵和分层聚类的刨花板表面图像缺陷提取方法,根据缺陷部分与正常部分纹理特征不同,利用分层聚类算法将缺陷分离出来,以解决板面缺陷检测系统中刨花板表面纹理导致缺陷提取不准确的问题。【方法】将刨花板表面灰度图像划分成若干个窗口,使用灰度共生矩阵的统计特征参数对各窗口纹理进行表征,通过分层聚类算法将纹理特征不同区域区分开。首先确定灰度共生矩阵构造因子的取值,包括窗口大小、灰度级、方向和步长,构建出各个窗口的灰度共生矩阵;使用Fisher准则和线性相关性对灰度共生矩阵14个统计特征参数的表征能力进行度量,选取出分类能力强且相关性低的特征构成特征向量,所有窗口的特征向量构成样本集。然后运用BIRCH分层聚类算法对样本集进行聚类,为使聚类结果更准确,同时加快计算速度,提出一种优化策略,绘制样本集均值和统计直方图,将其波峰数量作为理想的类别数量,当聚类产生的类别数量大于理想类别数量时,将聚类结果中距离近的簇合并,解决聚类精度过高而导致的过分割问题。最后根据聚类结果,对原图像中各窗口进行标记,提取出缺陷区域。【结果】选择大小为512像素×512像素,带有杂物、油污、胶斑、大刨花和松软5种类型缺陷的刨花板表面图像,使用本研究方法能够准确将缺陷区域提取出来,精确度达92.2%,召回率达91.8%。【结论】基于灰度共生矩阵和分层聚类的刨花板表面图像缺陷提取方法,可解决因刨花板表面纹理导致缺陷提取不准确的问题,为机器视觉板面缺陷检测系统的缺陷度量和识别提供良好支撑。     

林木幼苗根系CT序列图像分割

图像分割技术一直都是图像处理中的难题,原位根系CT图像的分割结果影响后续的三维重建工作,选取合适的分割算法十分关键.通过对根系CT图像分割算法以及根系CT图像特点的的研究,选择阈值分割、区域生长和FCM聚类的方法对序列图像进行分割,并将区域生长方法进行优化,减少分割时计算的步骤,同时改进f cm聚类方法,将空间信息融入到FCM目标函数中.结果表明,阈值法仅对序列初始的简单图像处理效果理想,改进的区域生长法对分割目标连续的图像分割效果好,分割速度达到0.6s.而改进的FCM虽然需要花费23 s的时间,但对不连续的分割目标分割效果明显.三种方法均体现出分割的准确度,后两者能有效提升分割的效率.适当选取以上三种分割方法,即可快速准确的完成林木幼苗CT序列图像的分割.     

基于CNN的无人机遥感影像质量评价

运用无人机的遥感影像来调查林地状态是一种有效的途径,为了进一步提升遥感图像质量的评价精度,笔者提出了一种基于卷积神经网络(convolutional neural network,CNN)的无人机遥感图像质量评价方法,主要包括图像采集与预处理、数据扩增、模型训练和测试4个阶段。首先对无人机采集到的遥感图像进行主观质量打分,分别获取同一区域不同阶段图像的质量分数;然后运用图像旋转和剪裁等方法对遥感图像进行数据扩增,将扩增后的图片和原始图片融合作为实验数据集;其次在Caffe深度学习框架中构建基于CNN深层特征的回归模型,并训练;最后,根据已建立好的深度回归模型和学习到的参数,预测无人机遥感图像的质量分数。结果表明,提出的方法可以取得较准确的评分效果,在保证客观打分的同时,能基本保持和人眼视觉的感受一致。     

基于FCM和分水岭算法的无人机影像中林分因子提取

【目的】研究高精度小型无人机获取林分调查因子方法,将林分调查因子在低空无人机影像上识别并提取出来,获取树高、冠径等测树因子,建立林分因子测量方法,实现经济、高效、快捷、精准的森林资源调查和监测,及时掌握森林资源及相关林分因子的时空变化特征。【方法】以东北林业大学城市林业示范基地樟子松人工林为研究对象,以多旋翼无人机影像为数据源,基于FCM聚类算法和分水岭分割算法以及形态学运算、阈值分割、图像平滑、灰度化、二值化等一系列数字图像处理技术,提取樟子松人工林林分因子。FCM聚类算法和阈值分割法用于提取树梢标记图像,分水岭分割算法对树梢标记图像进行迭代处理从而获得单木树冠分割图像,根据单木树冠分割结果提取单木特征进而计算各林分因子值。【结果】在林地提取中,根据影像的颜色特征绿度分割成功地将林地部分与非林地部分分离开来,确定单木树冠分割范围。在单木树冠分割中,阈值分割法和FCM聚类算法均可有效将树梢标记从林地图像中提取出来;将基于标记的分水岭分割算法用于单木树冠分割取得较好效果,大多数单木树冠被单独分割出来,但某些区域仍然存在一定的欠分割或过分割问题。在林分因子提取中,提取的林分因子包括林分郁闭度、林地面积、立木株数和平均冠幅,其中林分郁闭度的测量精度为96.67%,林地面积的测量精度为81.23%,立木株数和平均冠幅的测量精度与单木树冠分割中的树梢提取方法(阈值分割法和FCM聚类算法)及分水岭分割中的2个参数(形态学腐蚀的结构元素大小和中值滤波的窗口大小)有关。针对2种树梢提取方法,分别进行参数组合试验,结果显示2种树梢提取方法使用适当参数组合所得各林分因子测量精度均在80%以上,平均测量精度均在90%以上,其中阈值分割法的最高平均测量精度为94.49%,FCM聚类算法的最高平均测量精度为93.17%。【结论】利用无人机拍摄的人工林影像进行森林资源调查,将先进的计算机科学技术和无人机技术应用到林业领域中,可有效提高森林资源调查的效率和精度。本研究提出的林分因子提取方法适用于高郁闭度林分,测量精度满足实际需求。     

输电线路通道下行林区冠层自动分割方法研究

针对在高分辨率影像上进行林区冠层高精度分割所存在的问题,提出了以一种结合形态学滤波的基于标记的分水岭分割算法,来实现对输电线下行林区冠层的自动分割。以航拍影像为数据源,首先构建结合了彩色和纹理梯度的综合梯度,然后采用形态学滤波消除中间过渡区域所形成的梯度极小值,同时根据树冠顶端先验信息提取标记,并强制叠加到梯度图像上,最后将上述结果作为初始信息参与分水岭分割,实现高分辨率影像上林区冠层的高精度自动分割,并以目视解译的形式获取研究区冠层的精确面积作为参考,结果显示本算法的精度较高,可以用于实现林区冠层的高精度自动分割。     

遥感技术在森林病虫害监测中的应用研究进展

总结了近50年来遥感技术在森林病虫害监测领域的研究进展。将近年来遥感监测病虫害的主要方法归纳为影像分类法和影像差技术法,遥感监测森林病虫害的模型概括为3种主要应用模式:1)各类植被指数形式模型;2)采用所用通道的其他组合形式模型;3)各通道与生态因子的混合形式模型。根据分析研究提出了今后遥感监测森林病虫害研究的4个主要方向:1)热红外波段监测森林病虫害的应用研究;2)森林病虫害遥感监测物理模型的研究;3)森林病虫害遥感监测的基础理论研究;4)高光谱、高空间和高时间分辨率遥感数据的应用研究。     

高光谱遥感森林应用研究探讨*

详细论述了高光谱遥感技术在森林生物物理和化学参量估计以及森林健康状态遥感评价等方面的应用研究状况，对高光谱遥感植被应用的数据处理技术作了简要说明。对我国高光谱遥感森林应用研究现状和发展水平进行了阐述，最后对高光谱遥感森林应用的未来趋势作了探讨。     

森林冠层叶片氮浓度高光谱遥感反演研究进展

氮素是植物生命活动所需的重要营养元素，在森林植被的光合作用和生态系统固碳方面起着关键作用。因此，理解森林叶片氮浓度在叶片和冠层（遥感像元）尺度上的高光谱特征，是开展森林冠层叶片氮浓度（CNC）遥感反演、优化森林碳循环模拟、应对气候变化的重要基础工作。当前，森林CNC的光谱特征提取受到冠层结构因素的影响，其高光谱遥感反演的理论亦不明确。文中通过梳理国内外大量植被叶氮高光谱反演的代表性研究成果，以时间为轴线从叶片和冠层2个尺度上进行文献综述，详细阐述当前国内外森林叶氮浓度高光谱遥感反演的主要方法、研究热点和面临的问题，并对近年来学界关于森林冠层结构在冠层叶片氮浓度遥感反演中的影响进行综述，并展望森林冠层叶氮浓度高光谱遥感反演的发展方向。     

分水岭算法在林业中的应用

随着遥感技术的发展，无人机以及新型遥感数据的出现，越来越多的高分辨率影像被应用于林业资源监测。图像分割作为影像识别应用的基础，大量研究人员在原有的分水岭算法基础上针对不同的区域、背景、目标和研究方向进行了一定的改进，在林木病虫害监测、木材表面缺陷检测、单木冠幅分割、叶片提取等林业领域发展迅速。文中介绍了分水岭算法在林业中的应用，以期为分水岭算法在林业领域的推广以及进一步改进研究提供参考。     

基于SPOT5影像的森林资源信息提取技术研究

森林资源调查所使用的遥感影像分辨率不断提高,遥感影像分类技术随之发展成熟,这为森林资源信息的提取,提供了较好的数据资源及技术基础。根据SPOT5遥感的高分辨率特征以及多光谱特征,利用神经网络工具提取森林资源特征,然后进行森林资源的自动提取。将自动提取的结果,结合其他小班区划条件人工进行修改,最终使数据达到资源调查所需要的精度。     

基于高分二号遥感数据的森林自然度等级划分

以地面样点为基础的森林自然度评价方法很难获得区域范围森林自然度等级,针对该问题,提出了利用高分遥感卫星影像数据,划分区域范围森林自然度等级的方法。以湖北竹山县九华山林场为试验区域,在选取研究区典型样地的基础上,结合高分二号(GF-2)遥感影像数据的特点,从GF-2影像上提取遥感光谱、纹理等特征并结合地形特征,采用随机森林算法在大尺度范围对九华山林场森林自然度等级进行分类研究。结果发现:以GF-2数据为基础提取的植被指数、光谱、纹理等特征与地形特征结合,采用随机森林算法可较好地划分森林自然度等级,总体分类精度高达93.97%,Kappa系数为0.91。对森林自然度等级影响最重要的6个特征因子为高程、坡向、坡度、纹理均值、光谱主成分变化分量和归一化植被指数(NDVI)。结果表明,基于遥感影像提取的特征和地形特征结合进行森林自然度等级划分的研究方法具有可行性,为大面积区域的森林自然度等级划分奠定基础。     

三维遥感影像辅助林地权属勘界技术在永嘉县的应用

2012年,在浙江省永嘉县采用高精度遥感DOM数据加地形矢量DLG数据生成三维影像,结合应用地理信息系统、全球定位系统等多项技术,进行了三维遥感影像辅助林权勘界工作试点并取得成功。文章阐述了三维遥感影像辅助林权勘界的具体数据处理及应用操作方法,以及与常规勘界方法的对比优势。     

多分辨率遥感数据融合及其在林业调查区划中的应用研究

本文首先对多分辨率遥感图像的融合算法的理论和方法进行了探讨,通过对几种典型的多分辨率遥感图像融合算法进行分析和工作实践,提出了一种适合林业区划的Brovery算法。该方法在林业区划实践中得到了检验,是一种适合林业区划的算法。     

基于时空适应反射率融合模型的林区遥感应用研究

高空间、时间分辨率遥感数据在林业遥感变化监测方面具有重要的作用,然而,对于特定传感器获取的遥感影像在空间和时间分辨率上存在着不可调和的矛盾。本文针对神农架林区多云雾高时空分辨率数据缺乏的现状,提出了一套区域尺度高时空分辨率植被覆盖度数据构建方法。首先,利用LandSat8数据进行预处理,得到高分辨率的NDVI数据,并将MODIS NDVI数据进行重投影、重采样等预处理;其次,利用STARFM模型进行高分辨NDVI预测,利用评价因子选择最佳算法参数,并利用二分模型计算植被覆盖度;再次,以LandSat8获取的真实数据与预测数据进行精度评价;最后,选取黑龙江小兴安岭西北部林区生长季数据进行验证试验。结果表明:利用该方法可以在神农架林区获得预测日期的较好的NDVI及植被覆盖度,精度分别为90.8%、82.60%。此外,通过验证试验,可以获得同年生长季小兴安岭林场较好的NDVI以及植被覆盖度,精度分别达到92.86%、88.65%。