基于同态滤波和K均值聚类算法的杨梅图像分割

针对自然环境下光照不均杨梅果实分割效果不理想问题展开研究。应用同态滤波算法对HSV(色调hue,饱和度saturation,亮度value)颜色空间下杨梅图像V分量进行亮度增强,以补偿光线。而后针对彩色杨梅图像的颜色特征,结合Lab(L(亮度Lightness),a(色度chromaticity,+a表示红色,-a表示绿色),b(色度chromaticity,+b表示黄色,-b表示蓝色)颜色空间a、和b分量的特点,应用K均值聚类算法在Lab颜色空间中对彩色杨梅图像进行分割。为了验证该算法的有效性,在100余幅图像中选用15幅因光照不均和生长状态不同而存在不同程度阴影影响的杨梅图像,进行了3组比较试验,先采用K均值聚类算法对光线补偿去除阴影前后的杨梅图像分割结果进行比较;接着,采用基于色差2*R-G-B自适应灰度阈值分割算法和K均值聚类算法2种不同分割算法对去除阴影后的杨梅图像分割结果进行比较;最后,与基于灰度变换法、直方图均衡化方法的图像增强法去除阴影的效果进行对比。试验结果表明,该文算法的分割误差、假阳性率、假阴性率平均值分别为3.78%,0.69%和6.8%,分别比光线补偿前降低了21.01,12.79和21.14个百分点;与基于色差(2*R-G-B)自适应灰度阈值分割算法相比,分割误差、假阳性率、假阴性率这3个指标的性能平均提高了12.93,1.45和7.11个百分点;与基于灰度变换法图像增强法比较表明,分割误差、假阳性率、假阴性率平均值分别降低了32.94,6.85和29.65个百分点,与直方图均衡化图像增强法相比,这3个值分别降低了24.92,6.12和33.06个百分点。通过试验结果图的主观判断和评价指标的定量分析,验证了该算法能有效地分割出杨梅目标,保证了杨梅目标在颜色、纹理和形状方面的完整度,研究结果为研究采摘机器人进行杨梅等果实的分割和识别提供参考。     

水土流失定量监测中的DEM精度评价新方法

提出了由像元坡度评价法和数值评价法组成的DEM精度评价新方法 ,介绍了它在两类DEM实验区应用的结果 ,显示了它在DEM精度评价中具有准确可靠、快速直观、评价客观、精度数值符合DEM实际的特点 ,并能醒目突显DEM的局部错误 ,使其能用DEM构建文件改正后建成较高精度的DEM。该评价新方法 ,已在江苏全省和密云水库流域DEM建成中得到充分应用和证明。     

嵌入式变量施肥控制软件的设计——基于eSuperMap控件

针对国内变量施肥技术落后、肥料使用效率较低及严重污染环境等问题,设计了一款使用嵌入式地理信息系统控件—eSuperMap和C#编程语言开发的嵌入式变量施肥控制软件。该软件读取变量施肥处方图,生成变量施肥指令,由车载计算机通过RS232串口将指令发送到变量施肥控制设备,控制排肥器轴的转速,完成变量施肥控制功能。试验结果表明:该软件在车载计算机中运行稳定,控制精度良好,工作稳定可靠。     

基于计算机视觉的苹果霉心病病变程度测量方法

利用近红外光谱技术进行苹果霉心病的无损检测是目前的主流方法,其光谱与霉心病的病变程度密切相关。为了实现苹果霉心病病变程度的精确测量,设计并实现了一种基于计算机视觉的苹果霉心病病变程度测量方法。首先,基于Otsu算法,利用果实区域与背景反差较大的特点,实现果实、病变与背景区域的分割,并对分割图像进行区域填充等预处理操作;然后,针对分割后包含病变的苹果图像,运用Otsu算法进行二次分割,分别提取腐烂病斑区域与整个苹果区域的面积;最后,计算出病变区域的比例,得到其病变程度。为了验证算法的有效性,利用多幅图像进行了测试,并与利用Photoshop手工选取的实际病斑面积进行了对比。试验结果表明,利用该方法得到的腐烂程度误检率为8.87%,可以有效地实现苹果霉心病病变程度的测量。     

高斯拉普拉斯算子检测马铃薯斑点缺陷研究

提出一种用高斯拉普拉斯算子的方法对马铃薯斑点缺陷进行检测,也称为"Lo G斑点"检测,该算法结合B通道灰度化及迭代阈值分割法可以有效地识别马铃薯表皮的干腐、结痂缺陷。实验采集了2 5 8个马铃薯样本的516个正反面图像,正确识别率94%以上。结果表明:该方法对检测马铃薯的干腐及结痂缺陷有效。     

基于前馈神经网络的变量施肥养分图的研究

通过插值方法合理利用土壤采样点的养分值估算非采样点的养分值,对于变量施肥决策和实施具有重要的意义.由于大采样间距插值地图的精确性无法得到保证,难以客观地描述农田的养分分布情况,因此提出一种不依赖于地理统计学推论的前馈神经网络模型,对大间距采样点进行插值.实验研究表明,与目前的插值方法相比,该模型有较好的准确性和可靠性.     

基于融合显著图与GrabCut算法的水下海参图像分割

为实现海参捕捞和海参疾病诊断的自动化,应先解决真实养殖环境下海参的图像目标分割问题。为此提出一种融合显著图模型和GrabCut算法的水下海参图像分割方法。该方法改进了传统的GrabCut算法,通过对单尺度Retinex算法分析,对水下图像进行增强,结合基于区域对比度的显著性区域检测方法和直方图均衡的方法,得到海参区域图像的部分前景和可能的背景,并以此初始化GrabCut算法的掩膜,最后进行GrabCut算法迭代,得到图像目标分割结果。通过与Otsu法、分水岭法、传统GrabCut算法对比分析表明：所提方法能够准确分割出图像中海参目标,并能克服背景噪声,保留目标图像细节,算法正确分割率达到90.13%,满足海参图像目标分割的 需要。     

一种汽车车身曲面数据点云的分块方法

在测量数据点云重构车身曲面过程中,由于车身曲面复杂多变,难以直接拟合,需要对点云数据进行区域分割,分片处理。文中结合车身曲面造型特点,将一种点云分割的算法-基于平面度的直接分割方法应用于车身曲面重建中,可实现不同性质的曲面片分块。最后给出了不同的分割实例,证明了该方法的有效性。     

基于条件随机场的梨园场景图像分割方法

提出一种基于条件随机场模型的梨园场景分割方法,条件随机场模型直接对分割目标的后验概率建模,融入图像空间上下文信息,使得条件随机场模型可以获得更精确的分割结果。将已标记的场景图像划分为超像素,超像素的特征向量和标记的类别作为学习样本整合到类别数据库中;将未标记场景图像划分为超像素,利用条件随机场和类别数据库对未标记图像超像素的特征向量和空间关系进行建模;训练获得模型参数,利用最大后验边缘准则对未标记超像素进行类别推理。实验结果表明,与改进的K-最近邻方法相比该算法可以更加准确地进行梨园场景分割。     

农业智能车辆视觉导航参数提取的研究

在农业智能车辆导航中,智能车辆导航参数的提取是其关键技术.为此,在分析了当前各种导航参数提取的方法后,在图像预处理及边界提取的基础上,提出了应用Radon变换的方法进行参数提取.实验结果表明,该方法的测量精度与当前其它类似研究的水平相当.