运用TM资料提取稻田信息的研究初报

本文是水稻遥感估产技术经济前期研究的主要内容之一,其目的是研究从TM资料中提取稻田信息的可行性,为水稻遥感估产提供提取稻田信息的遥感技术.试验先选用动态聚类、最大似然法和逐步分类法进行稻田信息提取.再经波段比值法和地形因子分层分类的后处理,在特定的试验区内,其面积精度可达到99％以上.     

基于Adaboost算法的田间猕猴桃识别方法

实现猕猴桃自动化采摘的关键是自然环境下果实的准确识别。为提高田间猕猴桃果实的识别效果,基于Adaboost算法,利用RGB、HSI、La*b*3个颜色空间中的1个或多个通道构建6个不同的弱分类器,用采集的猕猴桃果实和背景共300个样本点进行训练生成1个强分类器。然后选择655个测试样本点进行验证,强分类器分类精度为94.20%,高于任意弱分类器。对80幅图像中215个猕猴桃进行试验,结果表明：Adaboost算法可有效抑制天空、地表等复杂背景的影响,适合于自然场景下的猕猴桃图像识别,识别率高达96.7%。该技术大大提高了猕猴桃采摘机器人的作业效率。     

基于改进支持向量机的水电机组多类轴心轨迹智能识别

在水电机组故障诊断系统中,轴心轨迹是判断机组状态的一个重要特征。而水电机组实际运行中轴心轨迹故障样本数量较少,依据其进行故障智能诊断无法准确完成,需结合相应频谱特性才可做出诊断。论文针对此问题,采用改进的支持向量机（support vector machine,SVM）多故障分类算法,建立了多故障轴心轨迹分类器,并应用于水电机组的故障诊断。结果表明,改进的SVM在样本数较少时取得较好的分类效果,样本数为16和50时,分类准确率达到了96.3%和91.2%,;并且在分类数增多时,分类准确率得到提高,而样本数增多时,分类准确率骤减。该故障分类器可实现多故障的识别和诊断,并且具有算法简单和对多故障轴心轨迹图形分类能力强的优点。该研究可为水电机组少样本轴心轨迹故障的智能诊断提供参考。     

杏子河流域土壤侵蚀空间差异快速评估与验证

利用RS与GIS相结合的技术手段,探讨了流域下垫面覆盖信息和地形信息的快速提取方法;在对土壤侵蚀评价因子进行合理筛选以后,参考国家土壤侵蚀分级分类及其参考指标,利用ERADS图像处理软件提供的专家分类器,实现对土壤侵蚀强度及其空间差异的快速、精确评估,并以水文站的观测数据进行验证。     

安徽江淮丘陵区林业可持续发展思路的探讨

在分析安徽江淮丘陵区自然条件、森林资源和经营管理水平的基础上 ,结合林业建设第二次创业的要求 ,提出林业分类经营与可持续发展的思路。     

基于高分一号遥感影像的绿地信息提取

对高分一号卫星影像进行大气校正、几何校正、裁剪等,利用Libsvm 4.0在Matlab平台里编程进行交叉验证网格法寻优,最终获得支持向量机分类的最佳惩罚系数为45,不敏感系数为0.31。改进支持向量机分类器绿地分类精度为94.6%,该提取精度能满足高分辨率遥感影像在城市绿地动态监测。     

A face recognition method based on modular PCA and SVD

In order to solve the problem that modular PCA method is sensitive to translation, rotation and other geometric transform, a face recognition method based on modular PCA and singular value decomposition (SVD) is proposed. The PCA features of sub image and SVD features are extracted respectively. The distance measure that fuses information of modular PCA and SVD is obtained. Minimum distance classifier is used to face recognition. Experimental results on ORL human face database show that the proposed method can obtain higher recognition rate.     

基于HOG特征和SVM的棉花行数动态计数方法

正确地进行棉花行数的动态计数是保证视觉植保车在田端横移过程中实现准确定位的前提。该研究以植保期间的棉花作物为研究对象,提出通过方向梯度直方图(Histogram of Oriented Gradient,HOG)和支持向量机(Support Vector Machine,SVM)实现棉田的棉花行动态计数方法。为了减少棉花行之间的粘连,以及缺苗和倒伏对棉花行识别造成的影响,设置图像的感兴趣区域(Region of Interest,ROI);为了减小相机抖动、光照变化以及刮风对动态数行造成的影响,使用HOG-SVM模型在视频序列图像ROI区域内窗口滑动检测,将棉花行和行间背景分别设置正、负样本,通过提取二者HOG特征、多次训练获得SVM分类器参数,固化HOG-SVM模型,再使用非极大值抑制(Non-Maximum Suppression,NMS)进行窗口的归一,通过归一化互相关(Normalized Cross Correlation,NCC)模板匹配实现棉花行的动态跟踪和计数。结果表明,该方法可以准确地对棉花行实现动态计数,有很好的泛化能力,识别率高于90%,平均每帧检测时间为32 ms,满足实际田间作业要求,可作为视觉植保车在地头横移的距离依据。     

盐城丹顶鹤保护区核心区土地覆被信息提取及其动态变化分析

基于江苏盐城湿地珍禽国家级自然保护区核心区2002年LANDSAT影像数据和2010年ALOS影像数据，分别对两期遥感影像进行图像分类比较、图像差值运算、提取影像植被指数，进行图像差值运算等处理，提取保护区核心区地类和植被覆被的相关信息及其动态变化情况，为保护区核心区进一步加强管理与保护提供科学依据。研究结果表明，保护区核心区的人为干扰较小，境内的原生湿地保存完整，生态系统基本实现自我更新，这种情况对于丹顶鹤的保护非常有利。     

基于专属0-1模型的茶叶验真方法

针对传统滤波方法在茶叶特征选择上都存在一定的盲目性,以及茶叶类别数不确定等问题,提出为每一类茶叶都配备一个专属0-1分类器的验真方法。其中正样本是目标茶叶本身,标签为1,负样本是其余茶叶类型,标签为0,训练过程中迫使模型自动提取出最适合于区分目标茶叶的隐式特征进行验真或验假,同时使用孪生网络对负样本进行筛选,缓解了正负样本不平衡的问题。试验结果表明,该方法很好的适应了茶叶类别数不确定因素的干扰,具有较强的鲁棒特性,是一种有效可行的方法。