排序方式: 共有61条查询结果,搜索用时 328 毫秒
11.
IntroductionAtpresent,usingthecomputerimageprocessil1gsys-temtofinishthefeatureextractiol1ofw0oddefectsisi11anexpIorat0rystage.ThismetI1odmaydecreasetI1ellmitati0noftl1eexperilnel1talcol1ditions,suChasIights,instrumentsandsomespccialmateriaIs.Itiscol1venic11ttousethiswayandthegoodresuItswilIbeacI1ieved.TherearethreetypicaIwo0dsurfacedefectst0bestudiedintheexperiment,whicI1arekn0t,boreI1oleal1ddecayofLarixandBeIlIlu.Tl1eworkist0separatetl1edefectsfromthewoodsurfaceimagesandprovideagoodba… 相似文献
12.
13.
基于分形理论的木材纹理特征研究 总被引:9,自引:0,他引:9
介绍了一种利用自相关函数来估算图像分形维数的方法,并将其应用到木材的纹理分类检测中。实验表明,分形维数值直接反映了木材纹理的粗糙程度,可定性地作为描述木材纹理粗糙度的一种度量。 相似文献
14.
木质材料表面缺陷计算机视觉测量的识别方法 总被引:4,自引:0,他引:4
可应用于传送线与计算机联合处理识别图象,算法输出列出了便于进一步高水准处理识别目标象素的坐标。它为木质材料表面缺陷计算机视觉测量技术提供了一种有效的识别方法。 相似文献
15.
无线传感器网络在林火监测中应用 总被引:2,自引:0,他引:2
将无线传感器网络结合加拿大林火天气指数( FWI)系统对森林火灾进行预测和实时监测。使用大范围布置的温湿度传感器结合自动防火气象站组成无线传感器网络,对广大林区作细粒度的数据采集,进而准确计算FWI系统的6个指数,对火灾发生的潜在风险以及火灾的强度和规模做出预测和评估,并依据细小可燃物湿度码( FFMC)调整传感器节点的数据采集频率,对林火进行实时监测和识别。测试结果表明本系统可以有效地节约能耗,缩短林火的发现时间。 相似文献
16.
17.
提出了一种改进的粒子群优化算法(IPSO),由混沌序列产生初始种群,采用克隆选择变异算子避免算法过早收敛于一个平衡点.用改进后的粒子群算法训练开关神经网络,将其用于木材表面缺陷识别.结果表明在较少的网络节点连接数目的情况下,获得了较高的识别率及良好的网络泛化性能. 相似文献
18.
选择约700 mm(长)×200 mm(宽)的10块柞木板材为研究对象;用相机进行标定得到相机内部参数、外部参数,对采集的板材图像进行镜头畸变修正;对图像进行高斯平滑处理后,采用Harris角点检测方法对采集的先后两帧图像进行图像拼接;采用边缘检测得到板材完整的边界信息,通过建立空间坐标系与像素坐标系的转换关系完成板材尺寸计算。结果表明:相机标定与畸变补偿,提高了测量的精度由5 mm至1 mm;图像拼接方法,解决了长尺寸板材机器视觉测量困难的问题;采用Sobel算子边缘检测方法,能够准确保留边缘信息,速度快、计算简单;测量结果最大标准差为0.582 mm,测量精度小于1 mm。 相似文献
19.
20.
针对机载激光雷达点云中基于栅格化的冠层高度模型(CHM)所导致的原始点云数据丢失问题,提出了一种应用高斯模型聚类的单木信息提取方法。采用形态学开运算和高斯平滑方法形成高斯冠层最大模型(GCMM)能减少无关局部最大值对单木分割的影响,利用局部最大值法初步探测树冠顶点,通过最速下降法建立混合高斯模型得到树木位置和冠幅。利用聚类分析划分临近点云归属,进而实现单木参数准确提取,并提取单木最高点为树高。将点云分割方法应用于美国蓝岭地区6块圆形针叶林样地(r=30 m)。结果表明:单木分割F为0.89,正确分割单木树高提取精度95%,冠幅提取精度91%。结合实测数据对提取到的树高和冠幅进行相关性分析,树高R2=0.92,平均误差为-0.83 m;冠幅R2=0.84,平均误差为-0.42 m。相比于分水岭算法,高斯模型聚类方法F提高了11.2%,正确分割单木树高及冠幅提取精度提高了5.5%、5.8%,树高R2提高0.08,平均误差减少0.58 m;冠幅R2提高0.11,平均误差减少0.63 m。 相似文献