基于图像处理的疏透度测定及结构关系研究

为快速、准确地测定防风林林带疏透度，建立林带疏透度与林带结构因子间的关系模型，为防风林建设及调整提供合理化意见。使用图像处理技术对获取的防风林林带照片进行自动识别，通过Otsu算法自动将树木实体区域和孔隙区域分割，从而测定林带疏透度。并采用相关性分析和逐步线性回归法建立疏透度与林带结构因子间的关系模型。结果表明，采用Otsu算法测定林带疏透度的方法与图像处理软件(Photoshop)测定结果无明显差异，该方法操作简单、效率高，能够快速、准确测定防风林林带疏透度。防风林疏透度与林带行数、棵数、枝下比例、株行距、密度存在显著性相关关系，构建疏透度与林带行数、密度间的关系模型:β=-0.060 1N-0.065 8ρ+0.810 9(R²=0.961 3,P=0.000 29)。根据建立的防风林林带疏透度与林带结构因子间的关系模型，可对防风林的建设提供科学合理化的指导，使其发挥更好的防护效应。     

基于注意力机制及多尺度特征融合的番茄叶片缺素图像分类方法

针对番茄早期缺素性状不明显及各生长期特征差异较大所导致的特征区域尺寸不一致、难提取、难辩别等问题，提出了一种基于注意力机制及多尺度特征融合卷积神经网络的番茄叶片缺素图像分类方法（Multi-Scale Feature Fusion Convolutional Neural Networks Based On Atte ntion Mechanism，MSFF-AM-CNNs）。首先根据番茄叶片缺素特点提出了多尺度特征融合结构（Multi-Scale Feature Fusion Module，MSFF Module）；其次在DenseNet基础上，结合浅层网络主要提取纹理、细节特征，深层网络主要提取轮廓、形状特征的特点分别提出具有针对性的特征提取方法，通过不同形式引入注意力机制及多尺度特征融合结构，使全局多尺度信息融合多个特征通道、选择性地强调信息特征并达到对特征精准定位的功能；同时引入Focal Loss函数以减少易分类样本的权重。试验结果表明，MSFF-AM-CNNs的平均召回率、平均F1得分、平均准确率较原模型DenseNet-121均大幅提升，其中缺氮和缺钾叶片的准确率分别提高了8.06和6.14个百分点，召回率分别提高了6.31和5.00个百分点，F1得分分别提高了7.25和5.55个百分点，平均识别准确率可达95.92%，具有较高的识别准确率及广泛的适用性，能够满足番茄叶片缺素图像的高精度分类需求，可为植物叶片缺素识别提供参考。     

盐阳离子类型对红壤裂缝开闭规律的影响

为了探究灌溉水中盐离子浓度及类型对土壤裂缝变化过程的影响,为南方灌溉用水安全提供数据理论支持,采用蒸馏水配置15,10,5和2.5 g/L等4个质量浓度梯度的NaCl,KCl,CaCl₂和MgCl₂等4种类型溶液,分别浸泡南方亚热带地区的典型红壤,并且采用恒温蒸发模拟干燥过程和喷湿法模拟增湿过程,结合数字图像技术提取土壤表层开裂闭合过程中裂缝主要几何参数,分析盐阳离子类型对红壤裂缝发育过程特征的影响.结果表明:红壤干燥过程中,裂缝在土壤质量含水率由30%降至10%时增长最快;在质量含水率低于10%后达到最大值并保持稳定不变.红壤的裂缝面积密度与4种盐阳离子浓度呈极显著正相关关系,裂缝长度密度与K⁺及Mg²⁺呈极显著负相关,与Ca²⁺呈显著负相关关系.4种盐阳离子对红壤开裂面积促进程度深浅顺序为Na⁺,K⁺,Ca²⁺,Mg²⁺;4种不同离子浓度的处理中,NaCl质量浓度为10 g/L,而KCl,CaCl₂和MgCl₂质量浓度为15 g/L的溶液对红壤开裂促进效果最好,其裂缝面积相比于蒸馏水处理分别增大了155.0%,160.1%,109.4%和39.2%.红壤的开裂含水率低于闭合含水率,4种盐阳离子浸泡后会使红壤的开裂含水率和闭合含水率均升高.     

中日两国地区旅游形象设计比较研究及其对我国的启示

指出了地区旅游形象设计不仅仅有助于宣传当地旅游形象,而且有助于扩大本地的知名度,增进人们对本地的好感。为此,很多国家和地区都非常重视旅游形象的设计。从中国和日本的情况来看,由于传统文化思想、审美能力、设计人员的阅历和艺术创造观等诸多方面的差异,使得两国在旅游形象主题词、形象Logo和宣传口号的设计方面出现了不同的特色。针对两国已经公布的地区旅游形象设计进行了深入地剖析与阐述。通过比较研究,有助于两方取长补短,提高旅游形象设计水平,从而更好地开展宣传和扩大相关地区的知名度。     

基于亚像元分解与增强的MODIS卫星林火监测图像制作

为提高低空间分辨率遥感影像在卫星林火监测部门的应用质量,获取更准确的火灾信息,制作可视效果更好、便于基层部门使用的卫星林火监测图像。本研究以2013年2月6日云南省大理市黄家村森林火灾为背景,研究了一种基于亚像元分解与增强技术的卫星林火监测图像制作技术。结果表明,通过亚像元分解与增强技术,对空间分辨率低的气象卫星遥感图像进行处理,可得到空间分辨率为30 m的图像产品,能够将低分辨率遥感影像处理成超分辨率的遥感影像图像。该技术可应用于林火监测部门发布相关的监测图像。     

基于DOM及LiDAR的多尺度分割与面向对象林隙分类

为研究分割尺度对航空正射影像(DOM)与LiDAR数据协同面向对象林隙分割与分类的影响,以东北典型的天然次生林帽儿山实验林场东林施业区为试验区,对DOM与LiDAR数据进行多尺度分割与面向对象林隙分类。分割过程中,采用基于DOM分割、基于LiDAR数据分割、DOMLiDAR协同分割3种分割方案。每种分割方案采用10种尺度。在每种尺度应用两种数据提取的光谱和高度两种特征,采用支持向量机分类器(SVM)进行林隙分类。研究结果表明:3种分割与分类方案分类精度随尺度的增大整体呈现下降的趋势,与ED3(Modified)趋势相反。基于LiDAR数据在尺度参数10获得了最优分割结果。在所有尺度上(10~100),基于LiDAR数据分割与分类精度高于其他两种数据源的分类精度,相比单独使用DOM优势更加明显。基于LiDAR数据分割与分类方案在尺度参数10时获得了最高分类精度(Kappa系数为80%)。3种分割与分类方案最优尺度的分类精度显著高于其他尺度分类精度。分割尺度对面向对象林隙分类结果有重要影响。     

基于卷积神经网络的空心村高分影像建筑物检测方法

基于卷积神经网络(CNN)提出了一种适用于空心村高分影像的建筑物自动检测方法,该方法利用多尺度显著性检测来获取包含建筑物信息的显著性区域,然后通过滑动窗口获取显著性区域内目标样本块,再将这些样本块输入训练好的CNN并结合SVM来实现分类。为检验方法有效性,选取高分影像进行实验,结果表明,显著性检测能够有效地获取主要目标,减弱其他无关目标的影响,降低数据冗余;卷积神经网络能够自动学习高层次的特征,基于CNN对高分影像进行建筑物检测,分类准确度可以达到97.6%,表明该方法具有较好的鲁棒性和有效性。     

荞麦剥壳效果在线检测装置的设计与试验

为提高荞麦剥壳设备的自动化程度,改善以往依靠手工筛分、计算的方法得到碎米率、整米率和未剥壳率,且不能实时检测等问题,设计了一种基于图像识别技术的荞麦剥壳效果在线检测装置并进行了测试试验。该装置主要由取样机构、匀样机构、图像识别系统和气流除尘光照箱等组成。试验结果表明:碎米率均值误差为1.0 8%、整米率均值误差为-4.4 9%、未剥壳率均值误差为3.4 3%,能够较为准确地反映出荞麦加工过程中的剥壳效果。     

基于计算机视觉技术的玉米叶绿素含量检测研究

植株叶片中叶绿素浓度的高低与植株进行的光合作用效率、植株的整体生长状况息息相关,在农业生产过程中,常常根据叶片中叶绿素含量(SPAD)的多少来精确的判断植物的生长状态,也是控制植株长势的依据。传统的叶绿素含量检测方式分光光度法,存在耗时长、步骤多、操作要求高等问题,而采用计算机视觉技术处理图像的过程更加准确、高效,不会像人眼分析时受到主观因素的影响导致偏差。为此,基于计算机视觉技术来检测玉米叶片中叶绿素含量,利用扫描仪采集玉米叶片的图像,将图像输送至计算机,然后通过软件处理图像,分割出图像中有效像素的颜色特征值,将特征值转换就可以得到玉米叶片中叶绿素。试验结果显示:利用计算机视觉技术可以准确地测定玉米叶片中叶绿素含量,进而进行合理施肥,避免浪费,对增加玉米的产量具有极大的价值。     

基于自适应概率PCA的植物叶片彩色图像修复

植物叶片图像的采集过程中，由于自然环境或成像条件的影响，特别是夜间，采集到的图像大多带有椒盐噪声，造成图像质量下降。很多植物叶片含有丰富的叶脉，被噪声污染不利于后续的表型分析、图像分割等。椒盐噪声密度较小时，中值滤波降噪效果较好，但在噪声污染严重时滤波方法也无法有效去噪。针对这一问题，提出了基于概率PCA的图像修复模型。一幅光滑的不含噪图像通常可认为服从高斯分布，概率PCA能有效地提取描述这幅图像中的主要信息，通过估计模型参数重构因噪声引起的数据缺失，从而达到图像修复的目的。但是当噪声的缺失像素点聚集在叶脉上时，直接用概率PCA修复会出现明显的边界效应，因此本文先基于树的叶脉进行追踪，再对叶脉进行概率PCA修复，然后再基于整幅图像利用概率PCA模型修复，迭代次数根据修复后图像的PSNR值自适应地选择。为了验证所提出的模型的修复性能，进行了与常用滤波方法的对比试验。试验结果表明：去噪后的图像PSNR值比使用均值滤波高出6dB左右，比使用维纳滤波高出9dB左右，比使用高斯滤波高出7dB左右，比使用中值滤波高出1dB左右，并且在结构相似性上采用本文算法去噪后的图像与原始图像的相似度最高。因此，将概率PCA模型应用于植物叶片彩色图像修复是可行的、有效的，为其后续的图像处理提供了技术支持。