复叶中小叶主叶脉及其生长角的提取

复叶中小叶的生长角度可作为特征参数识别复叶植物。首先利用改进的Sobel算子和中值滤波提取复叶叶轴和小叶的主叶脉,进而利用Hough变换线性检测获取复叶叶轴和小叶主叶脉的直线,利用所检测的直线计算得到小叶的生长角度。此外,对基于Hough变换线性检测的适用性进行探讨,发现Hough变换线性检测可以很好地适用于小叶主叶脉呈直线的复叶;但对于小叶主叶脉呈现弯曲状时,Hough变换线性检测时会出现明显的缺陷,需要采用外接矩形方法提取小叶的生长角度。提取结果表明,所采用的算法可以有效地提取复叶中小叶的生长角度。     

基于Mask-RCNN的复杂背景下多目标叶片的分割和识别

在基于叶片图像进行植物识别和生长状态监控时,植物目标叶片的准确分割和识别是前提和基础,但复杂背景给叶片的分割和识别带来了极大的挑战。本研究提出基于Mask-RCNN深度学习网络分割和识别复杂背景下多目标叶片的算法,共拍摄自然生长状态下常见的植物叶片图像7 357张,标注3 000张作为训练数据库,这3 000张图像共包含4种植物,分别为孔雀竹芋(Calathea makoyana)、珊瑚树(Viburnum odoratissinum)、洋常春藤(Hedera helix L.)和黄花羊蹄甲(Bauhinia tomentosa)。选择这4种植物的80个测试样本图像进行分割、识别与错分率分析。结果表明:Mask-RCNN深度学习网络对这4种植物的识别效果良好,未出现误识别的情况;分割的平均图像错分率为0.93%,最大值不超过2.49%,即分割准确率达97.51%;同时该算法具有强大的迁移能力。     

基于K-means聚类的植物叶片图像叶脉提取

植物的叶片是植物最基本、最主要的生命活动场所。叶脉的提取与分析对叶片和整株植物结构的分析有一定的应用价值。该文提出一种基于K-means聚类(clustering)的叶脉提取算法。该算法首先对叶片图像的HSI彩色空间中的I信息进行K-means聚类处理,根据聚类的结果提取叶片边界,并将叶片图像分为受光均匀和受光不均匀的2类。对于受光均匀的叶片图像在聚类结果中直接提取叶脉,而受光不均匀的叶片图像则需去除部分叶肉后再进行一次K-means聚类提取叶脉。结果表明:该算法能有效地降低叶脉提取的错分率。     

复杂背景下目标树叶的分割与补缺

为了进一步提高复杂背景下目标树叶分割算法的运行效率和准确性,在超绿算法的基础上结合模糊C聚类算法提高分割的运行效率,利用凸包填充法提高分割的准确性。首先利用超绿算法去除复杂背景中的非绿色部分,然后利用模糊C聚类算法去除与目标树叶颜色差异较大的绿色背景,而对于颜色差异较小的绿色背景,则先利用底帽变换得到目标树叶的边缘信息,再通过腐蚀和比较连通区域的大小进行去除。采用凸包填充法对目标树叶的边缘缺口进行补缺可以提高分割的准确性,从而降低错分率。超绿算法结合模糊C聚类算法可提高分割的运行效率。研究结果表明,与原有算法对比,错分率平均降低了1.05%,分割效率平均提高了13.82%。     

复杂背景下重叠椭圆形叶片的分割算法

【目的】提出一种复杂背景下重叠椭圆形叶片的分割算法。【方法】利用超绿算法将重叠叶片主 体及部分绿色背景分割出来;通过选择最大连通区域选择重叠叶片的主体,去除叶柄后利用凹点检测和凸点检 测获得叶片重合部位的凹点和叶片的尖端点;利用获得的凹点与尖端点,截取上层叶片未重叠区域的部分边缘 点并以上层叶片的两个尖端点所确定的直线作为对称轴将其翻转至重叠区域作为贪婪算法的初始点寻找重叠区 域的边缘;对获得的边缘进行平滑和凸包处理,即可获得目标叶片的边缘,从而较为正确地分割出上层叶片。 对于重叠的下层叶片,则以整个重叠叶片减去分割出的上层叶片,即可得到下层叶片未被覆盖的区域;将下层 叶片完整的一半以其尖端点形成的直线为对称轴进行翻转,即可得到下层叶片的补全图。【结果】该算法可以 实现复杂背景椭圆形重叠叶片的分割,且平均错分率在 3.0% 以下。【结论】针对复杂背景下椭圆形重叠叶片的 分割,提出结合凸点检测和凹点检测的贪婪算法可以较为准确地分割目标叶片,平均错分率在 3% 以下,即分 割准确率在 97% 以上。     

基于改进的Sobel算子和色调信息的叶脉提取方法

植物的叶脉包含重要的植物生理信息,对叶脉的提取是植物建模和识别的关键。利用HSI彩色空间（color space）提取叶脉的算法,该文提出改进的Sobel算子和色调信息相结合的叶脉提取算法。改进的Sobel算子用于基本叶脉轮廓的提取,色调信息用于主叶脉提取,然后将两者提取的图像融合得到最终的叶脉图像。结果表明,该方法可弥补Sobel算子和HSI彩色空间提取叶脉的不足,能更准确地提取叶脉信息,尤其适合于颜色有变化或光照不均匀的植物叶子样本,为进一步对叶脉尺寸和形态的分析打下基础。     

园林景观配置中水生植物的应用分析

水生植物是园林造景不可或缺的素材,在园林景观配置中有着十分重要的地位。文章概述了水生植物的内涵,分析了园林景观配置中水生植物的应用原则,并以余暨公园为例,来就水生植物在园林景观配置中的具体应用作出论述,意在就水生植物园林造景应用的理解进一步深化,为园林水景的现实配置提供思路与借鉴。     

基于图像处理的叶片主叶脉 节点分布信息的提取

植物的叶脉包含着植物重要的生理特征,叶脉及其分布信息的提取是植物分类、识别和建模的基础和关键。利用去叶柄后叶缘的曲率参数函数提取特殊点并利用特殊点确定主叶脉区域,为了避免主叶脉的弯曲和图像局部光照的不均匀对提取效果的影响,对主叶脉区域进行分块,然后利用Hough变换、区域生长和Harris角点检测等算法提取主叶脉区域内主叶脉与次级叶脉之间的节点分布信息,最后汇集节点分布信息得到整片树叶的主叶脉节点分布信息。结果表明,所采用的提取算法可准确地获得节点和节点分布信息。