我国牛肉大理石花纹等级图谱的改进研究

本文通过对牛肉眼肌截面照片的图像处理，提取其中大理石花纹的特征参数，建立了大理石花纹得分与大理石花纹总面积、大颗粒脂肪密度、中等颗粒脂肪密度和脂肪分布均匀度的线性预测模型，合理性较好（R2=0.8415）；并在此模型和有代表性的样本参数统计的基础上对不同大理石花纹等级的特征参数进行了量化，对我国《牛肉质量等级》中的大理石花纹等级图谱进行了调整，将原有的4级调整为7级，大理石花纹总面积百分比从1至7级依次为14%、11%、8%、6%、4%、2%和0.5%。     

基于图像处理和支持向量机分类的牛肉大理石花纹等级评定

牛肉胴体质量等级评定是牛肉依质论价的基础。其中，大理石花纹是评定牛肉质量等级的主要指标。由于人工评定存在许多缺点，采用机器视觉来判定牛肉胴体质量等级是一种很好的方法。研究了一种基于图像处理和支持向量机（SVM）分类的牛肉大理石花纹等级评定技术。首先应用阈值分割、形态学腐蚀及膨胀的方法来分割牛肉图像中的有效区域（用于大理石花纹等级评定的区域）；然后用矩方法来提取图像特征参数，最后用支持向量机的模式识别技术来构造牛肉大理石花纹等级分类模型。结果表明：该模型对我国国家标准规定的牛肉大理石花纹等级的正确识别率分别达到95.9％（一级）、89.2％（二级）、93．2％（三级）、100％（四级）。研究的牛肉大理石花纹等级的机器视觉检测方法是可行的，这为牛肉等级的在线检测装置设计提供了条件。     

基于改进方向纹理谱特征的图像检索

在定义图像局部邻域纹理方向特性的基础上,提出了一种新的方向纹理谱描述符。该描述符针对局部邻域内中心像素与其相对的邻域像素,既充分考虑了它们间的灰度变化关系,又考虑了它们间灰度差异的变化关系,从而更有效地描述了局部纹理特征。为证明新描述符的分辨能力,采用4种不同图像库进行图像检索对比实验,结果表明,本文的新纹理谱描述符取得了最好的检索效果。     

基于多阶局部二值模式的图像纹理提取技术探讨

人脸特征提取,是人脸识别技术过程中必不可缺、非常关键的步骤之一,目前常见的方法有基于面部器官的特征提取、基于模板的特征提取、基于代数方法的特征提取、基于弹性匹配法的特征提取等多种方法,T.Ojala等人提出了局部二值模式(Local Binary Pattern,LBP)方法,利用它来进行图像的纹理特征提取。利用局部二值模式算子验证了二阶局部二值模式方法更有利于提高图像的识别效果,方法简单易行,计算量小,如能与其它的方法一起配合使用,则能大大提高图像的识别率。     

基于树种分类的高分辨率遥感数据纹理特征分析

遥感图像尤其是高分辨率（1~4 m）遥感图像在树种分类方面有着广阔的应用前景。利用主成分分析法对遥感数据去相关分析,然后通过对纹理提取过程的分析,探讨不同移动窗口大小对纹理特征的影响,以期为中山陵园风景区的森林调查提供依据,分类方法为经典的最大似然分类器。根据不同移动窗口大小的纹理因子相关性和对保持纹理信息丰富度的影响,来选择合适的窗口大小及纹理因子组合,以对树种分类精度的提高程度为评价标准。研究结果表明,利用窗口大小为19 19下的纹理信息可有效提高分类精度,总精度达到66%,Kappa系数达到0.59,比单纯的光谱信息最大似然法图像分类精度高,其中均值与均匀性、对比度、偏斜度纹理因子组合为最佳纹理组合,能有效减少数据冗余。高分辨率遥感数据纹理信息的运用为树种分类识别时的特征选择提供了有利技术参考。图4表3参19     

基于纹理模型的檀香咖啡豹蠹蛾虫害图像诊断方法研究

基于纹理特征模型的檀香咖啡豹蠹蛾图像诊断方法,根据健康图像和虫害图像在纹理方面表现出的差异,提出海南省北部县市檀香受咖啡豹蠹蛾虫害“多纹理特征”的确定方法。针对每种图像类型,使用提取出的4维多纹理特征,组合得到6种数学模型,并对其进行评估。结果表明：模型1(自变量为熵值均值-相关性均值,因变量为熵值均值-能量均值)的模型精度与分类精度均为最佳,并且总体分类精度达到91.25%。与逐步聚类算法和K-means聚类算法、Logistic模型二分类法相比,该方法在保证分类精度的前提下减小了计算量,并为之后纹理图像分类提供了参考依据。     

基于灰度共生矩阵的木材表面缺陷图像的纹理分割方法

针对木材缺陷这一自然纹理型事物,提出了一种基于灰度共生矩阵并结合模糊C均值聚类算法的纹理分割方法.对比了该方法与基于灰度-梯度共生矩阵二维阈值分割算法的分割结果,实验表明:对于木材表面缺陷这类自然纹理图像的分割,纹理分割是行之有效的方法.     

基于LSP与GLCM融合的禾本科牧草种子特征提取算法

针对禾本科牧草种子相似性较高、识别困难的问题,采用局部相似模式(LSP)和灰度共生矩阵(GLCM)的方法,对禾本科牧草种子的分类识别进行研究。结果表明:1)局部相似模式与灰度共生矩阵融合的方法可以有效的提取禾本科牧草种子的纹理特征,能够识别颜色、形状、大小等特征都十分相似的牧草种子,且其识别率优于传统的LSP特征算子和GLCM特征算子。2)与传统LSP算法相比,结合灰度共生矩阵算法后,得到的特征受到相似种类种子图像的影响较小,具有更广泛的适应性。因此,基于LSP和GLCM的融合算法可以有效地提取相似禾本科种子图像的纹理统计特征,采用线性判别分析分类器(LDA)进行分类,识别率最高达到98.64%。     

基于改进局部二值模式算法的中草药图像鉴别

以颜色特征和纹理特征相结合的方法实现中草药显微图像的识别。将RGB图像转换为HSV图像,以HSV直方图对目标图像颜色特征进行提取;在传统局部二值模式中引入支持旋转不变特征的算子,并以均匀模式来描述目标图像的纹理,从而有效降低特征的维数;针对传统局部二值模式未考虑邻域像素分布特点而影响了纹理特征提取效果的不足,为其加入邻域点灰度值间的关系,对所有的相邻像素进行二值化;以Chi平方统计法对直方图进行相似性度量;为克服传统K近邻法的多优解问题,引入最短距离模式对最优解进行提取;最后通过优化算法来验证其集体性能,过程中结合训练集与测试集,证实优化算法的识别效果更佳。     

基于LBP和稀疏表示的林火烟雾图像识别研究

为了实现森林火灾的智能识别,提出一种基于局部二值模式和稀疏表示的林火烟雾自动识别方法.选取森林火灾烟雾视频和干扰视频,经运动区域检测提取疑似林火烟雾图像样本.首先对疑似林火烟雾样本图像采用不同的LBP算子进行纹理特征提取,然后选取350幅林火烟雾样本构建林火烟雾特征字典,另外选取343幅林火烟雾图像样本和331幅干扰图像样本进行测试,对每个测试样本利用11最小化范数计算其在训练字典上的稀疏表示系数和重构误差,最后根据经验阈值进行分类识别.结果表明,LBP特征提取结合稀疏表示方法可以有效地实现林火烟雾的自动识别,识别率可达92.88％,为林火烟雾的模式识别提供了一种有效的解决方案.     

基于色香味与质地的冻梨品质分析

[目的]以适宜冻藏的3个梨品种('南果梨'尖把梨'和'花盖梨')为研究对象,分析鲜梨及冻梨颜色、香气、味道以及质地的变化,为冻梨产业发展提供理论依据.[方法]利用色差计分别测定3种鲜梨及冻梨的果皮和果肉颜色(L*、a*、b*、C、h、?E值),通过气质联用仪测定其香气组分及含量,利用离子色谱仪测定其可溶性糖组分及含量,...     

基于机器学习方法的宁夏南部土壤质地空间分布研究

【目的】基于历史数据,利用机器学习方法分析宁夏南部土壤质地空间变异规律及其与环境因素之间的关系。【方法】基于宁夏回族自治区南部428 个20世纪80年代第二次土壤普查土壤剖面点数据,采用分类回归树（CART）和随机森林（RF）两种机器学习方法,结合地形因子、土壤类型、归一化植被指数,探究与宁夏南部地区土壤质地分布相关性较强的环境因素,并用两种机器学习预测该区土壤质地类型的空间分布,用剖面点验证集数据以及宁夏回族自治区海原县实测样点数据验证模型精度。【结果】（1）RF和CART对剖面点验证集土壤质地类型的预测正确率分别为 62.36%、55.29%,接收者操作特性（receiver operating characteristic,ROC）曲线下面积（area under roc curve,AUC）分别为0.7515、0.6933,对海原县122个实测样点的预测正确率分别为54.10%、48.36%,AUC分别为0.6599、0.5981,RF的预测精度高于CART。（2）该区土壤类型（ST）是与土壤质地空间分布相关性最强的环境因素,其次是高程（Ele）,高程越高,土壤质地越黏重。风力作用指数（WEI）和坡度（Slo）对土壤质地的影响较小。（3）研究区土壤质地类型以轻壤土为主,空间分布格局基本呈现为南部土壤质地黏重,北部土壤质地较轻。【结论】RF更适合预测宁夏南部地区土壤质地的空间分布,且充分利用历史数据,结合新的野外采样,可以达到预测制图的精度要求;土壤类型（ST）和高程（Ele）是与土壤质地空间分布相关性较强的环境因素。     

A Method of Soil Salinization Information Extraction with SVM Classification Based on ICA and Texture Features

Salt-affected soils classification using remotely sensed images is one of the most common applications in remote sensing,and many algorithms have been developed and applied for this purpose in the literature.This study takes the Delta Oasis of Weigan and Kuqa Rivers as a study area and discusses the prediction of soil salinization from ETM +Landsat data.It reports the Support Vector Machine(SVM) classification method based on Independent Component Analysis(ICA) and Texture features.Meanwhile,the letter introduces the fundamental theory of SVM algorithm and ICA,and then incorporates ICA and texture features.The classification result is compared with ICA-SVM classification,single data source SVM classification,maximum likelihood classification(MLC) and neural network classification qualitatively and quantitatively.The result shows that this method can effectively solve the problem of low accuracy and fracture classification result in single data source classification.It has high spread ability toward higher array input.The overall accuracy is 98.64%,which increases by10.2% compared with maximum likelihood classification,even increases by 12.94% compared with neural net classification,and thus acquires good effectiveness.Therefore,the classification method based on SVM and incorporating the ICA and texture features can be adapted to RS image classification and monitoring of soil salinization.     

基于多元线性回归分析的安徽省金寨县域经济发展研究

以安徽省金寨县为研究对象,运用多元线性回归分析方法,分析了金寨县县域经济的发展情况。结果表明,2001～2010年金寨县GDP等指标呈现逐年增长,但低于全省平均水平。第三产业是金寨县县域经济发展的重要动力,投资率是另一重要因素。提出根据其资源优势和自身特色发展旅游经济,继续加大投资率,利用其对GDP的贡献,促进县域经济加速发展。此外,在发展第三产业的同时,促进第一、二产业的发展。     

Cotton Nitrogen Nutrition Diagnosis Based on Spectrum and Texture Feature of Images from Low Altitude Unmanned Aerial Vehicle

【Objective】 Based on the high spatial resolution images of unmanned aerial vehicle (UAV), the effects of removing soil background information and increasing image texture information on the inversion of cotton plant nitrogen concentration were investigated, in order to provide new technology for accurate estimation of cotton nitrogen nutrition status. 【Method】 Cotton water and nitrogen coupling experiment was conducted, and UAV images and plant nitrogen concentration data were measured during different cotton growth stages. Based on the above data, the effect of soil background on cotton canopy spectrum was firstly investigated. Secondly, the correlations between image texture parameters and plant nitrogen concentration were analyzed. Finally, the obtained data was divided into calibration dataset and validation dataset. Different scenarios, including before and after removing the soil background, and adding texture features, were set. The inversion models of plant nitrogen concentration under various scenarios were designed by using the coupled method of spectral indexes and principal component regression, and the performances of the models were compared. 【Result】 The soil background had an effect on the cotton canopy spectrum, and the trends were not the same at different growth stages. There existed significant correlations between image texture parameters and plant nitrogen concentration. For the scenarios before removal soil background, the plant nitrogen concentration prediction model had determination coefficient (R ²) value of 0.33 and root mean square error (RMSE) value of 0.21% during model calibration, and R ² value of 0.19 and RMSE value of 0.23% during validation. For the scenarios after removing soil background, the plant nitrogen concentration prediction model had R ² value of 0.38 and RMSE value of 0.20% during model calibration, and R ² value of 0.30 and RMSE value of 0.21% during validation. For the scenarios adding image texture information, the plant nitrogen concentration prediction model had R ² value of 0.57 and RMSE value of 0.17% during model calibration, and R ² value of 0.42 and RMSE value of 0.19% during validation. 【Conclusion】 Based on high spatial resolution images of low-altitude UAVs, both removing soil background and adding image texture information could improve the inversion accuracy of cotton plant nitrogen concentration. Image texture could be considered as important information to support prediction of crop nitrogen nutrition status using UAV images.     

基于低空无人机影像光谱和纹理特征的棉花氮素营养诊断研究

【目的】基于无人机高空间分辨率影像,探讨剔除土壤背景信息及增加纹理信息对棉花植株氮浓度反演的影响,为棉花氮素营养精准探测提供新技术手段。【方法】开展棉花水、氮耦合试验,分别在棉花的不同生育期获取无人机多光谱影像和植株氮浓度信息。基于以上数据,首先探讨了土壤背景对棉花冠层光谱的影响;其次,分析了影像纹理特征与植株氮浓度间的相关性;最后,将获得的数据分为建模样本和检验样本,设置剔除土壤背景前、剔除土壤背景后、增加纹理特征等不同情景,采用光谱指数与主成分分析耦合建模的方法,来建立各种情景下植株氮浓度的反演模型,并对模型反演效果进行比较。【结果】土壤背景对棉花冠层光谱有影响,且不同生育期趋势不同;影像纹理特征参数与植株氮浓度间有显著相关关系;剔除土壤背景前植株氮浓度反演模型的建模决定系数为0.33,标准误差为0.21%,验证决定系数为0.19,标准误差为0.23%;剔除土壤背景后模型的建模决定系数为0.38,标准误差为0.20%,验证决定系数为0.30,标准误差为0.21%;增加纹理信息后模型的建模决定系数为0.57,标准误差为0.17%,验证决定系数为0.42,标准误差为0.19%。【结论】基于低空无人机高空间分辨率影像,剔除土壤背景和增加纹理特征均可提高棉花植株氮浓度的反演精度;影像纹理可以作为一种重要信息来支撑无人机遥感技术反演作物氮素营养状况。     

基于~(137)Cs法对小流域侵蚀特征的研究

利用~(137)Cs示踪技术,研究了戴家沟小流域不同土地利用类型和地貌部位的侵蚀特征.结果表明:不同土地利用方式下土壤~(137)Cs的面积活度大小依次表现为马尾松林,经济林,农耕地,灌木林;不同地貌部位的土壤~(137)Cs的面积活度大小依次表现为坡脚,坡中,坡顶;排除分布不均的土地利用类型(农耕地、裸岩地),各地貌部位土壤侵蚀模数大小依次为:坡中,坡顶,坡脚.流域内平均侵蚀模数为:897.37 t/(km~2·a),裸岩地侵蚀模数达9 240 t/(km~2·a),农耕地侵蚀模数达1 056.43 t/(km~2·a),在小流域土壤侵蚀防治中裸岩地、农耕地仍是治理的关键.

Abstract：

The ~(137)Cs tracer technology was used to study the soil erosion features for different land usage types and landform positions in Daijiagou small catchment of Chongqing. The results showed that ~(137)Cs activity per unit area for different land use types was in the order of masson pine forest＞ economic forest＞farmland＞ shrub land and in the order of foot slope ＞ middle slope position ＞ slope crest for different landform positions; and soil erosion modulus size appeared in the order of middle slope position＞ slope crest ＞ foot slope. The average erosion modulus within the catchment was 897.37 t/(km~2·a), the erosion modulus of uncovered rock land was as high as 9 240 t/(km~2·a), while that of farmland was 1 056.43 t/(km~2·a). Therefore, the control of soil erosion on uncovered rock land and farmland should be the key link in the prevention and control of soil erosion of the small catchment.     

基于多元线性回归分析的冷链物流需求预测

冷链物流是一个巨大而复杂的体系,涉及到从产品出产、包装、运输、贮藏直到消费终端整个链条的全方面、全流程的温度控制。满足市场需求必须以需求预测为前提,鉴于影响冷链物流需求的因素有很多,以我国水产品冷链物流的需求为例,应用多元线性回归分析法建立冷链物流需求量的预测方程,运用Eviews软件进行检验,求证其科学性,最终得出精确、实用的预测体系。     

基于多元线性回归农村剩余劳动力转移影响因素分析——以大庆市为例

针对农村剩余劳动力转移问题,以部分影响因素为自变量构建多元回归模型,基于大庆市2000-2013年鉴统计数据,运用SPSS19.0统计分析软件进行数据处理,对预先选定影响因素进行多元回归分析。研究得出:各影响因素间存在线性相关,且农村男女比例、地区生产总值、农村人均纯收入、城乡消费水平对比、农村劳动力受教育程度与农村剩余劳动力转移数量呈正相关,城镇失业率与农村剩余劳动力转移数量呈负相关,并结合分析结果提出促进大庆市农村剩余劳动力平稳有序转移的政策建议。