基于分水岭算法的双向凝胶电泳图像分割

本文采用分水岭算法对电泳凝胶图像进行分割，针对其存在的过分分割问题以及图像本身的特点，提出了根据拓扑曲率对过分分割区域进行合并，以得到有意义的分割结果。本算法对电泳图像进行了分割实验。实验表明，本算法适用于电泳图像，并且效果良好。     

基于改进的分水岭算法对木材细胞边缘提取研究

利用分水岭算法对细胞轮廓进行提取,通过用不相邻邻域像素的灰度差来代替梯度变换,削弱了梯度对噪声过度敏感的问题.实验表明该方法非常适合于木材细胞轮廓提取,提高了对细胞轮廓的捕捉精度,为木材细胞微观特征提取的研究奠定了良好基础.     

基于无人机可见光影像的华山松人工林计测参数提取

针对无人机在森林资源监测中的便携性特点,利用无人机RGB三波段影像进行森林计测参数(株数、树高及蓄积量)的提取及精度验证。以华山松人工林为研究对象,以无人机RGB影像为主要信息源,在前期进行5块0.08hm~2华山松人工林标准地单木定位的基础上,采用冠层高度模型(CHM)最大值法和点云分割方法,提取华山松人工林计测参数,建立无人机RGB影像的华山松人工林单木二元材积模型。研究结果表明:1)采用CHM最大值分割法较点云分割方法精度高,单木株数分割精度分别为87.17%和80.79%;提取得到的树高与其地面实测所得树高的R~2相比较,使用CHM方法,R~2为0.71;而使用点云算法,R~2为0.69。2)基于CHM最大值法提取的单株冠幅和树高所建立的二元材积模型,其决定系数(R~2)为0.94,均方根误差(RMSE)为0.033 8m~3;与基于云南省华山松人工林二元材积表的标准地实测蓄积量调查结果相比,基于无人机RGB数据的5块标准地蓄积量监测精度分别为79.72%,81.64%,83.57%,82.49%,80.28%,平均精度达81.54%。基于无人机RGB影像的华山松人工林在森林计测参数提取中,CHM最大值分割法优于点云分割,所建立的树高和冠幅二元材积模型,可为华山松单层人工林无人机遥感监测提供参考。     

基于无人机高分辨率影像的油松新造林健康树冠提取

【目的】基于新造林健康树冠的光谱特征和空间交错情况,探讨复杂地面植被条件下健康树冠的光谱增强方式和多尺度分割阈值,为造林核查的日常监测工作提供技术支撑。【方法】以冬奥核心区新造林地无人机航拍影像为试验数据,首先,基于健康树冠与其他干扰地物的不同颜色特征,采用同态滤波增强影像并使用ExG光谱指数进行变换;然后,采用最大类间方差方法得到二值图像,并使用多尺度形态学滤波方法进行分割并融合分割结果,以分割交错的树冠区域对应提取原始图像中可能的健康树冠区域;最后,基于颜色向量、灰度共生矩阵和局部二值模式共同构建的特征向量,采用随机森林识别提取区域,从而检测图像中的健康树冠。【结果】基于光谱指数变换、多尺度形态学滤波方法能够有效分割交错连续的树冠区域,排除与健康树冠颜色相近的地物干扰,较为准确提取出可能为树冠的区域。采用该方法对不同造林密度、光照条件下的17幅无人机正射图像进行试验,使用目视解译方式标记出树冠中心,运用精确度、召回率和F1分数3个评价指标对随机森林和支持向量机的识别效果进行定量对比分析,结果表明,多尺度形态学滤波方法可提取96.78%的树冠,随机森林的F1分数高于97%,而支持向量...     

基于分水岭算法的木材缺陷边缘检测

获取边缘图像的一种典型方法是利用梯度算法作用于图像,然后对得到的梯度图像做阈值处理,从而得到二值边缘图像.这种方法的缺点是很难选取适当的阈值.如果阈值选得太低,不但会产生假的边缘,而且得到的边缘很厚,必须做细化处理,而细化后的边缘位置往往不是很精确;如果阈值取得太高,许多边缘可能检测不到,或边缘出现过多的断裂部分.     

分水岭算法在林业中的应用

随着遥感技术的发展,无人机以及新型遥感数据的出现,越来越多的高分辨率影像被应用于林业资源监测.图像分割作为影像识别应用的基础,大量研究人员在原有的分水岭算法基础上针对不同的区域、背景、目标和研究方向进行了一定的改进,在林木病虫害监测、木材表面缺陷检测、单木冠幅分割、叶片提取等林业领域发展迅速.文中介绍了分水岭算法在林业...     

SPOT5卫星影像中提取森林土壤因子方法的研究

针对在采用SPOT5卫星影像进行森林资源调查后,森林土壤因子不能通过直接判读取得的问题,通过利用森林资源遥感调查和林业专业调查数据进行逐层分析研究,提出了在遥感调查中各小班森林土壤因子的自动提取方法。用该方法提取的因子与现地调查因子作对比验证,土壤亚类的一致率达到95%,土层厚度的一致率89%。     

高郁闭度人工林无人机激光雷达单木分割方法优化

【目的】针对高郁闭度林分条件下基于LiDAR点云数据单木分割林木提取困难、总体精度较低等问题,提出一种基于冠层起伏率结合分水岭算法和基于点云的局部最大值聚类算法的分层分割法,为开展无人机LiDAR技术森林资源调查提供技术参考,为提高单木分割总体精度提供新策略。【方法】利用无人机激光雷达数据,采用分水岭算法、基于点云的局部最大值聚类算法和基于冠层起伏率结合分水岭算法和基于点云的局部最大值聚类算法的分层分割法对高郁闭度思茅松人工林进行单木分割,并分析分水岭算法中4种CHM空间分辨率和3种DSM插值方法对单木分割效果的影响,与无人机高分辨率影像单木树冠目视解译结果进行比较,以探测率r、准确率p和F得分为指标对单木分割精度进行验证和评价。【结果】在幼龄林中,冠层起伏率较大,分水岭算法对单层林的分割效果优于基于点云的局部最大值聚类算法;在中龄林和近熟林中,冠层起伏率较小,分水岭算法易将思茅松树枝识别为树冠,基于点云的局部最大值聚类算法的分割效果优于分水岭算法;基于冠层起伏率结合分水岭算法和基于点云的局部最大值聚类算法的分层分割法充分考虑不同龄组的林分结构差异,精度最高(F=0.75),优于分水岭...     

基于影像分割的树木特征点提取方法研究

树木处于复杂的自然环境中,加之其本身的不规则性,使得影响树木影像检测和识别质量的参数难以确定.采用一种基于集群聚类的方法对树木影像进行影像分割,在聚类中心的定义方式上不是简单地以各类的灰度重心作为聚类中心,而是采用了一种最大—最小距离法进行聚类中心的动态选择.在聚类过程中除了合并过程还加入了类别分裂处理,对每一次迭代过程中标准差最大的类别分裂成新类,并将新类中的像元重新加入到距离判别过程中,成功地将树木从背景影像中分离出来.在此基础上选择合适的特征提取算法,分别对原始影像和分割结果进行特征点的提取,对提取结果进行比较,得到了更好的特征点提取结果,为后续的树木影像匹配等研究工作提供可靠的数据基元.     

基于实例分割的高郁闭度林分单木树冠无人机遥感提取

目的 利用遥感影像获取高郁闭度林分树冠信息。 方法 试验了一种基于实例分割模型的无人机遥感影像单木树冠提取方法,选用7种残差网络用于模型的特征提取,逐一对不同郁闭度杉木纯林进行单木树冠提取。 结果 表明,7个实例分割模型对低郁闭度林分树冠分割的边界框AP值和掩膜AP平均值分别为55.89%、57.29%,林分东西冠幅、南北冠幅和树冠面积参数提取均方根误差平均值分别为0.161、0.179和0.341,平均预测决定系数R2分别为0.912、0.918和0.957;对高郁闭度林分树冠分割的边界框AP值和掩膜AP平均值分别为46.00%、44.45%,单木东西冠幅、南北冠幅和树冠面积参数提取均方根误差平均值分别为0.479、0.497和1.256,平均预测R2分别为0.806、0.762和0.936。 结论 各参数提取精度均优于传统调查精度,该方法能自动化、快速化、精准化获取树冠信息。     

基于FCM的木材X射线图像缺陷分割

在用X射线检测木材缺陷的过程中,很重要的一步就是对图像中的缺陷的提取和分割,其处理的效果直接影响到后面的缺陷识别的正确性。主要是针对木材X射线图像对比度差的特点和固有的模糊性,利用模糊C均值聚类的方法对木材X射线图像进行分割处理,为后续的提取出木材缺陷工作打下基础。     

彩色树木图像分割算法的研究

树木图像分割是将树木与其周围景物分离的技术,是虚拟现实和计算机仿真等学科在林业应用的核心技术,也是机器视觉领域的重要研究方向,拓宽了计算机技术在林业中的应用。本项研究基于树木图像形状复杂的特点,设计并实现了一种结合C-V模型水平集及形态学处理的彩色树木图像分割算法。运用改进的最小化能量函数作为水平集的演化曲线,可以更加自然地改变曲线拓扑结构,对含有分裂、合并、形成尖角等复杂形状的目标对象分割更为有效。如果再结合形态学后处理算法,将初次分割图像中非目标区的细密纹理和噪声剔除,可以快速准确地得到全局最优的图像分割效果。同时进行了与基于梯度变换的改进分水岭树木图像分割和基于灰度-梯度最大熵的树木图像分割算法的对比试验,试验表明,结合C-V模型水平集和形态学算法对树木图像分割效果更为有效。     

基于特征融合图像分割算法的生态廊道提取

为提取最短路径生态廊道且兼顾多种生物的迁徙可行性,提出基于特征融合图像分割算法的生态廊道提取方法。融合颜色特征与纹理特征得到生态廊道的感兴趣区域,构建卷积神经网络模型,将研究区景观分为林地、耕地、草地、水域等类型,据此构建路径栅格图;利用二维信息素更新策略、动态启发因子信息素因子策略改进传统蚁群算法,以栅格图为对象使用改进蚁群算法规划最短的生态廊道路径。结果表明,该方法图像分割F值在0.954～0.984之间,波动性小;提取的生态廊道路径相对较短、拐点较少,起始点与终点之间更容易实现物质流动。     

基于UAV高分影像的杨树冠幅提取及相关性研究

[目的]以无人机高清影像为数据源,结合样地实地调查数据,研究杨树冠幅提取及其与胸径和林分蓄积量的相关性,为无人机森林调查技术提供一种思路和方法。[方法]基于无人机高分影像及实地调查数据,采用面向对象法,对杨树林木冠幅进行分割与提取,通过实地测量数据建立冠幅-胸径模型,利用一元材积表计算样地蓄积量,并进行相关性分析与精度检验。[结果]影像分割效果良好,但提取得到的冠幅比实际值偏小,研究区最适宜的杨树冠幅分割尺度为10,平滑度0.1,紧致度0.5。杨树冠幅与胸径建立相关模型,其中一元线性方程拟合效果最好,相关系数为0.75。通过模型计算的样地蓄积与实测样地蓄积进行双侧T检验,结果 sig=0.0580.05,两组数据差异不显著。[结论]采用面向对象法,通过无人机高分影像能自动分割并提取了杨树林木冠幅信息,提取效果良好;利用影像提取林木平均冠幅,通过冠幅-胸径相关关系模型得到林木胸径,进而推算林分蓄积的方法可以满足森林资源调查精度要求。     

基于模糊聚类分析的木材缺陷CT图像分割

为了提高木材的利用率,在木材加工之前对木材缺陷CT图像进行分割,将节子和空洞等缺陷分割出来,通过观察缺陷的位置便于工人师傅下锯。利用计算机断层扫描（CT）技术获取木材缺陷图像,将数字图像处理技术与模糊聚类算法相结合,在标准的模糊C均值算法的基础上改进,采用半模糊聚类的分析方法对木材缺陷图像进行分割检测。实验结果表明：基于半模糊聚类的图像检测方法在木材图像检测上取得了较好的效果,缺陷边缘处很平滑,细节保留完整,更多的保留了边缘上的信息。从而证明了半模糊聚类分析法在木材缺陷CT图像处理方面具有可行性。     

基于OTSU算法与数学形态学的木材缺陷图像分割

在木材分选过程中,图像缺陷分割技术占有重要的地位,能否精确提取缺陷轮廓会直接影响到分选的准确率.本文讨论提取木材表面缺陷图像的方法,应用OTSU算法与数学形态学相结合的方法对缺陷图像进行分割,最终提取出缺陷边缘.实验表明,经过OTSU算法和数学形态学进行图像分割,最后得到的木材缺陷图像更加清晰、连贯,提高了图像的可视性和准确性.     

长江上游流域森林生态效益补偿调查分析

以长江上游四川、青海、贵州和云南等四省为调查区域,以流域森林生态效益补偿为调查对象,选择居民(林农)、非政府组织和政府管理部门等相关利益方为样本,对调查收回的279份样本进行整理,系统分析了各相关利益方对流域内生态效益补偿现状的认识、看法,并总结归纳了各相关利益方对生态效益补偿的共识与分歧。在此基础上,提出了建立多样化生态效益补偿手段,吸收相关利益方参与生态效益补偿制度构建以及中央政府加大扶持力度等政策性建议。     

基于图论的图像分割算法分析研究

图像分割是把图像分成各具特性的区域并提取出感兴趣目标的技术和过程,图像分割新算法一直在更新,但都有局限性。本文介绍几种基于图论的图像分割算法,并对各自算法特点进行分析,通过将Normalized Cut归一化割集准则与图像的阈值分割联合起来区分目标和背景,提出了改进权值公式的算法。通过实验比较分析,改进的归一化图像分割算法有效消除了噪声,取得良好的实验效果,更接近人眼视觉的分割效果,并减少了算法的运算量。