基于颜色分形的不同产地烟叶聚类分析

对较高精度的烟叶数字图像进行背景去除和分割预处理,计算烟叶颜色各分量(红色、绿色、蓝色、亮度)的计盒维数,绘制各颜色分量的计盒维数变化曲线,进行烟叶颜色系统聚类分析.结果发现不同产地烟叶的颜色各分量计盒维数变化曲线存在较明显差异;采用颜色分形维数作为聚类参数得到了最好的分类结果.这表明颜色分形维数可以作为按颜色分类的特征指标,能更准确地描述图像颜色的分形分布特征.     

桶栽棉花根系构型的分形特征分析

通过桶栽试验,利用分形理论研究了棉花根系构型随生育阶段的变化特征。结果表明,蕾期—花期,棉花整体根系构型与侧根构型的计盒维数都逐步增大,根系分布空间逐步趋向连续空间;虽然侧根构型的计盒维数(1.091~1.421)始终小于整根构型的计盒维数(1.330~1.468),但其在后期的增加速度比整根构型的相应值大;直至进入花期,侧根构型计盒维数接近整根构型计盒维数,说明棉花后期以侧根生长为主。根系分形丰度值的变化规律与计盒维数类似,花期的侧根构型丰度值(4.111 3)基本接近整根构型的丰度值(4.189),表明花期的棉花根系分布形式基本不变化,而二级和三级侧根的空间占有能力仍很强,使根系密度增加。     

基于分形理论的水稻单产计算机视觉预测技术

以武育粳3号为试验品种,用自制计算机视觉系统,拍摄成熟期水稻群体图像,应用分形理论分析水稻群体图像的分形特征,在此基础上提取了图像的差分计盒维数和多重分形曲线;并进一步分析得出水稻单位面积产量与水稻图像分形维数具有线性相关关系,最后建立水稻单位面积产量模型,模型精度为     

利用CT扫描技术确定土壤大孔隙分形维数

土壤大孔隙的大小、形状和分布对水及溶质在土壤中的运移有着深刻影响,由于土壤大孔隙的分布呈现分形规律,根据采用CT扫描法得到的原状土柱各断面图像,采用计盒维数法计算出各断面土壤大孔隙的分形维数。     

基于分形理论的稻种特征提取方法研究

利用分形几何描述不规则形体的优势,分别研究稻种的轮廓与表面茸毛分布的分形特性,探讨了用两者的盒维数描述稻种的形状特征与纹理特征的可行性.研究结果表明,两者均具有分形特性.同时,将基于传统欧氏几何的形状、纹理特征与基于分形几何的盒维数相结合构成特征向量作为径向基函数(RBF)神经网络的输入,使识别正确率明显提高.     

基于分形理论的设施土壤水分特征曲线研究

采用现场调查取样与室内分析相结合的方法,研究了设施栽培条件下原状土壤和扰动土壤分形维数及其与水分特征曲线的关系,结果表明:在相同质地的情况下,分形维数随土壤容重的增大而增大;设施土壤水分特性曲线原状土分形维数与扰动土分形维数具有良好的线性关系;通过原状土与扰动土分形维数的关系来预测的原状土水分特征曲线在整个含水率范围内预测结果与实测值一致性较好,表明根据土壤扰动土分形维数来预测原状土水分特征曲线是可行的。     

信鸽表面形貌的分形特性

分析了信鸽表面形貌的非光滑特性,并利用激光三维扫描控制系统获取了信鸽背部、胸部及翅膀表面的三维信息,基于分形理论对其表面进行了研究,采用计盒维数方法计算出了信鸽的背部、胸部及翅膀表面面维数和线维数,并分析了其分布。结果表明,信鸽的背部、胸部及翅膀表面均呈现分形特征,面维数范围为:2.8988～2.9788,线维数的范围为:1.0002～1.0247,信鸽表面形貌的分形特性研究为定量分析信鸽表面在空气介质中的减阻机理提供了基础信息。     

基于BP神经网络的烟叶颜色自动分级研究

在形状、身份、油分及颜色等因素中,颜色是影响烟叶等级的一个重要因子。为实现根据烟叶颜色特征对烟叶等级的自动区分,选取贵州黔南地区中部六个等级的烟叶作为实验样本,经过样本采集、预处理,提取出样本的颜色特征值,分析RGB、HIS及HSV三种颜色模型下各颜色分量对烟叶等级影响的研究;基于BP神经网络,依据烟叶等级间差异较大的颜色分量作为神经网络输入因子,从而实现烟叶等级的预测识别。结果显示,用该模型进行烟叶等级预测识别的准确率可达89.17%,耗时仅0.39s。说明根据设计的BP神经网络可实现通过颜色特征对烟叶等级较为准确的预测,可靠性高。     

基于分形理论的树木图像分割方法

提出用分形维数和颜色对树木图像进行分割的方法，分割时用双毯法计算分形维数，用颜色、强度、局部分维、边界边缘等特征组合的方法进行区域生长。试验表明，基于分形理论对树木图像进行分割是一种非常有效的方法。     

基于图像处理方法的根系分形维数估计

应用图像处理方法,给出了根系分形维数估计的网格计数法,得到了相应的算法,即先用数字图像采集设备取得根系的图像,再用网格计数法对处理后的图像进行计盒维数估计,并用Java语言进行实现,为根系研究提供了一种新的思路和手段。在此基础之上,计算了黑麦草(LoliumperenneL.)根系的分形维数,与实测数据基本吻合。此方法不仅解决了对根系研究直接测量难度大、工作量大的问题,而且可用于多种植物根系的分形维数计算。