海上航拍图像目标定位算法的数据采集

为实现海上航拍图像目标定位,必须实时采集有关定位数据.根据海上航拍图像目标定位算法所需数据,全面分析了定位算法相关数据的分类,提出了相关数据的采集方法,并从实际应用的角度阐述了采集设备的选型原则.为海上航拍图像目标定位算法应用、实现海上航拍图像目标定位提出了数据的采集方法,并提出了采集设备的选型方案.     

应用线形插值对风云二数据进行图像定位与投影计算

应用VC＋＋语言对风云二卫星数据进行读取、显示,并进行图像定位及投影变换。主要介绍通过线形插值的方法对风云二数据中提供的简化网格数据进行分区近似计算。从计算结果看比较理想,基本实现了风云二数据的图像定位,确定了目标遥感数据,为遥感数据的参数反演和针对性分析做铺垫。     

基于显著性检测的蔬菜鳞翅目害虫图像自动分割算法

提出一种基于显著性检测的害虫图像自动分割算法(S-segmentation算法),首先利用显著性检测方法,结合图像局部区域的颜色距离和空间距离特征,对样本图像作预处理;然后采用无交互式图像分割算法处理显著检测结果图,可实现目标区域的完美分割,避免多次重复设置背景区域.通过对5种鳞翅目幼虫图像进行分割试验,结果表明该算法的分割准确性明显提高,平均分割精确度可达93.14%,较传统图像分割算法提高了约20%,并且复杂度低,运行效率高,分割精确度不受样本数量影响.进一步将该算法应用到体型和颜色多样化的鳞翅目成虫图像分割上,得到的平均分割精确度达到88.22%.     

一种基于神经网络的扇贝图像识别方法

为了满足计算机视觉辅助下应用机器人进行扇贝自动分拣的实时性和鲁棒性要求,提出了一种基于神经网络的扇贝识别和分级方法.首先对图像进行灰度化处理,并用canny算子检测目标边界,然后用8-连通邻域追踪算法提取目标边界像素坐标,最后计算目标边界到中心点的平均距离及其绝对平均误差,并作为特征信息训练BP神经网络,实现对扇贝图像识别和分类.实验结果表明,该方法可以快速实现扇贝的自动识别和分级工作.     

基于迁移学习和数据增强的小样本柑橘缺陷检测研究

小样本目标检测旨在通过少量样本实现对图像中目标的识别和定位。目前针对柑橘缺陷的小样本数据集进行的检测较少,本文提出了使用数据增强和迁移学习来对小样本柑橘的缺陷类型进行检测的方法,采用旋转、裁剪和高斯模糊进行数据增强来扩充数据集,与使用迁移学习方法进行对比。实验表明：迁移学习方法中最优算法是FRCN ft-full,基于该算法的20-shot任务的mAP值为67.823%;在基于数据增强的方法中使用Faster R-CNN算法的mAP值达到了84.7%,使用YOLOv8算法的mAP是85.3%,YOLOv8算法略优于Faster R-CNN算法。迁移学习方法增强了检测模型的泛化能力,加快了模型的收敛速度;数据增强方法有效扩充了数据集,提升了小样本柑橘缺陷检测模型的准确性。     

基于猫眼效应的激光主动探测技术研究

在现代战争中,对优秀狙击手的目标定位能力要求极高,而目前通用的目标识别算法对"猫眼"目标的识别精度不高,算法复杂且运行速度慢,无法满足对整个区域的实时监控要求。为此,本文在激光主动探测模型基础上,对图像的阈值处理、形态学处理、边界追踪和目标识别算法进行研究,建立了基于DSP芯片的激光主动探测系统并进行了室内外目标识别测试。结果表明:在室内,对简单目标算法的识别精度较高,且DSP芯片的图像处理速度较快并能够实时显示;在室外,当目标对光的反射强度高出其四周背景亮度几个数量级时,能够准确地将目标从背景中识别出来,系统的最大探测距离达1200 m,最小分辨率为200 m。     

基于遥感图像提取小麦种植分布信息的算法优化研究

为了实现作物种植信息的智能化解析,必须首先实现识别目标位置与范围定位.以2012年鹤壁市浚县拔节期小麦为研究对象,结合获取的SPOT-5卫星遥感图像,对最小距离分类算法和最大似然法在提取小麦种植信息的效果以及运算速度等方面进行了系统比较,并提出了一种基于遥感图像提取作物种植分布信息的优化算法.检验结果表明,优化算法在保证信息提取准确率达95.6%的前提下,处理速度较最大似然法提高45.01%,可用于快速提取作物的种植分布信息.     

水稻叶片几何参数图像视觉测量方法研究

提出了一种基于图像视觉原理的水稻叶片几何形态参数测量计算方法,通过图像分割处理,统计参考物与目标叶片面积的像素数,计算叶片面积;通过求取参考物和目标叶片的最小外接矩形方法,计算叶片的长度和宽度值;利用基于4个方向模板运算的距离变换算法对茎叶夹角图像进行骨架信息提取,利用Hough变换对提取的骨架信息进行直线检测,并进行茎叶夹角计算。结果表明,该方法能够精确、快捷地对水稻叶片几何形态参数进行测量计算,与手工测量比较,叶片面积计算误差小于5%,长宽误差小于0.67%,茎叶夹角误差小于2%,能满足农学研究的要求。     

基于马氏距离的荔枝图像分割设计方法

在基于颜色特征和聚类的马氏距离算法基础上，利用MATLAB软件设计了人机交互式可视化计算机图像分割程序。运用该程序，对荔枝照片进行了图像分割，分离出复杂背景下的荔枝果实图像。结果表明：该程序能较好地解决复杂彩图中目标图像的分割问题，可以消除因不慎而修改源代码的风险；通过数据分析器和滤波器能准确的对采样数据进行判断以及对含噪声的目标图像作进一步处理。     

一种改进的Hausdorff距离的图像匹配算法仿真分析

在农作物病虫害的图像诊断中,应用基于Hausdorff距离的边缘图像匹配算法可简便计算。但Haus-dorff距离缺点是不能处理目标被遮掩和外部点存在的情形,鲁棒性不足。针对传统Hausdorff距离匹配算法的缺点,引入一种改进的Hausdorff距离算法。改进的Hausdorff距离匹配算法可以对有噪声、遮掩、分辨率降低和水平角度旋转的图像进行很好的匹配。通过仿真,证明了改进的Hausdorff算法具有更强的鲁棒性和适应性,能在有畸变的图像中估计出最佳的匹配位置。     

基于地形匹配的图像烟火定位方法研究

目的视频监控是林火监测的主要手段,利用数字云台获取方位角、俯仰角等参数来计算林火位置是目前林火定位的主要方式,而林火定位中常用的方法主要有单点定位、双点定位和多点定位3种方法。目前已有许多研究根据光线跟踪算法,依靠视频图像与三维地形的对应关系实现了三维场景的增强表达,为基于视频图像的定位提供了新的途径。当前,林区普遍通过建立视频监控、数字云台、GIS技术三者紧密结合的软、硬件联动系统进行森林火灾的监测、决策和扑救。本文将视频图像与虚拟地形匹配原理,应用于基于GIS的林火视频监控系统,提出基于图像的林火定位方法,并对定位精度进行分析评估。方法利用地形匹配原理建立林火实景图像与DEM之间的坐标映射关系,针对图像烟火区域选定像元,生成在DEM中对应的区域,并计算和分析该区域中心点的坐标、欧氏距离、方位角、俯仰角以及该区域的形状、可视性、面积、跨沟谷数等特征信息,提出定位区域精度信息分析与评估流程。该流程根据分析结果将定位区域分为可定位区与不可定位区,同时提供详细的烟火位置信息。结果选择北京九龙山自然保护区作为研究区域,对提出的定位方法进行了初步验证,结果表明该方法能提供准确定位精度信息,有助于快速找到火源,实现快速扑救。结论本文基于地形图像匹配的林火定位方法,充分利用了虚拟地形与视频图像的特征匹配关系,为林火快速扑救提供丰富的位置信息。该方法的定位精度只与图像分辨率及虚拟地形与实景图像匹配精度有关,避免了传统云台定位受硬件性能指标的限制;同时该方法也适用于手机等移动设备所拍摄的图像,只需获知拍摄点坐标,就可以实现对所采集图像上目标的定位,对于基于图像的定位分析具有重要意义。      

基于单目视觉的边坡位移检测方法研究

针对边坡表面状态发生的变化检测,提出了一种新的智能检测方法.人工设置两个目标体分别作为观测点和监测点,以投影构成的位移阵与其投影阵目标质心、面积等参数的空间关系,计算出摄像距离阵、观测标识与定位标识投影距离、深度差等距离参数,得到三维解算所需各类距离信息.采用空间三点定标方法,完成位移阵空间数据解算.     

马铃薯病斑图像自动分割方法研究

本文使用了一种k-means聚类算法实现了对马铃薯叶片上的病斑提取,其原理利用ab二维数据在Lab空间模式上的颜色差异性。首先建立平方欧式距离作为马铃薯图像像素间的相似度距离模型,再以均方差作为聚类准则函数对颜色进行二分类聚类,最终完成了对目标区域的精准提取。从实验效果来看,该算法能较好的将马铃薯晚疫病病斑区域从图像中提取出来,分割结果较为理想。     

基于梯度Hough变换的遮挡苹果目标定位

为实现自然环境中被枝叶或其他果实遮挡的苹果目标定位,提出一种基于图像边缘信息的梯度Hough变换的目标定位方法。该方法首先在Lab空间中利用K-means聚类算法对自然环境下苹果图像进行分割,然后对分割结果进行形态学操作以去除小区域,接着采用Sobel算子提取苹果目标的边缘,最后利用梯度Hough变换获取苹果目标的圆心及半径,实现遮挡苹果目标定位。实验结果表明,该方法能够有效定位遮挡苹果,定位重合度高达93.17%。     

牧草图像快速分割方法及比较分析

针对北方典型牧草植物-苜蓿图像,采用多种常用的灰度化方法,并对其中的超绿法和Cr色彩法进行了改进,结合灰度图的特点,选用了单阀值分割和基于欧式距离的聚类分割方法将图像二值化,实现了苜蓿与背景的分离提取.利用大量的图像样本,对图像的分割准确率进行了统计分析和比较研究,得到了常用算法的定量评价和分割效果,得到了针对苜蓿图像的有效分割方法,为进一步实现牧草自动识别提供了依据.     

基于Mean-shift的棉花异性纤维图像分割

提出了一种基于均值平移(Mean - shift)算法和膨胀、滤波算法相结合的棉花异性纤维图像分割方法.选择具有代表意义的头发、麻绳和塑料布的灰度图像进行处理,首先对棉花异性纤维图像采用Mean - shift算法进行图像分割,然后对分割后的图像元素进行膨胀处理和滤波处理,实现棉花异性纤维图像的精确分割.实验结果表明,本文采用的图像分割方法具有较强的抗噪声能力,达到了比较满意的分割效果.     

基于自适应性的车牌定位新方法

图像中汽车牌照定位的准确与否,直接关系到自动车牌识别系统的整体性能.考虑由于时间和气候光照特性不同造成车牌图片清晰度的明显差异,提出一种新的自适应动态阈值车牌定位的算法.该方法首先分析图像的清晰度,将图像的白点数固定在一个与差分均值成正比的比例值内.然后,去除离散噪声.针对车牌区域的行和列有不同的特征,用不同的方法进行车牌横向和纵向区域的精确定位,最终找到目标车牌区域.实验显示,该方法对车牌定位的准确率达到98.7%.     

基于LoG算子的棉花图像检索算法研究

针对基于边缘检测的图像检索中边缘点容易受到噪声干扰的问题,提出一种基于LoG边缘算子的棉花图像检索算法.首先在求取边缘检测前进行滤除噪声处理,然后根据欧式距离衡量图像间的相似性.棉花图像数据集的试验结果表明,算法能够有效去除边缘噪声,提高了图像检索的查全率和查准率,尤其适用于高噪声环境下的棉花图像检索.     

名优绿茶嫩芽识别与定位方法研究

由于人工采摘名优绿茶效率太低,严重制约了名优绿茶产业的发展。研究具有选择性且能快速准确采摘名优绿茶的智能系统迫在眉睫。而嫩芽识别和定位则是实现名优绿茶机械采摘的前提,因此,开展了名优绿茶嫩芽识别与定位方法的研究。基于RGB颜色空间采用三基色以及组合因子对图像进行灰度化处理,利用维纳滤波和梯度增强技术对处理后的图像进行滤波去噪,采用大津法和迭代法分割图像获取二值图像;借助MATLAB软件对相机进行标定处理获取各项内外参数,然后采用质心法对目标进行定位。结果表明,利用G-B索引因子结合迭代法能较大程度地识别出嫩芽目标,采用张氏标定法能在误差要求范围内对目标质心进行定位,且实时性较高。     

FY-2C气象卫星延时云图的校正及实现方法

应用非线性插值法对FY-2C静止气象卫星数据中提供的简化网格数据进行近似插值计算.从计算结果看,使用非线性插值法对延时云图的校正效果较为理想,像点定位后扫描列的形状为一条平滑的曲线,基本实现了风云二数据的图像定位,为遥感数据的参数反演和针对性分析做了铺垫.