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。     

基于特征融合的林下环境点云分割

针对林下环境几何特征的复杂性,以及基于边检测、表面增长和聚类分割方法存在的效率低、分割不足及过度分割等问题,提出了一种基于特征融合的点云分割方法。采用地面激光扫描仪FARO在北京林业大学选择样本区域进行扫描,对扫描得到的数据进行采样点剔除及滤波,得到由1166302个点组成的林下环境点云数据,主要包括林木、地面、石块、人4类目标。综合利用点云法向量信息和激光反射强度信息可实现点云分割。其中,点云激光反射强度可直接从扫描得到的点云数据中获取;法向量可根据点云数据的三维坐标信息,通过对点云数据建立kd-tree数据结构,执行k-邻域搜索,并基于PlanePCA算法计算得到。将点云法向量和激光反射强度2方面的特征优势进行融合,计算中心点与邻域点的综合相异度,并判断其是否在阈值范围内,最终实现点云分割。比较基于特征融合、法向量和激光反射强度3种聚类分割方法得到的分割结果可知,基于特征融合的聚类分割方法能较好地保留数据特征,且分割完整度明显优于其他2种方法。      

基于三角形折叠的植物叶片曲面网格简化方法研究

为在保留植物器官形态重要特征的前提下,适度精简原始三角网格数据,以满足计算机三维建模及应用的需要。通过改进Isler等"基于三角形折叠的网格简化方法",提出了能够有效解决简化过程中出现网格交叉、大钝角三角形和狭长三角形现象的算法,构建精简叶曲面网格的新方法,并使用三维激光扫描仪采集得到的烟草叶片结构数据对该方法进行评价。结果显示当冠层简化比例为90.3%时,渲染效率提高86.1%,并且简化后叶片仍然逼近原始结构。结果表明:使用该算法不但能显著减少叶曲面三角形网格的数目,而且能很好地保留叶曲面形态特征。该算法可应用于不同形态类型叶片的简化,包括褶皱度很大的叶片。该研究可为植物冠层可视化与植物冠层光环境模拟等方面提供有力的支持。     

土壤重金属数据异常识别方法 ——以北京农田区样点数据为例

土壤重金属调查数据中的异常往往会导致评价分析结果与真实分布情况产生偏差和错误,直接影响后续的决策管理.针对传统异常值检测中邻域范围的确定偏于主观,且异常值检测后无法识别其类型的问题,提出了一套土壤重金属异常识别方法.该方法基于K临近法确定重金属合理稳定的最佳邻域区间,结合局部空间自相关法识别空间异常值,基于相关性分析识别土壤重金属异常类型.以北京市2006年铅(Pb)和铜(Cu)重金属含量为例,将该方法与其他方法结合进行变异特征和插值预测精度评价分析.结果显示,Pb和Cu含量存在稳定的邻域区间,其中6号点位的Pb、Cu含量,39号点位的Cu含量存在异常;前者异常类型疑似真实异常,后者异常类型疑似数据错误;将原始样点进行全局、局部和疑似数据错误异常样点剔除后,样本总体的离散程度降低,样本空间自相关性程度及区域结构性变异趋势增强;剔除全局和局部异常点后,数据空间插值误差明显减小,去除疑似数据错误异常点后插值误差较去除局部异常点时的插值误差基本一致.说明原始样点中对判断为疑似数据错误的样点进行剔除后对整体插值估计影响甚微,证明该土壤重金属异常识别方法的有效性和准确性.     

基于视觉注意模型的苗期油菜田间杂草检测

提出了基于视觉注意模型的苗期油菜/杂草图像检测方法。针对苗期油菜大田环境,获取油菜/杂草RGB原始图像。根据原始图像颜色分布特点改进Itti模型,生成系列特征显著图,结合区域生长算法分割出感兴趣区域。针对该区域提取形状和纹理特征参数作为支持向量机输入量,判别出所有油菜区域,最后融合原始图像和油菜区域获取最终株间杂草区域。结果表明:与局部迭代阈值法和最大类间方差法相比,本研究提出的图像分割方法更优,正确分割目标概率、错误分割目标概率及漏分割目标概率分别为92.46%、3.26%及7.54%;针对形状、纹理、综合特征及精选特征四类特征参数集,径向基-支持向量机的识别率分别为96.00%、94.29%、100.00%及96.00%。     

三维碎片拼合的轮廓提取和特征点检测

针对三维空间碎片的拼接,提出一种轮廓提取和特征点检测的方法。首先,采用一种简单、有效的方法来构建三维碎片数据的拓扑关系,并在此基础上提取碎片的轮廓曲线。对存在缺陷、拓扑关系难以建立的三维测量数据,中给出了相应的修改、调整方法。同时,提出了一种对轮廓进行重采样的方法来计算空间轮廓上每一点的曲率和挠率。将曲率和挠率相结合得出轮廓曲线上各点的全曲率,然后由全曲率值来检测碎片轮廓的特征点。轮廓曲线的描述就由其上每一点的曲率和挠率以及特征点来表征。实验表明了该算法的有效性和稳定性。     

基于QTM的线状图形自动化简算法探讨

全球网格是由形成地球表面剖分的一系列区域所组成,八面体四分三角网(QTM)是其中一种具有层次性的网格.本文依据数据点在规则网格中的分布规律,提出了一种在QTM数据结构支持下的线状图形化简算法.该算法以经过每级QTM网格的数据点的平均值为标准,能自动地对比较平缓的线段进行较粗选点,而对相对复杂的线段进行较密选点.本文以及Dutton算法都能克服Douglas-Peucker算法中难以客观和合理确定阈值的困难,但是本算法比Dutton算法简单,且具有更高的化简率,能更好地保留了线状图形的弯曲特征.     

基于SVM算法的区域农田灌溉短期用水量预测方法

常规方法对区域农田灌溉短期用水量预测时易出现预测数据误差大,预测过程复杂等现象。设计基于SVM算法对区域农田灌溉短期用水量进行预测。以某沿黄区域位于全景属于黄河流域东南方向一区域农田为研究对象,首先基于SVM算法选择用水量特征,选取一对一的构造方法将农田灌溉短期用水量数据分为两个类别。通过SVM算法中支持向量机分类功能将农田灌溉短期用水量特征子集进行获取,并在此基础上可以根据特征子集通过预测模型进行用水量预测。由于用水量序列波动性较强,将GM(1,N)模型与机器学习算法LSSVR模型相结合来进行用水量预测,并确定模型评价指标。结果证明基于SVM算法的区域农田灌溉短期用水量预测方法误差在允许范围内且在农业中具有可使用性。     

基于点的方向图算法

提出了一种基于曲率的点方向初始值算法．该算法根据像素点在不同方向上的曲率变化确定该点的初始方向值，并明确提出了点方向的概念．提出了一种点方向图的新算法并研究了相应的快速算法．基于块划分的传统块方向图有时是不连续的．与块方向图相比，点方向图保留了块方向图的统计特性，又克服了块方向图的缺陷，不需要先进行背景分离，点方向计算与背景分离同步进行．     

局部支持向量回归在小麦蚜虫预测中的研究与应用

针对小麦蚜虫预测预警准确率不高的问题,本文提出了一种基于局部支持向量回归的小麦蚜虫短期预测算法。首先用相关分析法进行特征选择,然后进行归一化处理,最后使用局部支持向量回归进行小麦蚜虫百株蚜量短期预测模型的构建,并对未知样本进行预测。利用1990~2013年山东省烟台地区的小麦蚜虫数据及气象数据进行实验,并与标准的支持向量回归进行对比试验。局部支持向量回归的预测以及回代的均方误差为196362和198780,准确率为82.69%和91.03%;支持向量回归的预测以及回代的均方误差为199366和213108,准确率为80.77%和91.03%。实验结果表明,对于小麦蚜虫的短期预测,局部支持向量回归在准确率和推广能力上均明显优于支持向量回归。     

三维轮廓匹配的多尺度技术

采用多尺度分析技术实现三维轮廓曲线匹配.三维轮廓曲线通过不同尺度的Gaussian函数滤波和等距重采样,将曲率和挠率的乘积为局部极大值的点作为轮廓曲线的特征点,利用特征点将轮廓分段,对轮廓曲线进行Fourier变换得到Fourier描述符;选择Fourier描述符的低频分量构成三维轮廓曲线的特征矢量,通过比较特征矢量决定2条轮廓是否相似;在2条轮廓相似的基础上,实现三维物体轮廓曲线的匹配.结果表明本文提出的算法具有快速、准确、效果好等特点.     

低空林地航拍图像拼接的改进缝合线算法

目的图像拼接效果的优劣主要取决于图像配准和图像融合两个步骤。图像配准误差导致的错切以及图像序列间的视差导致的鬼影、重影问题可通过图像融合算法减小或消除。目前图像融合算法中最佳缝合线算法的综合效果较好, 但没有考虑到拼接图的正射效果, 并且无人机低空飞行时树高相对飞行高度比值较大, 这在获取正射影像时是不可忽略的干扰因素。传统的数字正射影像(DOM)是基于数字高程模型(DEM)对单张影像进行数字微分纠正进而拼接成整个区域的正射影像图。但是, 地形高程数据和植物的高度数据获取困难, 而恢复出来的地形和植物高度与实际数据存在误差, 造成DOM在局部边缘出现扭曲、模糊问题。本文提出一种不需要DEM数据, 仅用图像信息使拼接结果图保留正射投影的改进缝合线算法。方法首先对SURF特征检测、匹配与筛选, 用RANSAC算法求得的单应性矩阵确定相邻图像重叠区域; 然后基于重叠区中像素点位置与相邻两图像中心点位置的距离差可以反映正射效果的思想, 将距离差引入能量函数, 同时设计了动态权值参数用来平衡颜色、结构和距离三者的重要程度, 利用动态规划思想搜索得到最佳缝合线; 最后在缝合线两侧进行多频带融合生成类似正射影像的无缝拼接图。结果实验图像来源于不同样地、不同飞行高度, 在相邻两幅图像以及同一条带航线图像上将本文的改进缝合线算法与其他3种缝合线算法以及Pix4D生成的数字正射影像进行对比。实验结果表明, 本文提出的缝合线改进算法能保留正射投影, 视觉效果优于现有的缝合线算法, 在城镇建筑图像的实验中局部效果优于Pix4D。结论本文针对无人机低空林地航拍图像拼接重影问题和拼接结果由于视角不同而产生非正射影像区域的问题, 实现了一种不需要DEM数据进行数字微分纠正但能生成类似正射影像效果的改进缝合线算法。实验结果显示, 本文算法优于目前的最佳缝合线算法, 能够保留正射投影, 效果类似DOM, 并且在保证物体边缘清晰方面优于目前商用软件生成的DOM。这有利于更准确地计算林地的郁闭度, 估算林地植被覆盖面积, 对跟踪识别地表动植物也具有一定的帮助。除林地图像之外, 本方法也可以推广到其他需要保留正射投影的低空航拍拼接应用领域, 如城镇航拍图像等。      

基于多尺度特征向量的输电线路无人机LiDAR点云数据分类方法

提出了一种基于多尺度特征向量的输电线路无人机LiDAR点云数据分类方法,可以有效对线路走廊中的地物进行分类。首先提取三维点云数据的多尺度局部特征作为特征参数构成特征向量,主要包括高程特征、连通特征、张量特征和平面特征。然后将多尺度特征向量输入到多分类相关向量机分类器中,在完成分类器训练之后,对无人机LiDAR点云数据进行分类。试验结果表明,该方法可以有效区分地面、植物、建筑物、杆塔和电力线5类线路走廊地物LiDAR点云数据,分类整体精度达到96.63%。     

基于改进遗传脉冲耦合神经网络的玉米病害图像分割方法

作物病害图像分割是利用数字图像处理技术进行病害识别的关键性技术环节之一,现有病害分割方法存在病害区域外部形态特征细节保留程度差和颜色纹理信息丢失等问题.针对上述问题,提出一种基于改进遗传算法的脉冲耦合神经网络分割方法.首先改进遗传算法,以信息熵的加权线性组合作为优化适应度函数用以在每次迭代过程中评价脉冲耦合神经网络对于病害区域的分割效果,通过计算种群适应度方差和适应度均值自适应调整遗传算法的交叉概率和变异概率;然后将改进遗传算法与脉冲耦合神经网络相结合,实现网络连接系数、衰减系数和幅值系数的自动优化调节;最后利用改进遗传脉冲耦合神经网络分割算法,在RGB子空间分别对病害图像进行病害区域分割,将分割结果利用RGB颜色空间子图合并策略实施合并,从而得到最终的图像分割结果.将此算法、最小交叉熵阈值化算法和GA-PCNN算法用于玉米黑瘤粉病彩色图像病害区域分割.结果表明:从主观视觉评测角度,此算法分割效果较好,能够较为细致的呈现病害区域的外部形态特征和较为完好的保留病害区域的颜色纹理特征;从客观量化评测角度,此分割算法在目标区域分割匹配率、错分率和正确率上明显优于最小交叉熵阈值化算法和GA-PCNN算法.     

基于无人机多光谱遥感图像的玉米田间杂草识别

【目的】为了精确高效识别玉米田间杂草,减少除草剂施用,提高玉米种植管理精准性。【方法】通过六旋翼无人机搭载多光谱相机获取玉米田块多光谱图像。为分离图像中植被与非植被像元,计算了7种植被指数,采用最大类间方差法提取植被指数图像中非植被区域,制作掩膜文件并对多光谱图像掩膜。通过主成分分析对多光谱图像进行变换,保留信息量最多的前3个主成分波段。将试验区域分为训练区域和验证区域,在训练区域中分别选取了675处玉米和525处杂草样本对监督分类模型进行训练,在验证区域选取了240处玉米样本及160处杂草样本评价模型分类精度。将7种植被指数、3个主成分波段的24个纹理特征及经过滤波的10个反射率,共计41项特征作为样本特征参数。利用支持向量机-特征递归消除算法（support vector machines-feature recursive elimination,SVM-RFE）和Relief算法从41项特征中各筛选14项特征构成特征子集,采用支持向量机、K-最近邻、Cart决策树、随机森林和人工神经网络对特征子集进行监督分类。【结果】支持向量机与随机森林对全部特征及2个特征子集分类效果较好,支持向量机总体精度为89.13%—91.94%,Kappa>0.79,随机森林总体精度为89.27%—90.95%,Kappa>0.79。【结论】SVM-RFE算法对数据降维效果优于Relief算法,支持向量机（SVM）模型对区域冠层尺度下玉米与杂草的分类效果最好。     

基于改进区域生长法的羊体点云分割及体尺参数测量

针对传统羊体尺测量中测量耗时、应激大的问题,采用主成分分析、随机采样一致性算法和改进的区域生长法,基于三维点云对羊体尺参数测量进行研究。结果表明:1)使用主成分分析和随机采样一致性算法能计算羊体点云的法向量和曲率;2)改进的区域生长法能准确地分割出羊体区域,并且避免了外点的干扰;3)在羊体点云数据上选取体尺测点,计算羊体长、体高、臀高、胸深体尺参数,并与实测值比较,4种体尺参数的最大相对误差为2.36%,测量精度较高。试验证明改进的区域生长法能准确地对羊体点云进行分割,依据选取的体尺测点,能够实现羊体尺参数的无接触测量。     

基于FPFH特征和NDT算法的树木点云配准

为了提高海量林地三维点云数据配准的效率和精度,提出了一种基于快速点特征直方图(fast point feature histograms,FPFH)初始匹配与正态分布变换(normal distributions transform,NDT)精确配准相结合的配准算法。首先计算2个待配准点云的法向量,再使用k-d树结构对点云的FPFH特征进行加速计算。然后,根据2个点云相似的FPFH特征,使用采样一致性初始配准算法(sample consensus initial alignment,SAC-IA)求解初始变换矩阵、完成初始配准。最后,用DNT算法对点云体素化,并使用点云密度概率分布函数进行点云数据的精确配准。结果表明,FPFH-NDT算法的平均配准误差(相应点对的平均距离)为0.032 3 m,运行时间为256.376 s;在0.05~0.1 m的点云采样阈值范围内,FPFH-NDT算法的配准误差基本不受采样阈值变化的影响,其值稳定在0.03 m左右;当采样阈值>0.1 m时,配准误差随采样阈值的增大而增大;算法的配准时间整体上随点云采样阈值增大而减少。传统ICP算法的平均配准误差和时间分别为 0.526 3 m 和14.5 s;FPFH-ICP算法的平均配准误差和时间分别为0.042 5 m和289.346 s。FPFH-NDT算法与传统ICP算法相比在配准精度上有了很大的提高,与FPFH-ICP算法相比,在保证点云的配准精度的基础上,FPFH-NDT算法降低了算法的运行时间,提高了点云配准效率。     

基于无人机多光谱遥感图像的玉米田间杂草识别

【目的】为了精确高效识别玉米田间杂草,减少除草剂施用,提高玉米种植管理精准性。【方法】通过六旋翼无人机搭载多光谱相机获取玉米田块多光谱图像。为分离图像中植被与非植被像元,计算了7种植被指数,采用最大类间方差法提取植被指数图像中非植被区域,制作掩膜文件并对多光谱图像掩膜。通过主成分分析对多光谱图像进行变换,保留信息量最多的前3个主成分波段。将试验区域分为训练区域和验证区域,在训练区域中分别选取了675处玉米和525处杂草样本对监督分类模型进行训练,在验证区域选取了240处玉米样本及160处杂草样本评价模型分类精度。将7种植被指数、3个主成分波段的24个纹理特征及经过滤波的10个反射率,共计41项特征作为样本特征参数。利用支持向量机-特征递归消除算法(support vector machines-feature recursive elimination,SVM-RFE)和Relief算法从41项特征中各筛选14项特征构成特征子集,采用支持向量机、K-最近邻、Cart决策树、随机森林和人工神经网络对特征子集进行监督分类。【结果】支持向量机与随机森林对全部特征及2个特征子集分类效果较好,支持向量机总体精度为89.13%—91.94%,Kappa0.79,随机森林总体精度为89.27%—90.95%,Kappa0.79。【结论】SVM-RFE算法对数据降维效果优于Relief算法,支持向量机(SVM)模型对区域冠层尺度下玉米与杂草的分类效果最好。     

孪生二叉树支持向量多分类机算法

提出一种基于二叉树支持向量机的超球孪生二叉树支持向量机,该算法结合了孪生支持向量机和二叉树支 持向量机的优势,加快了训练速度,减少了误差累计.通过引入坐标轮换法和收缩技术,得到超球坐标轮换孪生二 叉树支持向量机.实验结果表明,这两种算法具有如下优点:相比一对多支持向量机,在训练时间上具有绝对的优 势,特别是在处理数据规模较大且稀疏性较强的问题时;避免了一对多支持向量机可能存在的样本不均衡性、不可 分区域等缺点.     

森林区域机载LiDAR点云数据的改进八叉树滤波算法研究

目的利用机载LiDAR点云数据能准确获取地物点三维坐标的特点,本文对森林区域LiDAR数据进行滤波分析,旨在提高点云滤波精度。方法基于改进的八叉树模型,将复杂地形分解为大量山坡地形,通过改变节点尺寸,既保留了点云的原始信息,又增强了点云数据分割的准确性。针对森林区域地形起伏不定的实际情况,在滤波算法中引入坡度判断,在一定程度上改善了山坡低矮植被易被错分为地面点的情况。结果对于3组不同地形下的点云数据,滤波总错误率分别为4.57%、4.75%和5.83%。这一结果对森林区域不同地形下的点云滤波具有一定的实用性。结论本文提出的改进八叉树滤波算法可以充分利用数据结构特征实现快速、高精度的滤波,从而节约时间成本和运行成本,也为后续森林参数的提取奠定基础。