排序方式: 共有39条查询结果,搜索用时 15 毫秒
21.
22.
基于TM影像的草原沙漠化植被盖度分析研究 总被引:1,自引:0,他引:1
植被盖度是草原沙漠化评价的重要指标,以TM影像为数据源,结合地面调查数据和对应点的NDVI值,建立了植被指数与植被盖度间的回归模型,利用该模型生成植被盖度分布图;同时利用前人的植被盖度计算经验公式,生成同一区域的植被盖度分布图,并分别对其植被盖度数据进行分级。对比分级结果,发现:通过大量的地面调查数据建立的盖度分析模型分类精度较高,总精度达到85.42%,而通过经验公式计算,效果相对较差,其分类精度仅有75.00%。 相似文献
23.
分别选择浑善达克沙地西部、中部和腹地3个区域,利用遥感影像的假彩色合成、比值增强、归一化植被指数(NDVD、掩膜技术等遥感图像增强处理技术,对3个区域进行遥感数字图像处理,探讨增强草原沙漠化信息的有效方法。研究发现:NDVI图像中,不同级别的草原沙漠化在灰阶上易于区分,尤其是轻度沙漠化和重度沙漠化,反差非常大;TM3/TM4比值运算增强了沙漠化信息,特别是半固定沙地的信息,再与原图像中的TM4和TM5进行假彩色合成,形成含有比值运算信息的合成图像,更加突出了草原中度沙漠化的信息。 相似文献
24.
25.
26.
基于点云数据的猪体曲面三维重建与应用 总被引:5,自引:0,他引:5
针对动物体型参数人工测量工作量大、精度低、应激大等问题,以120日龄长白猪标本为研究对象,利用逆向工程技术,通过激光三维扫描仪,采用三角测距原理,计算了目标点三维坐标数据,获取了猪体点云数据。通过Polygon Editing Tool Vel.2.40软件,进行点云数据预处理,基于不规则三角网,重构了猪体的三维曲面模型。进而提取了猪体的体长、体宽、臀宽、体高、臀高、胸围、体表面积、体积等体型参数。结果表明:通过激光三维扫描仪,获取了272 021个点数据,重构了猪体三维曲面模型,包含544 042个多边形;对比分析三维模型的体型参数检测值与实测值,其体长、体宽、臀宽、体高、臀高、胸围等体型参数检测最大相对误差仅为0.42%,平均相对误差为0.17%。该方法测算精度高,工作量少,且对猪体无应激,可为猪体质量估测模型提供高精度体尺数据支持,也可为动物体型其他参数获取提供技术参考。 相似文献
27.
28.
基于机器视觉的猪体体尺测点提取算法与应用 总被引:18,自引:13,他引:5
无应激获取猪体的体尺、体质量,是猪福利养殖中的一个重要任务,为解决机器视觉提取自然站立姿态下猪体的体尺测点识别率低的问题,该文通过在线摄像机获取120d龄长白猪的彩色图像,以猪体体尺传统的测量位置为研究基础,结合猪舍现场实际情况,提出了复杂背景下猪体个体信息提取的算法、基于包络分析的猪体头部和尾部的去除算法以及具有一定弯曲姿态的复杂猪体体尺测点坐标提取的算法,并利用Matlab2010软件实现了其算法。验证试验结果表明:通过背景减法和去除噪声算法可去除背景干扰,有效识别猪体信息;测点提取算法可准确提取自然姿态下猪的个体轮廓,识别其体尺测点,实现了猪体的体长、体宽等体尺量算的9个体尺测点的坐标提取,经验证,对猪体体长的实测值平均相对误差最小,其平均相对误差仅为0.92%;其次为腹部体宽,其平均相对误差为1.39%;而对猪体肩宽和臀宽的检测误差较大,平均相对误差分别为2.75%和3.03%。本研究可应用于猪体无应激量算体尺、估算猪体体质量,为开展福利养殖提供了一种新方法。 相似文献
29.
利用 2 0 0 2年的 TM影像 ,结合地面 GPS精确定点调查 ,在 GIS平台上对镶黄旗草原资源现状进行监测 ,对比 1 989、1 996两期 TM影像和 80年代调查等历史资料 ,进而得出镶黄旗近期草原资源的变化状况 相似文献
30.
基于机器视觉的猪体质量估测模型比较与优化 总被引:1,自引:7,他引:1
基于机器视觉的猪体质量估测模型较多,但模型缺乏在实用性、准确性的对比,最佳模型没有定论。该文总结了已有的估测算法,基于79组背部图像面积、实际面积、体长、体宽、体高、臀宽、臀高数据,使用线性回归、幂回归、二次回归、主成分线性回归、RBF(radial basis function,径向基函数)神经网络等方法,重建了13种体质量估测模型,并比较了13种模型的估测精度。结果表明,基于体长、体宽、体高、臀宽和臀高的线性回归模型具有较好的估测精度,估测值与真值的相关系数达到了0.996。利用主成分法去掉体尺的共线性,利用曲线回归解决残差不均匀问题,更加符合猪体质量增长趋势,结果表明基于主成分的幂回归模型具有较高的相关系数和较低的标准估计误差,对于97组数据的估测平均相对误差为2.02%。使用猪场实测24组数据验证模型,估测质量与测量值相关系数为0.97,估测平均相对误差为2.26%,标准差为1.78%,优于基于面积和面积体高结合的估测模型,平均绝对误差为2.08 kg,优于面积体高结合方法的平均绝对误差。试验证明使用多个体尺的主成分幂回归体质量估测模型较为精确,可用于机器视觉估测猪体质量的应用中。 相似文献