目标树经营对杉木人工林林分空间结构的影响

为探究目标树经营对杉木人工林林分空间结构的改善效果,在3个林龄(8、12、21 a)的杉木人工林中分别设置3块标准地,选取4个空间结构参数(角尺度、大小比数、开敞度和竞争指数)与胸径因子构建单木综合评价指标模型来确定目标树、干扰木和一般木,通过模拟采伐干扰木,计算并分析间伐前后林分空间结构参数的变化.结果表明,林分空间...     

一种从土壤背景中分离出作物的图像分割方法

杂草是指生长在不适当的地方的植物，其生长对经济作物的影响弊大于利。杂草与经济作物争土壤、阳光和水肥，而且极易蔓延。杂草的蔓延是导致作物减产的主要因素，并可能会使作物的生产量减少25％-30％。     

基于颜色特征的水稻秧苗图像分割

本文针对水稻稻田图像中秧苗和背景分割问题,采用基于最大类间方差法(OTSU法)的分割方法,成功地把水稻秧苗像素和背景像素分割开.首先用CCD相机获取水稻插秧机插秧作业后的水稻稻田图像,选择超绿颜色因子将水稻秧苗RGB彩色图像转化为灰度图像,使用OTSU法计算阈值,成功地将灰度图像转变为二值图像.又采用该方法分割了20幅水稻秧苗图像,结果表明,超绿颜色因子可以对水稻秧苗图像有效分割.     

基于自动取阈分割算法的秸秆覆盖率检测系统

在分析保护性耕作地块覆盖秸秆和土壤亮度存在差异的基础上,以MATLAB为工具,采用自动取阈图像分割算法,提取田间实拍图像中的秸秆及土壤信息,统计图像中秸秆覆盖面积,利用秸秆覆盖率算法实现对地表秸秆覆盖率的自动检测。系统经田间模拟试验校正后,田间测试误差可控制在4%以内,平均检测效率可提高约72倍,为开展保护性耕作技术秸秆覆盖研究提供了一种可行有效的方法。     

基于自适应全局阈值融合标记的遥感图像建筑群分割

针对分割遥感图像建筑群时,标记不完全所产生的过分割和欠分割并存问题,提出一种基于自适应全局阈值融合标记的图像分割算法.该算法根据建筑群的分布和纹理特点,利用小波变换提取图像梯度,通过形态学重构对梯度图像进行滤波;采用局部极小值法提取背景标记,并应用自适应全局阈值法提取建筑群标记.采用逻辑运算进行标记融合,用融合后的标记修改加权像素的Sobel梯度图实现精准分割.实验结果表明,该算法能够弥补形态学滤波梯度图的局部极值标记不足问题,抑制了建筑群的过分割和欠分割,准确地将建筑群从背景中提取出来,分割正确率达到90.7％.     

基于K_means硬聚类算法的葡萄病害彩色图像分割方法

为了提高植物病害图像的分割精度与效果,根据植物病害症状及图像的特点,提出了一种基于K_means硬聚类算法（HCM）的葡萄病害彩色图像非监督性分割处理方法。该方法是在L*a*b*颜色空间模式下利用ab二维数据空间的颜色差异,以平方欧式距离作为像素间的相似度距离、以均方差作为聚类准则函数对颜色进行二分类聚类,并通过数学形态学运算对聚类结果进行校正。利用该方法对3种葡萄病害彩色图像进行分割的结果表明,该方法能够较为准确地将病斑区域从彩色图像中分割出来,对葡萄病害彩色图像的分割处理比较理想,鲁棒性好,分割准确率     

基于厘米级无人机影像的水土保持措施精准识别

基于厘米级高分辨率无人机影像,应用面向对象方法(Object-Based Image Analysis, OBIA)对吉林省伊通县椽子沟流域的横坡改垄、地埂植物带、生态恢复乔木林、生态恢复草地等水土保持措施进行自动精准识别。应用超绿指数(Excess Green Index,ExG)、超红指数(Excess Red Index,ExR)、归一化差异指数(Normalized Difference Index,NDI)等光谱指数,形状的主方向、形状指数等形状特征,均值(Mean)、方差(Variance)、对比度(Contrast)等纹理特征进行措施的特征提取。结果表明:研究区水土保持措施识别的总体精度可达91.24%,Kappa系数为0.87;对垄台、垄沟等线性水土保持措施总体精度可达72.33%,Kappa系数为0.63。基于厘米级无人机影像,应用面向对象方法基本可实现对黑土区水土保持措施的精准识别,也可对垄台垄沟等线性措施进行自动识别,研究结果可为水土保持措施实施范围及完好程度的动态监测提供参考依据。     

基于混合蛙跳算法的马铃薯病害图像分割优化

针对Otsu算法对直方图呈现多峰多谷的复杂马铃薯病害图像分割效果不佳的问题,结合混合蛙跳算法(shuffled frog leaping algorithm,SFLA)提出了一种Otsu-SFLA分割优化模型,将Otsu病害图像的分割结果作为SFLA算法的优化起点,进行复杂背景的马铃薯病害图像的分割优化,将马铃薯叶枯病、马铃薯晚疫病、马铃薯菌核病、马铃薯根腐线虫病、马铃薯灰霉病的病害图像作为分割对象进行分割,分割匹配率分别为97.0%、96.2%、96.9%、95.7%、94.8%,平均分割匹配率为96.1%,错误率分别为1.6%、1.1%、1.2%、1.1%、1.4%、平均错误率为1.3%,正确率分别为95.4%、95.1%、95.7%、94.6%、93.4%,平均正确率为94.8%,表明Otsu-SFLA模型可有效从复杂马铃薯病害图像中获取病斑区域。     

田间枣树叶片复杂目标图像综合分割方法

设计了一种复杂图像分割的综合算法。首先对图像进行预处理,锁定大致目标范围,对图像进行增强,再基于阈值分割和Canny算子对图像进行初步分割。然后结合形态学处理方法及各种逻辑运算对分割结果进行优化处理,得到精确完整的目标图像。以田间枣树叶片图像为例进行实验,证明了该算法的可行性和有效性。该算法对叶片重叠、叶片灰度不均匀等复杂图像都有很好的分割效果,获得了边缘清晰、平滑、定位精确的边缘图像。     

自然环境下重叠果实图像识别算法与试验

针对非结构化自然环境中光照变化和对象重叠特征等外界因素给图像处理带来的难题,提出了一种自然环境下重叠果实的图像识别与边界分割的组合优化算法。该组合优化算法首先对原始图像进行噪声滤波处理,然后利用Sobel算子以及改进算子的最大类方差法(OTSU)来辨识重叠果实目标;接着采用K-means算法对重叠目标的像素进行聚类得到单个目标位置,再结合边缘检测结果的连通域分析及区域生长获得单个目标边界的大致区域;最后利用基于限制区域的分水岭算法,得到目标的精确边界。为了验证所提算法的有效性和适应性,进行了试验研究。试验结果表明:所提出的组合优化算法不仅可以在自然环境下从重叠物体图像背景中识别出重叠目标,而且还可以从重叠目标中分割出单个目标的精确边界。