基于双目立体视觉的粮食智能随机扦样方法

针对粮食收购入库环节,传统扦样方式常存在扦样区域划分不科学、扦取样品代表性不足、扦样效率不高等问题,以及“人情粮”等舞弊风险,提出一种基于双目立体视觉的粮食智能随机扦样方法。首先使用双目立体相机获取散粮运输车的左右图像,利用图像分割技术自动识别车厢厢体及装粮区域,然后按照预先设定的随机扦样规则划分扦样区域并得到一系列扦样点,接着通过视差分析和立体匹配得到扦样点的三维坐标信息,最后自动生成扦样机控制指令,实现全过程智能随机扦样。     

基于影像分割的树木特征点提取方法研究

树木处于复杂的自然环境中,加之其本身的不规则性,使得影响树木影像检测和识别质量的参数难以确定.采用一种基于集群聚类的方法对树木影像进行影像分割,在聚类中心的定义方式上不是简单地以各类的灰度重心作为聚类中心,而是采用了一种最大—最小距离法进行聚类中心的动态选择.在聚类过程中除了合并过程还加入了类别分裂处理,对每一次迭代过程中标准差最大的类别分裂成新类,并将新类中的像元重新加入到距离判别过程中,成功地将树木从背景影像中分离出来.在此基础上选择合适的特征提取算法,分别对原始影像和分割结果进行特征点的提取,对提取结果进行比较,得到了更好的特征点提取结果,为后续的树木影像匹配等研究工作提供可靠的数据基元.     

一种机载LIDAR数据估算森林蓄积参数的方法

针对林业调查中的单株树木提取问题,提出一种基于机载激光雷达点云数据,采用局部最大值和噪点消除获取树冠顶点,利用分水岭分割方法提取单株树,根据样地树高和森林蓄积模型估算胸径和森林蓄积量的方法,与传统的人工现场勘测方法相比,具有更高的时间效率,减少了大量的人力成本。     

基于改进的分水岭算法对木材细胞边缘提取研究

利用分水岭算法对细胞轮廓进行提取,通过用不相邻邻域像素的灰度差来代替梯度变换,削弱了梯度对噪声过度敏感的问题.实验表明该方法非常适合于木材细胞轮廓提取,提高了对细胞轮廓的捕捉精度,为木材细胞微观特征提取的研究奠定了良好基础.     

基于分层叠加的机载LiDAR点云单木分割

【目的】提出一种基于分层叠加的单木分割算法,以充分利用高密度激光雷达点云信息,提高林分中下层单木分割精度。【方法】区别于传统将冠顶点作为聚类种子点的单木分割算法,基于分层叠加的单木分割算法以点云水平切片后各层的局部最大值为种子点进行分层聚类,并通过分层叠加与迭代优化,减少枝杈等因素导致的过分割现象,在保证上层树单木分割精度的同时提高对中下层单木的提取能力。【结果】基于分层叠加的单木分割算法在不同密度落叶松林分均有较高单木分割精度,提取单木与实测单木总体匹配成功率最高达94%,在中高密度林分匹配成功率最高达92%,相较其他算法,对中下层单木的匹配率可提高20%～40%;在单木树高提取精度方面,单木提取树高与实测树高相关系数为0.8,相对均方根误差为8.45%,提取冠幅与实测冠幅相关系数最高为0.83,相对均方根误差为16.5%。【结论】通过分层聚类、聚类种子点优化选取,充分利用林分各层次点云信息,可提高单木分割精度,为森林经营管理提供高精度数据支持。     

水曲柳单木生长模型的研究

根据黑龙江省、市、县576块水曲柳固定样地的解析木数据,在水曲柳单木直径生长模型中引入林木大小、竞争和立地条件因素,采用回归的方法建立水曲柳单木直径生长模型。研究表明：水曲柳单木生长模型与该林木自身的大小（lnD）、林分平均胸径（Dg）、对象木直径与林分中最大林木直径之比（DDM）以及土壤有较大的关系。林木的直径越大其生长量越大;竞争因子DDM说明水曲柳单木直径越大;其定期生长量越小;立地因子土壤表明,土层越浅其生长的越快。模型的检验精度为94%,说明模型具有良好的拟合效果,可用于实际的生产中。     

林分生长和收获模型研究进展

文中介绍了全林分模型、径级模型和单木模型3种林分生长和收获模型的特点及国内外应用情况, 并提出近几年的发展趋势。     

基于RGB空间的植被分割

绿色植被在地球的能量转化和物质循环中起着巨大而独特的作用,植被与环境的关系一直是植被研究的重要方面,基于卫片和航片的研究是如今最为广泛的研究方法。植被在RGB模式的航片上显示为绿色,与其他地物有明显分别。彩色图像分割是按照彩色图像的色彩规则将一幅图像分成若干个部分子集,将图像中有意义的特征或需要应用的特征提取出来。本文即根据彩色分割的原理,采集不同影像绿色植被上的样点若干,分析植被样点的RGB值的分布规律与分布范围,以此择定绿色植被的分割阈值,利用MATLAB软件对航空影像进行彩色分割,有效地分割出航空影片上的植被信息。     

以Von Bertalanffy生长理论为基础的单木生长模型

本文用对象木的胸径与８株竞争木的平均胸径比值和８株竞争木与对象木的平均距离的乘积作为竞争指标，根据Ｖｏｎ Ｂｅｒｔａｌａｎｆｆｙ生长理论，建立马尾松人工林单木生长模型。残差分析及误差计算表明：所建立的单木生长模型适用，精度较高，可用于预估林分内单株木的生长。     

油松、侧柏深秋边材木质部液流变化规律的研究

利用热扩散式边材液流探针和多种气象、土壤因子传感器组成的全自动数据采集系统 ,于深秋季节对北京西山地区低山成龄油松和侧柏林内单株边材液流速率、单木整株耗水量连日变化进行了系统观测。油松和侧柏边材液流每日 8:0 0以后启动 ,并逐渐增强 ,至 13:0 0～ 15 :0 0前后达到高峰 ,然后下降 ,18:0 0以后液流运移缓慢 ,至来日日出前后达到最低值。相同测定部位的边材液流速率 ,侧柏明显高于油松。油松树干不同部位边材液流日变化和连日变化趋势相同 ,但上部边材液流启动早 ,上升幅度大 ,到达峰值后即急剧下降 ,峰形窄而高 ;下部边材液流较上部明显延迟 ,且峰形平缓 ,峰值较低 ;测定期间油松树干上位和下位累计日周期和累计连日边材液流通量基本相同。进入 11月以后 ,单株日耗水量逐日降低 ,11月 6日油松日耗水量下降为 5d以前的 1 5 ,同期侧柏日耗水量已近于 0。油松和侧柏单木日耗水模型为三次曲线。边材液流的连日变化深受太阳辐射、气温、空气相对湿度、风速、土壤温度等因子的影响。利用线性回归方法建立了边材液流速率与环境因子关系的多元线性模型 ,影响边材液流速率的主导因子是 5cm和 2 0cm土壤温度、太阳辐射强度、空气湿度和风速。回归方程达到极显著水平。