木材构造和生体节律的1/f型涨落谱

在综合现代木质环境学研究成果的基础上，就自然界中普遍存在着的涨落现象、涨落的分类、各种涨落谱的特征等做了一般性的说明。集中讨论了木材构造的涨落谱及生体节律的涨落谱特征，并就两者之间存在的共同点，即两者之间的相关性做了浅显说明，回答了为什么自古以来人们喜爱生物材料——木材及木材纹理构造这一问题的根本原因。     

花榈木埋根育苗技术

花榈木,为蝶形花科红豆树属树种,多生于海拔700m以下低山区、谷地、溪边阔叶林中。花榈木是珍贵用材树种,木材结构细,有光泽,纹理美观,耐腐朽,易切削,切面光滑,供制高级家具、工艺用品等,有些地方用于制剑柄及剑鞘。由于木材有特殊用途,20世纪60年代,皖南山区花榈木遭大量砍伐,     

桌面色彩及纹理对阅读的影响

本文通过阅读勾销实验 ,研究了不同色彩、不同纹理的桌面对阅读者的阅读效率、疲劳程度等方面的影响 ,并对实验结论进行了分析与评价     

基于分形维木材表面粗糙度的研究

应用分形维对木材表面粗糙度特征进行研究。首先，对Sarkar和Chaudhuri提出的分形维计算方法做了改进：其次，以60个树种为研究对象，提取和分析木材表面的分形维数。得出结论：分形维数能够反映木材表面的粗糙程度，可作为木材表面粗糙度的一种度量？     

高清晰度图案的制作新方法

彩色粉末喷涂是十多年来迅速发展的一项新技术、新工艺,具有节省能源和资源、减少环境污染、工艺简便、易实现自动化、涂层坚固耐用、粉末可回收再用等特点.其数千种的色彩和各种光泽、纹理的表面效果更是其它涂装技术所不及的.它的应用领域也极为广泛.如在钢板表面,经过适当的磷化处理后,其表面即可进行粉末喷涂;对铝材表面,则通常是进行铬化处理.     

针叶树材管胞气体渗透流阻及其渗透系数

针对树材气体渗透性与气体在管胞中的流动特性和规律紧密相关，研究管胞的气体渗透流阻，可以获得关于针叶树材气体渗透性更深入的认识。本文从针叶树材管胞解剖结构出发，运用流体力学理论，导出了管胞3个纹理方向渗透气体流阻的数学表达式，并由此计算了针叶树材管胞的气体渗透系数。计算结果表明，管胞流阻可以描述气体渗透阻力的分布情况，反映气体渗透性在3个纹理方向的差异，在木材细胞层次揭示针叶树材气体渗透性的机制。     

基于纹理-颜色特征与植被指数融合的冬小麦LAI估测

准确、快速、无损估测叶面积指数(LAI)对于冬小麦生产管理具有重要意义。利用无人机搭载Prime ALTUM多光谱相机获取冬小麦拔节期、孕穗期、抽穗期、灌浆期多光谱图像,利用LAI-2200C型植物冠层分析仪获取地面LAI数据。通过Pearson相关性分析筛选出25个植被指数,并提取植被指数影像中8种纹理特征：对比度(CON)、熵(ENT)、方差(VAR)、均值(MEA)、协同性(HOM)、相异性(DIS)、二阶矩(SEM)和相关性(COR),以及3种颜色特征：一阶矩(M)、二阶矩(V)和三阶矩(S),再分别利用多元逐步回归模型(MSR)、支持向量回归模型(SVR)和高斯过程回归模型(GPR)构建冬小麦LAI估测模型。结果表明：相对于考虑单一类型变量,考虑结合纹理特征和颜色特征进行估测时模型精度更高;3类模型中,GPR模型估测冬小麦LAI的精度最高;所有模型中,基于纹理-颜色特征与植被指数融合的GPR模型估测冬小麦LAI精度最高(决定系数R²为0.94,均方根误差(RMSE)为0.17 m²/m²,平均绝对误差(MAE)...     

改进BP神经网络和特征提取的黄瓜病害识别研究

快速、准确地识别黄瓜病害类型,制定防治方案并采取相关措施,是保障黄瓜良好生长的前提条件.为此,该研究提出采用随机梯度下降法的改进BP神经网络结合颜色特征和纹理特征的方法对黄瓜叶病害进行识别.首先,对采集的已归档分类后黄瓜的3种病害图像进行尺寸归一化和数据增强等预处理,其次,通过分析选择RGB图像的R分量、灰度共生矩阵的对比度、熵和能量作为特征提取参数;再次,构建改进的BP网络,运用提取到的特征参数对黄瓜病害叶片进行分类识别.结果表明,采用该方法黄瓜叶病害的识别率可达91.33％,说明该方法能较好地识别病害,具有较好的鲁棒性.     

基于 PCA 特征融合与 LDA 分类的实木地板纹理判别方法

纹理一致性影响着实木地板档次,针对目前实木地板纹理分类速度慢、精度低的问题,提出一种适合区分直纹、抛物纹、乱纹3类纹理的在线检测方法。方法首先对纹理图像进行缩小,运用视觉心理学的Tamura方法提取粗糙度、对比度、方向度、线性度、规整度、粗略度等6个纹理特征;同时在原图像提取反映图像全局信息的灰度均值、方差、熵等3个统计量;然后,运用主成分分析法（PcA）对3类纹理9个特征进行降维融合操作;最后,采用线性判别分析方法（LDA）构建3类纹理的辨识模型。采用200幅实木地板纹理图像进行实验,当主成分个数为7时,分类正确率稳定达到85％,较传统Tamura方法的83％和全局基本统计量的70％有所提高;特征提取时间为0．5548S,比缩小前图像的Tamura特征提取时间55．7000S明显减低,而分类正确率没有明显变化。     

基于PCA特征融合与LDA分类的实木地板纹理判别方法

纹理一致性影响着实木地板档次,针对目前实木地板纹理分类速度慢、精度低的问题,提出一种适合区分直纹、抛物纹、乱纹3类纹理的在线检测方法。方法首先对纹理图像进行缩小,运用视觉心理学的Tamura方法提取粗糙度、对比度、方向度、线性度、规整度、粗略度等6个纹理特征;同时在原图像提取反映图像全局信息的灰度均值、方差、熵等3个统计量;然后,运用主成分分析法(PCA)对3类纹理9个特征进行降维融合操作;最后,采用线性判别分析方法(LDA)构建3类纹理的辨识模型。采用200幅实木地板纹理图像进行实验,当主成分个数为7时,分类正确率稳定达到85%,较传统Tamura方法的83%和全局基本统计量的70%有所提高;特征提取时间为0.554 8 s,比缩小前图像的Tamura特征提取时间55.700 0 s明显减低,而分类正确率没有明显变化。