Auto detection of wood texture orientation by Radon transform

A novel and efficient approach for detecting wood texture orientation by computer was presented. Four Matlab functions were tried to describe the relative position and orientation of wood texture pixels, to detect texture shape and to create skeletal lines image of wood texture, and BWMORPH function was found the best one. Then by Radon transform, it generated a signature composed of 180 values,each value summing up the size of texture lines that are shaped along that angle, and a two dimensional curve plot was drawn to represent the texture orientation of wood. Furthermore, it analyzed texture orientations of forty species as well as their general statistic laws, classified by softwood, hardwood, radial section and tangential section, and the results showed that texture orientation laws described by Radon transform plot and their extracting datum were in accord with the impression of wood texture that people possessed in daily life, which confirmed the validity of this new approach and their appealing utilization potentials.     

关于晕渲图中注记配置问题的研究

本文在分析了当前晕渲图自动生产中注记处理的现状和存在问题的基础上,利用OpenGL纹理贴图技术,解决了文字位图生成、纹理透明处理、注记定位等技术问题,实现了晕渲图中随地形起伏注记的生成、交互操作和管理,提供了一种为晕渲图配置立体感较强的注记的方法.     

藏在深闺人初识的枝江玛瑙

玛瑙,是我国宝玉石种类之一,开发利用较早。位于长江中游,地处鄂西山脉向江汉平原过渡地段的湖北省枝江市境内有一条玛瑙河。玛瑙河的玛瑙石小有名气。这些玛瑙石形态各异,大如拳头,小如豆粒,色彩纷呈,晶莹透亮,令人爱不释手。经枝江奇石藏家反复鉴赏千余枚玛瑙石后,认为枝江玛瑙石具有以下几个艺术特点:     

基于颜色直方图和LBP-TD算子的木板材节疤缺陷区域检测

提出一种基于颜色和纹理信息的木板材表面节疤缺陷区域检测方法。首先,根据木板材表面图像中正常区域和缺陷区域的颜色差异,通过颜色直方图自动获取缺陷区域的种子点;然后,提出一种纹理扩散算法,它从种子点出发,基于图像局部纹理特征搜索缺陷区域的边缘。此外,改进了局部二进制模式算子,提出一种LBP-TD算子以更好地适应纹理扩散。实验结果表明:针对各种常见的木板材节疤缺陷,当缺陷区域与正常木纹区域的颜色、纹理存在较明显差异时,无论木纹本身是否规则,本文方法都能准确地检测出木板材节疤缺陷的区域;而当缺陷区域与正常木纹区域的颜色、纹理的差异均不明显时,本文方法仍能检测出缺陷区域的大致轮廓。数据对比显示了本文方法的误检率要低于传统的OTSU法。      

基于改进方向纹理谱特征的图像检索

在定义图像局部邻域纹理方向特性的基础上,提出了一种新的方向纹理谱描述符。该描述符针对局部邻域内中心像素与其相对的邻域像素,既充分考虑了它们间的灰度变化关系,又考虑了它们间灰度差异的变化关系,从而更有效地描述了局部纹理特征。为证明新描述符的分辨能力,采用4种不同图像库进行图像检索对比实验,结果表明,本文的新纹理谱描述符取得了最好的检索效果。     

基于多时相GF-1 WFV和高分纹理的制种玉米田识别

为给监管部门提供更准确的数据,及时发现非法玉米制种区域,根据不同地物在多时相光谱、高空间纹理等特征上的差异,基于163个地面样本、多源时序优选植被指数集和高空间分辨率遥感影像纹理分析的方法,进行制种玉米田识别。通过相关性分析,从GF-1 WFV 多光谱影像计算的8个植被指数(VI)中确定6种,多维度反映不同作物光谱差异,并利用随机森林（RF）分类方法实现玉米田块的识别;利用玉米抽雄期的1期0.7m Kompsat-3全色影像,构建灰度共生矩阵（GLCM）纹理特征体系,并进行局部二值模式（Uniform-LBP）旋转不变处理,解决了影像中作物种植纹理的方向性问题,同时为体现制种玉米父母本间隔种植的特点,提出了Subtract纹理特征,进一步识别制种玉米田。以新疆维吾尔自治区奇台县为研究区,对本文提出的方法进行实例验证,试验结果表明,制种玉米田识别的制图精度、用户精度分别为93.34%、99.19%。     

基于机器学习和环境因子的温室网纹甜瓜纹理特征的预测

为了对网纹甜瓜纹理特征进行定量预测,本文结合多个环境因子(基质含水量、温度、湿度、光合有效辐射),使用支持向量机(SVM)与随机森林(RF)多元回归分析方法,对基于灰度共生矩阵提取的4个果实表面纹理特征——对比度(contrast)、熵(entropy)、相关性(correlation)、角二阶矩(ASM)进行了预测。结果表明,纹理特征受环境影响敏感度依次为基质水分、光合有效辐射、空气湿度或有效积温。对比RF模型和SVR模型,发现在不同环境因子输入条件下,RF模型均优于SVM模型,其中输入全部环境因子后RF模型的预测精度最高,对比度、熵、角二阶矩的模拟精度均达到了0.90,分别为R~2=0.945(RMSE=0.243)、R~2=0.940(RMSE=0.235)、R~2=0.934(RMSE=0.248)。上述结果表明,RF模型对于网纹甜瓜纹理特征具有较好的预测结果,本研究结果可为温室网纹甜瓜栽培过程中的质量监控和栽培管理提供全新的思路。     

基于颜色和纹理特征的玉米旱情统计判别模型

利用颜色和纹理特征判定玉米植株干旱程度是玉米旱情监测识别的新途径,良好的统计判别模型构建方法对实现这一新途径意义重大。采集了玉米出苗-拔节、拔节-抽雄、抽雄-成熟3个生长发育阶段适宜、轻旱、中旱、重旱、特旱5个干旱程度的玉米植株图像,用MATLAB软件从图像中提取玉米植株的颜色和纹理特征数据,以SPSS软件对特征数据的训练集进行Fisher逐步判别分析,获得Fisher判别函数组,结合曼哈顿距离判别规则,建立了玉米出苗-拔节、拔节-抽雄、抽雄-成熟3个生长发育阶段的正视面、俯视面和侧视面共9个单视角统计判别模型,并将每个生长发育阶段的单视角统计判别模型联合构建为三维统计判别模型。玉米3个生长发育阶段的所有单视角判别模型在训练和测试时的平均判别准确率无显著差异,所有正视面和侧视面单视角统计判别模型训练和测试时的平均判别准确率均在90%以上,判别玉米不同干旱程度的准确率差异性小,所有俯视面单视角统计判别模型训练、测试时的平均判别准确率均低于85%,且判别玉米不同干旱程度的准确率差异性较大。玉米3个生长发育阶段的三维统计判别模型的训练和测试平均判别准确率在97%以上,且判别玉米不同干旱程度的差异性较小。玉米3个生长发育阶段的单视角统计判模型中,侧视面统计判别模型的判别效果最好,正视面统计判别模型次之,俯视面统计判别模型的判别效果相对较差,每个生长发育阶段的三维统计判别模型的判别效果均比单视角统计判模型好。