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。     

基于无人机遥感影像的覆膜农田面积及分布提取方法

针对基于无人机遥感的覆膜农田识别研究甚少的现状,该文以云南省昭通市鲁甸县为研究区,获取了研究区中地表类型复杂程度不同的2幅航空影像(复杂区影像和简单区影像)作为试验数据,利用灰度共生矩阵对原始航片影像进行纹理特征提取并选择纹理特征最佳提取参数;然后基于随机森林算法进行纹理特征重要性评价,优选纹理特征,结合原始数据进行最大似然初步分类;运用众数分析进行分类后处理;最后结合图像形态学算法与面积阈值分割法提取出了最终的覆膜农田面积及分布。通过试验结果发现,依据该文提出的方法,复杂区和简单区覆膜农田识别的总体精度、Kappa系数、产品精度、用户精度和面积误差分别达到了94.84%、0.89、92.48%、93.39%、0.38%和96.74%、0.93、97.39%、94.63%、1.95%。该文提出的融合监督分类和图像形态学算法的覆膜农田提取方法可以简单、快速的将地膜连成块,形成覆膜农田对象,进而通过面积阈值分割法获取高精度的覆膜农田分布信息。该方法可以为精准覆膜农田识别算法的发展提供参考。     

云阴影区机载高光谱影像森林树种分类

[目的]使用窄波段植被指数、纹理信息等特征对影像进行分类,探究植被指数和纹理信息对于云阴影下树种分类的潜力。[方法]使用经过大气校正后的高光谱影像进行窄波段植被指数的计算、纹理分析以及主成分分析,并对计算的结果进行波段组合。用于计算纹理信息的波段通过最佳指示因子进行选择,选取的波段数为31(0.67 nm),51(0.86 nm),55(0.89 nm) 3个波段。结合高分辨率的航空相片进行训练样本的选择,采用Support Vector Machine(SVM)方法对经过大气校正后的反射率影像和重组后的特征影像分别进行分类,使用样地实测的树种信息对分类结果进行验证,使用总体精度和Kappa系数作为分类精度的评价指标。[结果]相对于直接使用反射率影像进行分类,使用窄波段植被指数以及纹理信息可以显著地提高云阴影下地物的分类精度,其分类精度和Kappa系数分别为90.4%和0.88,比直接使用反射率影像的分类精度和Kappa系数分别提高了18%和0.2。[结论]使用重新组合后的影像进行树种分类比直接使用反射率影像进行分类,其分类精度更高,说明窄波段植被指数与纹理特征可以提高云阴影区树种分类的精度。使用波段重组后的影像对云阴影下地物分类,其对于单个地物的分类精度也有明显的提高。     

基于线性谱聚类的林地图像中枯死树监测

【目的】将基于线性谱聚类超像素的方法应用在森林病虫害防治领域,可智能监测无人机森林虫害图像中的枯死树,为森林有害生物的监测工作提供技术支撑。【方法】分别以湖北省受松材线虫与辽宁省受红脂大小蠹侵害的松林无人机图像为试验数据,首先使用线性谱聚类超像素分割算法将图像划分为多个超像素;然后基于枯死树木的颜色特征,初步提取可能为枯死树的超像素区域;最后基于枯死树木与其他干扰地物具有不同的纹理特征,计算超像素的区域密度和缝隙量,利用支持向量机对初步提取的超像素进行分类,从而检测出图像中的枯死树。【结果】基于线性谱聚类超像素和支持向量机的枯死树监测方法可有效排除与枯死树木颜色相近的其他干扰地物,较准确地提取出枯死树木。使用该方法与基于植被颜色指数的阈值分割方法、基于简单线性迭代聚类超像素和随机森林的方法,对35幅受灾松林无人机图像进行试验,并选用交并比、虚警率和漏检率3个评价指标对3种方法进行定量对比分析。结果表明,基于线性谱聚类超像素的方法监测出的枯死树区域最精确,其监测结果与人工检测结果的交并比均值大于58%,且虚警率和漏检率均优于另外2种方法。【结论】基于线性谱聚类超像素的枯死树监测方法能实现松林中枯死树的快速、准确检测及定位。     

基于组合核非线性退化模型的遥感图像复合分类

遥感数据的多空间分辨率复合分析是遥感处理技术的重要发展方向。为了解决低分辨率图像混合像元分类精度低、高分辨率数据分类处理时间长以及大区域高分辨率数据获取困难等实际应用问题,该文改进了传统基于线性退化函数模型的复合分类模型,提出了基于组合核函数的非线性退化模型复合分类算法,分析了纹理信息对于提高复合分类精度的作用,并通过实际遥感数据试验分析比较了两种模型的分类精度。试验结果表明新方法可较大程度地提高总体分类精度,在分类过程中引入纹理信息有助于进一步改善分类精度。     

基于图像纹理分析的计算机辅助植物分类与识别

植物的分类与识别是农业生产经营和植物学研究中具有非常重要意义的基础性工作。植物叶片识别是进行植物分类的一种非常有效的方法,过去传统的做法是靠手工测量采集叶片原始数据进行人工分析。随着计算机图像处理技术的飞速发展及其应用领域的不断拓宽,在植物叶片识别过程中可利用计算机进行辅助分析,这样可以大大节省资源、提高效率,并且得到的结果也具有较高的精确度。本文将重点介绍基于图像纹理分析的植物叶片识别系统。     

基于机器视觉的温室番茄裂果检测

该文通过对温室番茄果实进行定位及裂果检测,可为番茄裂果率预估及后续裂果自动筛选提供参考。针对自然光照下采集的各类番茄图像,在相关颜色空间中进行阈值预分割,利用前期支持向量机训练得到的纹理特征分类器对预分割区域进行二次判别;之后在前景区域利用显著性角点分割构造边缘轮廓集,利用基于最小二乘法修正的改进霍夫变换拟合单个番茄目标;最后利用二维Gabor小波算子对拟合的单个番茄区域进行纹理特征提取及裂果判别。文中共采集82幅番茄图像,其中50幅图像作为训练集图像,32幅图像作为验证集,所提算法对测试集中总共128个番茄的果实正确检出率为91.41%,对其中35裂果的正确判别率为97.14%,裂果判别部分平均耗时21 ms。试验结果表明,该方法具有较好的鲁棒性与可靠性,对成熟期番茄裂果率的估计研究及采摘过程中裂果的自动分级筛选具有较好的指导意义,为未来实现温室番茄果实生长状态在线监测提供参考。     

格氏栲种群生态学研究Ⅶ.格氏栲种群分布格局的强度与纹理分析

前人都是采用样方方法对格氏栲种群数量的空间格局进行测定,而格局分布有可能受样方大小的影响,且分析过程中没有涉及聚块间密度差的问题,因而无法掌握种群的聚块大小差别及聚块内个体间的离散程度．本研究采用无样方距离法,测定不同生境的格氏栲种群空间格局,分析格氏栲种群格局的强度和纹理．强度以聚块和间隙的密度差来定义,纹理则是体现聚块内个体间的离散程度与诸聚块间的分离程度．测定结果表明,格氏栲种群格局强度从高到低排列次序为：木姜子＞蚊母树＞冬青＞茜草树＞格氏栲＞米槠＞虎皮楠＞木荷;格局纹理从粗到细的顺序是：木荷＝木姜子＞茜草树＞格氏栲＝冬青＞米槠＞蚊母树＞虎皮楠．这一测定结果与作者采用聚集度指标测定相同样地格氏栲种群空间格局的结果基本相符．因此,格氏栲空间格局类型及分布与格氏栲生物学特性及生境的关系密切     

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。     

高档牛肉生产技术的探讨

根据高档牛肉生产技术要点,利用夏西本三元改良牛经过育肥后生产高档牛肉,取得了良好的效果。实验结果表明,三元改良牛可以生产优质高档牛肉。实验牛屠宰前平均体重为（４８５０±５６５）ｋｇ,屠宰率为６３１５％±１４５％,净肉率为５３４５％±２６５％,高档肉块总重量占活重的５２５％。经肉品学专家评定,一致认为牛肉质量除大理石样纹理结构指标还未达到同类产品标准外,其它各项指标完全达到了国内同类产品的标准。