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。     

基于非下采样Shearlet变换的磁瓦表面裂纹检测

针对磁瓦表面裂纹缺陷图像背景不均匀、对比度低和存在纹理干扰等特点,提出了一种基于非下采样Shearlet变换(Nonsubsampled Shearlet transform,NSST)的裂纹检测方法。首先对原始图像进行多尺度、多方向NSST分解,得到一个低频子带和多个高频子带,然后利用各向异性扩散和改进的γ增强方法对高频子带进行滤波和增强;同时利用二维高斯函数对低频子带进行卷积操作来构造高斯多尺度空间,估计出图像的主要背景,并通过背景差法得到均匀的低频目标图像。最后通过重构NSST系数得到去噪和增强后的均匀目标图像,利用自适应阈值分割和区域连通法提取裂纹缺陷。实验结果表明,所提方法检测准确率达92.5%,优于基于形态学滤波方法、基于Curvelet变换方法和基于Shearlet变换方法等现有磁瓦表面裂纹检测方法。     

基于随机森林算法的自然光照条件下绿色苹果识别

果实识别是自动化采摘系统中的重要环节,能否快速、准确地识别出果实直接影响采摘机器人的实时性和可靠性。为了实现自然光照条件下绿色苹果的识别,本文采集了果实生长期苹果树图像,并利用随机森林算法实现了绿色苹果果实的分类和识别。针对果树背景颜色和纹理特征的复杂性,尤其是绿色果实和叶片在很多特征上的相似性,论文基于RGB颜色空间进行了Otsu阈值分割和滤波处理,去除枝干等背景,得到仅剩果实和叶片的图像。然后,分别提取叶片和苹果的灰度及纹理特征构成训练集合,建立了绿色苹果随机森林识别模型,并使用像素模板验证数据集,对模型进行预测试验,正确率为90%。最后,选择10幅自然光照条件下不同的果树图像作为检测对象,使用该模型进行果实识别并使用霍夫变换绘制果实轮廓,平均识别正确率为88%。结果表明,该方法具有较高的鲁棒性、稳定性、准确性,能够用于自然光照条件下绿色果实的快速识别。     

小波神经网络在模拟电路故障诊断中的应用研究

对模拟电路提出了一种基于小波与神经网络辅助式结合的故障诊断方法．该方法用小波变换作为模拟电路故障信号的预处理器，大大减少神经网络的输入数目，简化神经网络结构和减少它的训练时间，提高辨识故障能力．在介绍该故障诊断方法的基本原理后。给出了小波函数及故障特征选择的方法．     

Application of Wavelet Transform to De-noising Method

The wavelet transform is a new subject developed quickly in the past ten years. Compared with the Fourier transform, the wavelet transform is a part of time-frequency transform. The most important character is that it can be used to transform a signal into basic units at different scales and location, each unit represents a component of original signal difference from others. The wavelet transform has been proven to be a powerful and efficient tool for processing signal due to this character. This paper introduces the de-noising principles of the wavelet transform. It is proved to be an effective method by the simulating analysis.     

Multi scale and multi orientation features for image de noising

An adaptive algorithm for image de noising is proposed based on the multi scale and multi orientation features. The coefficients in different scales and different directions are obtained by image decomposition using the nonsubsampled contourlet transform. Then thresholds functions are adaptively set with these coefficients. The texture of the image information is introduced by using the mean of decomposition scale and the energy of regional. The greater the energy, the more information of the texture while the same decomposition scales, the smaller the threshold is set. On the contrary, the greater the threshold is set. After the de noising and then reconstruction of these coefficients, image de noising is implemented. Compare to the wavelet transform threshold and contourlet transform threshold, the nonsubsampled contourlet transform pick up the image detail better and improve the quality of the image.     

天水市日照时数的气候变化特征

选取天水市7个气象站1965-2011年日照时数资料,采用累积距平、Mann-Kendall突变检验法和Morlet小波等方法,分析天水市日照时数的气候变化规律。结果表明, 天水市年平均日照时数总体呈减少趋势。1965-1980年,日照时数呈增加趋势;1981-1992年呈减少趋势;1993-2008年呈增加趋势;2009年以后又趋于减少。日照时数的变幅最大的季节为夏季,春季的日照时数变化呈上升趋势,其余各季都呈下降趋势。小波分析得出天水市的全年和各季的日照时数大部都存在小尺度的准周期变化,冬季存在中尺度的周期变化,夏季在年代际的变化上存在准27年的周期变化。对日照时数气候变化的空间分析表明, 天水市整体平均日照时数呈下降趋势,有局部地方和整体趋于的气候变化趋势不完全相同,天水北部的变化趋势更加显著。     

陕西榆林地区降水特征分析

利用小波分析方法,分析了榆林地区1951~2010年降水量的变化趋势、周期特征及其与太阳黑子数的关系。结果表明:夏季降水量最多,冬季降水量最少;60年来降水量呈减少趋势;榆林年降水量的变化主要存在2~3、7、17和22年的周期,其中以7年周期最明显;春季降水量的主周期为5~7、16~22年;夏季降水量主要存在6~8、19年的周期;秋季降水量主要存在5~7年的周期;冬季降水量主要存在16、12年的周期。太阳黑子数的变化存在9年的周期;太阳黑子数与年降水量、春季降水量的关系较密切,与秋季、冬季降水量的关系不大。     

小波特征与传统光谱特征估测冬小麦条锈病病情严重度的对比研究

为探讨通过小波特征监测小麦条锈病发病程度的可行性,利用连续小波变换提取的小麦冠层光谱350~1 300 nm范围内的9个小波特征和传统光谱特征（植被指数、一阶微分变换特征和连续统特征）,借助偏最小二乘回归（PLSR）建立反演模型,分别将传统光谱特征（SFs）、小波特征（WFs）及传统光谱特征与小波特征结合(SFs & WFs）作为模型的输入,对小麦条锈病病情进行反演。结果表明：（1）小波特征与条锈病严重度的相关性比传统光谱特征强;（2）基于小波特征的模型估测精度（R为0.837）优于基于传统光谱特征的模型估测精度（R为0.824）;（3）传统光谱特征与小波特征结合的模型精度最高,R为0.876,RMSE仅为0.096,因而传统光谱特征与小波特征相结合能够更好地对小麦条锈病病情严重度进行估测。