葡萄干彩色图像的背景分割研究

背景分割是分析葡萄干其他特征的基础。为此,经研究提出一种改进的迭代算法,用来获取葡萄干灰度图像阈值;基于RGB阈值法与亮度阈值法,对葡萄干进行背景分割后的图像分析比较,证明亮度阈值法能较好地进行葡萄干彩色图像背景分割,保存图像的颜色信息。     

数字图像处理技术在棒材计数中的应用

利用数码相机获取棒材端面的图像，通过对图像格式转化、灰度化处理得到灰度图像，再进行平滑处理抑制噪声、锐化处理突出目标、选择合适的闻值转换为二值图像，然后进行形态学腐蚀操作去掉棒材之间的粘连，最终得到分割效果较好的图像，为后续棒材的计数奠定了基础。     

动态图像处理技术在农业工程中的应用

近年来图像处理技术的应用已越来越广泛，如何将动态图像处理技术应用到农业工程对农业的自动化研究具有着重要意义：本文主要讨论了动态图像处理技术及其在农业丁程中的应用概况与未来展望，并对应用中存在的问题提出了几点思考与建议。     

农机制造业钢板板形拼接算法研究

随着我国经济的高速发展,板形控制已成为当今冶金业迫切需要解决的问题。为此,对用于农机制造的钢板板形图像拼接和特征提取过程中进行了图像预处理,利用图像本身的特点,进行了特征提取后的拼接算法研究,并针对准确和快速的特点,对几种算法进行了对比分析,给出了典型算法的计算机框图和算法选用的建议。     

地表秸秆覆盖度图像识别技术的研究

农田地表秸秆覆盖是防止水土流失的一项主要措施,研究秸秆覆盖度与土壤风蚀、水蚀的定量关系对农田采取合理的覆盖形式有重要的指导意义。针对当前主要靠手工测试秸秆覆盖度存在效率低的问题,研究了如何应用MATLAB语言强大的图像处理功能来识别、分析秸秆图像。通过对样本图像类型的转换、灰度的均衡化和中值滤波等一系列的处理,得出较准确的秸秆覆盖面积和秸秆覆盖百分比,为准确快速测量秸秆覆盖度提供了测试手段。     

基于K均值聚类的厚壁组织区域自动提取

桉树是我国南方的速生丰产林,区域提取是定量分析各种组织抑制桉树茎生根原因的重要前提。为此,介绍了基于K均值聚类的在桉树茎切片图像中自适应提取厚壁组织区域的图像处理技术。将桉树茎切片彩色图像转换为CIEL*a*b*彩色空间,用K均值聚类分析算法对描述颜色的a*和b*通道进行聚类分析,提取细胞厚壁,然后填充其中白色的细胞腔,构成完整的厚壁组织区域。实验结果表明,在CIEL*a*b*空间使用该算法可以获得较准确的实验结果。     

基于地表高光谱与OLI影像的土壤含盐量和pH值估测

针对宁夏银北地区大面积土壤盐碱化监测的需要,利用实测植被冠层光谱与Landsat 8 OLI影像相结合进行土壤含盐量和pH值估测研究.对实测植被冠层高光谱与影像多光谱反射率进行倒数、对数、三角函数及其一阶微分等一系列变换,确定最佳光谱变换形式,筛选敏感植被指数和敏感波段,分别建立基于实测植被光谱与Landsat 8 O...     

现代校园空间意象研究

按照环境心理学的理论,并以河北农业大学西校区的规划设计为例,从校园行为模式研究入手,对校园空间的认知和认同两方面深入探讨了现代校园空间意象的营造方法。     

一种改进深度卷积神经网络的海岛识别方法

受不规律潮汐的影响,现有的海岛地物类别自动识别方法存在精度低和时效性差等问题,通过改进深度卷积神经网络提出了一种基于遥感影像的海岛快速识别方法:(1)在深度卷积神经网络的卷积层中增设1×1的卷积核作为瓶颈单元,对多波段的遥感影像进行降维;(2)在池化层引入了重采样方法,基于灰度值对海量的遥感影像进行特征压缩。以300景Landsat-8遥感影像为源数据,分别采用CNN、RCNN和本文改进的深度卷积神经网络对遥感影像中的海岛进行识别,实验结果表明:(1)改进的深度卷积神经网络降低了海岛识别的计算耗时,其计算耗时仅为CNN的4.56%和RCNN的5.60%;(2)改进的深度卷积神经网络较CNN和RCNN提高了海岛识别的精度,识别精度分别为96.0%、93.3%和95.0%。结果说明,改进的深度卷积神经网络适用于面向遥感影像的海岛自动识别。     

油菜角果数量及关键表型参数的自动化检测方法研究

为有效替代人工方式考种油菜、观测角果,研究了一种用于测量批量角果的数量和关键表型参数的自动化检测方法。设计了角果散铺和图像采集装置,利用拨动加振动的方式将堆积角果均匀散开并拍摄视频;使用二维码作为标记块,以有效地提取关键帧并拼接为包含全部角果的整幅图像;提出了基于凹点提取与匹配的图像分割方法,分割各种形态下的重叠角果,准确率达到98%以上。在关键表型参数测量中,利用了最大类间方差法以判断角果的正置或侧置姿态,以此估计角果横切面的近似椭圆长短轴,再计算角果的长度、表面积和体积。实验结果表明该方法具有很好的检测精度,对不同品种的油菜适应性较好,长度、表面积和体积的估计误差分别不大于2.9%、4.8%和5.0%。该方法可以有效替代人工方式的油菜考种,为相关农业科研领域提供基础数据。