玉米冠层叶片氮素营养估测研究——基于近地多光谱图像

运用图像处理技术对不同氮营养成分下玉米冠层叶片的近地CCD多光谱图像进行分析,建立玉米叶片氮素营养含量的快速、非破坏性估测模型。实验基于红通道和近红外通道的CCD图像,通过图像切割提取两个通道的主叶片区域的平均灰度值和叶片周围的土壤平均灰度值,根据土壤平均灰度值比值来调整叶片的近红外平均灰度值,计算玉米叶片的基于灰度的植被指数,建立了氮素营养含量和两个通道的图像灰度以及灰度植被指数间的经验线性模型。经过多元线性回归分析后,两者间的相关系数R可以达到0.704。由此实现了对玉米冠层氮营养含量的快速估测。     

基于激光扫描的果树树形重构系统研究

为了实现果园机械自动对靶喷药中树形的识别,采用激光测距传感器进行果树二维图像的绘制,通过对车载激光传感器采集的果树点云信息的筛选和变换,完成果树点距离信息的选取;利用MATLAB的绘图功能,将筛选后的距离信息与二维图像的灰度值进行融合,实现扫描距离到图像灰度值的转变.实验表明,该系统可以很好地将扫描距离信息融人到二维灰度图像的绘制当中,使图像中所包含的信息量更大、更全面.     

基于灰度带比例的优质西瓜子识别算法研究与实现

为了分拣出正常西瓜子,根据西瓜子的特点,提出了针对西瓜子的基于灰度带比例的特征值提取算法,并在CCD色选机上进行了试验验证。在瓜子图像预处理中,先对瓜子图像进行对比度自适应的直方图均衡化,而后对瓜子的二值化图像进行中值滤波。在瓜子分类方面,采用灰度带比例作为分类特征量,并在CCD色选机上进行特征量分类训练,最终分检出正常瓜子,识别率达到95%。该算法为该西瓜子的分类识别提供了理论支持和技术实现。     

基于蜂群优化多核支持向量机的淡水鱼种类识别

为了准确地进行淡水鱼种类自动识别,利用计算机视觉技术,提出了一种基于Krawtchouk矩、灰度共生矩阵、蜂群优化多核最小二乘支持向量机（least squares support vector machine,LS-SVM）的识别方法。首先获取淡水鱼样本的灰度图像,计算淡水鱼鱼体的长宽比、鱼头鱼尾的Krawtchouk矩不变量形状特征,求得鱼身的灰度共生矩阵纹理特征,将上述形状与纹理特征组合成高维特征向量,并输入到多核LS-SVM,通过人工蜂群（artificial bee colony,ABC）算法对多核LS-SVM中的待定参数进行寻优,ABC算法中的适应度函数为测试样本的识别精度;最后输出识别精度达到最高时的最优参数。利用该方法对鳊鱼、鳙鱼、鲫鱼、草鱼、青鱼5种淡水鱼进行了分类识别,对鳊鱼、鳙鱼、鲫鱼、草鱼4种鱼识别时,各类鱼的识别精度均达到95.83%以上,对鳊鱼、鳙鱼、鲫鱼、青鱼4种鱼识别时,各类鱼的识别精度均达到91.67%以上,对鳊鱼、鳙鱼、鲫鱼、草鱼和青鱼 5种鱼识别时,各类鱼的识别精度均达到83.33%以上;与近年来提出的淡水鱼识别方法、BP（back propagation）神经网络方法、单核LS-SVM方法相比,该方法的识别精度更高,从而可快速准确地识别淡水鱼的种类,提高水产养殖的自动化水平。     

基于中分辨率影像湿地离散水体提取研究——以新疆阿勒泰科克苏湿地为例

首先利用Landsat8 OLI和GF-1 WFV卫星的多光谱影像分别对新疆阿勒泰科克苏湿地的离散水体进行支持向量机模型分类和最大似然模型分类,以选出最佳的分类模型;然后对Landsat8 OLI和GF-1 WFV影像分别提取灰度共生矩阵纹理特征、Getis指数特征和Moran’I指数特征,并与其对应的多光谱影像进行组合得到包括原始多光谱影像在内的7种组合特征集,利用选出的最佳分类模型对特征集进行离散水体提取,对其精度检验结果进行对比。结果表明,对Landsat8 OLI和GF-1 WFV卫星的多光谱影像同时引入Getis指数特征和灰度共生矩阵纹理特征能够明显提高分类精度,Landsat8 OLI影像Kappa系数从0.815 7提高到0.922 3,总体精度从94.25%提高到97.50%;GF-1 WFV影像的Kappa系数从0.832 6提高到0.932 4,总体精度从94.75%提高到98.25%。综合可知,Getis指数和灰度共生矩阵同时作为新的特征波段引入到多光谱影像上,对于离散水体信息提取具有积极效果。     

图像灰度统计梯度特性的甘蔗茎节识别研究

为实现机器智能切断出含有蔗芽的有效蔗种片段,引入图像识别技术识别甘蔗茎节.由甘蔗灰度图像的特点,结合人工识别的先验知识,统计分割有效甘蔗区域的RGB与HSV颜色空间各灰度分量,再经由各分量列灰度统计的梯度特性识别甘蔗茎节,6个颜色分量的识别效果排序为R→V →B→G→H→S,R分量获得最理想的效果,茎节的正确识别率达到了88％,为蔗种的精确切断提供了理论依据.     

基于Hough变换的植物叶片特征点检测及几何校正

图像采集设备采集的植物叶片图像会发生几何畸变,本文提供了对畸变植物叶片图像快速几何校正的方法。首先将畸变图像进行预处理和局部阈值分割,然后提出了1种基于Hough变换求特征点的方法,最后通过空间变换和灰度差值完成了几何校正。校正结果表明此方法具有较强的可行性和有效性。     

猪舍智能监控系统中猪只识别算法研究

猪只识别是猪舍智能监控系统中一个重要的环节。提出了一种运用色彩空间聚类模型的猪只识别算法。该算法首先根据YCrCb色彩空间里的Cb分量进行灰度化处理,接着运用最大类间方差法进行阈值分割,最后运用形态学方法去除噪声与区域判断法去除非猪只区域,得到图像中猪只的位置。使用猪场采集的50张现场图像对该算法进行验证,结果表明单只猪正确识别率达到80%。     

一种改进的LoG图像边缘检测方法

对LoG算子边缘检测算法的性能进行分析,指出LoG算子在实际应用中的不足.针对LoG算子的缺点,通过实验数据得出图像灰度共生矩阵的熵与高斯空间系数的关系.实现使用LoG算子对图像进行检测边缘时能根据具体的图像的熵值自动获取适合该图像的高斯空间系数的值.因此,提出的改进算法既能有效的抑制噪声又能较精确的定位边缘.     

除草机器人路标识别多模式匹配算法研究——面向中英文混合环境

随着农业自动化水平的不断提高,除草机器人被逐步地应用到了农田生成作业过程中,机器视觉系统是除草机器人自主导航和杂草作物识别的核心部件,其性能的好坏直接影响作业效率和作业质量。为了提高除草机器人的导航效率,提出了一种基于中英混合环境的多模式匹配算法,将该算法应用到了除草机器人的英文和中文导航路标的模式匹配上,并采用相关图像处理算法对路标进行了增强处理,最后对不同环境下导航的可行性进行了验证。结果表明:采用中英文混合环境的多模式匹配算法和图像增强处理功能后,除草机器人机器视觉系统的路标成功识别率较高,导航准确率也较高,从而验证了方案的可行性和可靠性。