种子形状参数检测的计算机图象处理技术

设计了采用计算机图象处理技术检测形状特征参数的实用算法，开发了对种子进行基本形状参数测量的计算机图象处理系统，实际测试表明，系统运行稳定，测量速度快，精度高，适合同时分析多个物体的特征参数。     

浸没式膜生物反应器内膜面传质特性实验

应用粒子图像测速(PIV)技术测试膜面附近的气液两相流动力学特性,在6种不同曝气强度条件下,测试得到膜面附近的液相流场数据,并计算得到膜面传质系数、浓差极化边界层厚度以及膜面切向应力等膜面传质特性参数。结果表明,曝气强度和液相速度对膜面传质特性的影响较大,在一定范围内增加曝气强度可以使得膜面传质特性加强。本文的研究结果为膜生物反应器系统的优化设计提供了研究经验和实验数据。     

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。     

基于虚拟仪器的农产品"身份证"数字识别系统

介绍了基于虚拟仪器图形化语言LABVIEW开发的农产品"身份证"数字识别系统,采用CCD摄像机对农产品"身份证"编号进行采集,通过PCI-1411彩色图像采集卡将图像传输到计算机并进行图像处理,最后应用美国NI公司的OCR软件包对处理好的编号进行识别.结果表明,该系统抗干扰能力强且精度高.     

基于脉冲耦合神经网络的蝗虫图像分割

由于脉冲耦合神经网络(PCNN)特有的脉冲传播特性,PCNN在图像处理与模式识别领域得到了广泛应用.为此,提出了如何用脉冲耦合神经网络(PCNN)进行蝗虫图像分割.计算机仿真表明,采用PCNN图像预处理算法,可使图像中的目标(蝗虫)易于被发现;经PCNN预处理后,相同的后续处理效果明显好于未经PCNN预处理的图像.此方法验证了PCNN在图像处理方面的功能,同时也拓展了蝗虫侦测的方法.     

基于计算机视觉技术的水果分级研究进展

较为全面地介绍了国内外基于计算机视觉技术的水果外观品质的单指标分级、多指标综合分级和水果内部品质检测分级的研究现状与方法,指出了现有研究中研究对象较单一、图像采集不全面、图像处理算法不多、精度不高等存在的主要问题.同时,提出了未来水果分级的发展方向,认为水果内外品质融合的一体化分级技术是未来的发展趋势.     

基于GEE的山东省近30年农业大棚时空动态变化研究

针对精确获取大尺度空间范围内农业大棚的分布情况并进行长时间的序列动态监测存在数据量大、计算效率低、精度不高等问题,利用Google Earth Engine(GEE)云平台能够实现快速存取、实时处理海量卫星数据,基于多时相Landsat影像进行农业大棚时序光谱特征和纹理特征的自动提取,采用随机森林算法实现山东省农业大棚的遥感分类,从而生成了山东省近30年农业大棚的空间分布和时空动态变化图。结果表明,本文分类流程具有较高的分类精度,其平均总体精度达到91.63%,Kappa系数均值为0.8642。经分析,山东省农业大棚从1990年的6.67 km^2增加到2018年的9919.40 km^2,增长速度为354.03 km^2/a。     

基于RNMU的多源星载SAR影像融合与土地覆盖分类

为充分利用多时相、多极化SAR数据在不同土地覆盖类型中的后向散射特性,将递归非负矩阵下近似(Recursive nonnegative matrix underapproximation,RNMU)算法引入多源SAR数据的融合,并利用融合后的SAR影像实现较高精度的土地覆盖分类。融合过程中,在根据不同模式SAR影像特点进行多源SAR影像预处理的基础上,基于RNMU算法通过对多个输入SAR影像进行矩阵分解及迭代最优矩阵求解,得到融合影像。为验证融合后SAR影像在土地覆盖分类中的应用效果,以吉林省大安市为研究区,对多时相Sentinel-1的VV/VH双极化SAR数据和高分三号(GF-3)的HH/HV双极化SAR数据进行了基于RNMU的影像融合,并利用融合后的SAR影像进行研究区主要土地覆盖类型分类。实验结果表明,基于RNMU融合影像的土地覆盖分类总体精度达93. 11%,Kappa系数为0. 86,与Gram-Schmid(G-S)融合方法相比,分类总体精度提高了6. 83个百分点,Kappa系数提高0. 12。多源SAR融合为SAR影像融合提供了有效手段,为土地覆盖分类提供了更多高精度的数据资源。     

基于地形特征的无人机遥感梯田影像边缘提取方法

梯田具有蓄水固沙的作用,是旱作农业区重点建设的高产稳产农田设施,为粮食增产、农民增收提供了有力保障。因仅基于影像数据采用边缘提取方法进行梯田区域分割效果不理想,及时准确地掌握梯田信息较为困难。无人机遥感技术的不断发展为高精度梯田地形信息的获取提供了新方法。本研究以甘肃省榆中县为例,首先从数字高程模型DEM数据中提取坡度,将正射影像与坡度数据融合,并通过基于Canny算子的粗边缘提取方法和基于多尺度分割的精细边缘提取方法,对比分析坡度对无人机遥感梯田影像边缘提取的影响。试验结果表明,正射影像和坡度融合的提取效果均优于单一的正射影像数据提取效果,粗边缘提取方法中正射影像和坡度融合的数据源精度平均提高了23.97%,精细边缘提取方法中正射影像和坡度融合的数据源精度平均提高了17.84%。研究表明,在无人机遥感梯田影像边缘提取中加入一定的地形特征,可以取得更好的边缘提取效果。     

利用随机网络模型和CT数字图像预测近饱和土壤水分特征曲线

通过对连续土壤切片CT图像的分析,定量获取了土壤孔隙的大小分布情况。在此基础上建立了基于土壤孔隙形态学特征的随机网络模型,在孔隙尺度模拟了土壤中的水分运动过程,并预测了近饱和土壤水分特征曲线。结果表明,通过选取合适的模型参数,基于土壤孔隙形态学特征建立的随机网络模型可以模拟出与土壤样本实测值非常接近的水分特征曲线,可以作为一种快速测量的方法。