基于SPOT5多光谱影像和近期航摄影像的土地利用动态监测方法研究

在国内外土地利用动态监测研究与应用中,受遥感影像分辨率的限制,能满足较大比例尺的土地利用动态遥感监测的还较少.该文以浙江省宁波市鄞州区区域内一块试验区为例,利用SPOT5多光谱影像,结合近期航片,通过特征变异法,进行1∶1万土地利用动态遥感监测.试验结果表明,应用航片与卫片融合的新方法,进行土地利用动态监测是可行的.     

基于拟脑智能系统的烤烟烟叶分级研究

对烟叶进行检测与分级是控制烟叶质量的重要手段之一.研究烟叶质量的合理表征参数及其自动提取方法,以及烟叶辅助分级系统,是迫切需要解决的问题.应用人工智能方法和计算机技术进行烤烟烟叶自动分级,提出一种借鉴生物脑信息处理结构的烤烟烟叶智能分级系统.该系统由思维模型、感觉模型和行为模型3个子系统构成,分别模拟分级专家的思维智能、感知智能和行为智能,具有学习与记忆、判断与模糊推理、分级决策等多种思维功能,以及图像自动采集、上下位机通信等协调与控制功能.应用该系统进行烟叶分级试验的结果与分级专家分级结果的平均一致率可达到85%,与人工分级水平相当.     

基于模糊C均值聚类的作物病害叶片图像分割方法研究

为提高作物病害图像的分割效果,根据作物病害图像的特点,提出了一种基于模糊C均值聚类算法(FCM)的作物病害图像自适应分割方法.该方法将像素的灰度与其邻域均值作为FCM的输入特征,变换FCM的隶属度函数使其包含图像的局部邻域特性;通过聚类有效性验证分析和试验确定模糊C均值聚类算法(FCM)的最优聚类数、模糊加权指数.运用该方法对棉花病害叶片图像进行分割.结果表明:该方法能较好将病斑部分和正常部分分割开,平均分割误差率小于5%,对作物病害图像的分割处理非常有效.     

数字图像和逐步回归客观评定冷却猪肉肉色

为开发准确、快速的猪肉肉色质量客观评定方法,研究了数字图像处理和和逐步回归模型对冷却猪肉肉色客观评定分级的效果.对宰后冷却24 h的猪删体,切开第3～4肋骨间背最长肌,发色60 min,数码相机获取数字图像处理后提取断面肉色参数(L *、a *、b *、Chroma、Hue angle).提取的80头猪胴体背最长肌肉色参数经逐步回归建立了肉色评定模型.结果表明,数字图像处理后提取肉色参数建立的逐步回归模型评定冷却猪肉肉色分值的效果优于BP人工神经网络模型;若以|评定肉色分值-感官肉色分值|≤0.3为评定正确判断标准,前者评定正确率为78.8%,后者为60.4%; 前者与本试验评定正确率最高的单个感官评定人员相比(78.2%),差异不显著(P>0.05).因此,数字图像处理可有效地对冷却猪肉肉色进行客观评定.     

水土保持监测中SPOT5遥感图像几何精校正方法研究

为探索空间分辨率为2.5 m的SPOT5遥感图像用于水土保持监测的可行性,须进行遥感图像几何精校正。在理论分析遥感图像校正模型的基础上,通过实例计算,详细研究各种可能的几何精校正方法及实际精度状况。综合考虑几何位置变换精度、灰度重采样精度,确定适合水土保持监测的SPOT5遥感图像的几何精校正方法。     

基于多源Sentinel数据的县域冬小麦种植面积提取

冬小麦是我国主要的粮食作物之一,及时准确地获取冬小麦种植面积对农业政策的制定具有重要意义。以河南省扶沟县为研究区域,以多生育期Sentinel-1A和Sentinel-2A/B遥感影像为数据源,构建光谱特征、植被特征和极化特征的多生育期数据集,分析各类地物的特征曲线,采用随机森林算法对单生育期单传感器、单生育期多传感器、多生育期单传感器和多生育期多传感器的遥感影像进行精细分类,实现县域冬小麦制图。结果显示：单生育期的雷达影像无法满足制图要求,拔节期的总体精度最高,仅为62.9%,多生育期雷达影像分类精度达到81.9%,基本满足制图要求;单生育期的光学影像和融合影像在成熟期的精度最高,总体精度分别为93.4%和95.1%,Kappa系数分别为92.4%和94.8%,可以绘制较为精准的冬小麦分布图;多生育期融合影像绘制的扶沟县2019年冬小麦空间分布图,总体精度为96.8%,结果最优。研究结果表明融合的多生育期遥感影像可以为县域冬小麦种植面积的提取提供技术依据。     

基于无人机遥感与随机森林的荒漠草原植被分类方法

荒漠草原是草原中最旱生的类型,属于草原的极限生态状态,也是气候变化和生态系统演变的预警区。利用无人机高光谱遥感技术快速、准确地提取荒漠草原草地植被类型,对动态监测草原生态安全和合理开发草地畜牧业具有重要意义。以无人机搭载高光谱成像系统采集内蒙古荒漠草原遥感图像,获得具有高空间分辨率和高光谱分辨率的图像;通过光谱连续统去除变换,增强草地植被之间的光谱差异,并构建植被指数;采用分步波段选择法选择荒漠草原植被的特征波段,实现高光谱数据降维;构建融合光谱特征、植被特征、地形特征和纹理特征等24个变量的随机森林分类模型,并与支持向量机（SVM）、K-最近邻（KNN）和最大似然分类（MLC）法进行比较。结果表明,在4种分类方法中随机森林分类算法分类效果最好,总体分类精度达到91.06%,比SVM、KNN和MLC等机器学习算法分别高7.9、15.61、18.33个百分点,Kappa系数达到0.90,比SVM、KNN和MLC算法分别高0.13、0.23和0.26。无人机高光谱低空遥感和随机森林算法的结合为荒漠草原草地植被分类提供了新途径。     

基于数字图像视觉分析的叶面积活体测定系统研究

通过计算数字图像中每个像素点代表的真实面积和叶片图像所占的像素数量,可以计算出图像中叶片的面积.基于此原理,该文提供了利用数码相机快速获得植物叶片图像并准确测定叶面积的方法.该方法适用于对多种植物的平面状叶面积进行活体测量,同时能够对异性叶片离体测量,尤其适合大量叶面积的测量工作,且具有速度快、数据准确、精度高的特点.     

一种增加LSB信息隐藏量的方法

LSB(Least Significant Bits)算法是信息隐藏的基础方法之一。通过对人眼视觉感知效果的分析,对 LSB 算法进行改进,提出了一种具有更高信息隐藏量的算法。该算法简单高效,信息隐藏率由12.5%提高到16.7%,且通过 VC 编程试验验证了该算法的优越性。     

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。