基于加速鲁棒特征的木材显微图像自动配准方法

针对显微镜观测视野狭小而难以采集到全局图像的问题,提出了一种基于加速鲁棒特征(SURF)的木材显微图像自动配准方法.首先使用SURF检测并描述兴趣点,通过最近邻匹配得到匹配点对后,用双向匹配和RANSAC算法剔除错误匹配.然后利用最小二乘法和匹配结果进行模型参数估计,最后通过插值获得配准图像.对阔叶材显微图像配准实验结果表明,该方法具有较好的鲁棒性,无论图像是否有旋转,都可以实现自动的配准.比起尺度不变特征转换(SWT),由于用SURF得到的兴趣点数量更少,运算速度更快,总的匹配速度提升了5倍左右,缩短了整个配准过程的时间,算法更具有实时性.     

单机版木材标本信息管理系统的研建

本文基于NET4.0,采用C#语言和ADO.NET数据访问技术,结合SQL Server数据库,开发建立了数字化木材标本管理系统,实现了木材标本的数字化管理和快捷检索.本系统具有运行速度高、信息处理能力强、人机界面直观、功能齐全、通用性强、硬件环境要求低等特点,为促进木材科学与数字化技术水平的提高提供了技术支持.     

基于MapX的空间数据不一致性问题处理

数据预处理是数据挖掘过程中很重要的环节。由于复杂的空间数据更易造成数据的不一致，加上不同应用空间数据的特殊性，对空间数据的预处理往往需要采用特殊的方法。针对林业小班空间数据在数字化过程中产生的空间对象位置的不一致性问题，给出了一种解决的方法：以基准面为基础，通过最外2个交点，在所有的交点上进行修正。实际空间数据对比实验结果显示该方法比节点抓取具有更好的处理效果。图7参10     

基于自学习特征的林业业务图像分类方法

【目的】现代电子和通讯设备的普遍使用,使得林业管理部门可以及时获取和累积大量林业业务图像。对林业业务图像进行自动分类,可使林业各个管理部门,包括林业执法机构和执法队伍能够全面配合、相互协调,增强决策支持和应急处理能力,从而实现有效的森林资源监管。【方法】提出一种基于自学习特征的林业业务图像自动分类方法,该方法采用3层结构来获取图像局部特征的全局语义,并对全局语义进行建模。首先,将图像分块,对图像块采用线性稀疏自动编码器进行自动学习,获取局部特征的权值矩阵;之后,利用权值矩阵对图像进行卷积,获取各种局部特征在图像中的映射,再进行池化与连接形成特征向量;最后,利用特征向量,采用softmax分类方法进行图像类别建模与识别。【结果】确立了林业业务图像的4个类别:动物死亡、森林火灾、采伐和森林病虫害。收集4类图像355幅,每类图像数目不等,并裁剪为统一大小,建立试验用林业业务图像数据集。利用留一法进行多次交叉试验,识别精度达到80%。线性稀疏自动编码器有效地提取出了图像块中的色彩特征、色彩变化特征及不同方向和不同位置的梯度特征等;利用自动学习到的局部权值矩阵卷积整个图像,在每幅特征图像中激活了原图的不同特征,且这些特征是零散的;当被识别图像与同类图像有相似或者局部相似的特征时,其会被正确识别,反映了基于自学习特征的林业业务图像分类方法能联合图像中的局部特征识别全局语义。【结论】林业业务图像分类属于图像场景分类问题,其同一类图像的类内相似性较弱,利用传统的"特征提取+分类建模"方法进行分类,其分类特征的选取难度较大。相较而言,基于自学习特征的林业业务图像分类方法的局部特征是从图像中自动学习得到的,方法泛化性强;而且该方法只有3层,没有全部层的反馈学习过程,比目前流行的基于深度卷积神经网络的图像分类方法效率高;当累积的样本图像增多、更加全面时,可以期望获得更高的识别精度。     

基于高光谱成像技术的红酸枝木材种类识别

为了实现市场上常见红酸枝类Dalbergia spp.木材的快速无损识别,利用高光谱成像技术对不同红酸枝木材进行种类识别研究。以交趾黄檀 Dalbergia cochinchinensis,巴里黄檀 Dalbergia bariensis,奥氏黄檀Dalbergia oliveri和微凹黄檀 Dalbergia retusa为研究对象,采集高光谱图像并提取感兴趣区域内的反射光谱,采用Savitsky-Golay（SG）平滑算法、标准正态变量变换（SNV）和多元散射校正（MSC）对955~1 642 nm 波段光谱进行预处理,并通过主成分分析法（PCA）,回归系数法（RC）以及连续投影法（SPA）选择特征波长,分别建立了偏最小二乘判别分析（PLS-DA）和极限学习机（ELM）判别分析模型。研究结果表明:经SG和MSC光谱预处理,采用SPA选择的特征波长建立的ELM模型性能最优,建模集和预测集的识别率均为100.0%。这为红酸枝木材种类的快速无损识别提供了新的方法。图5表4参17     

嵌入式植物自动识别系统的设计与实现

采用嵌入式技术和图像处理技术,通过提取叶片相对稳定的形状特征实现对植物种类的识别分类。系统基于Ubuntu 10.04,采用Qt Creator1.3.1在北京博创公司的UP-NETARM2410-S开发板上进行了实现。功能包括植物叶片的采集和图像拍摄、图像预处理（图片灰度处理及轮廓提取）、图像特征提取（包括叶片的圆形度、偏心率等特征）、图像识别这4个步骤。实验结果表明:该系统可以比较准确地实现对银杏Ginkgo biloba,樟树Cinnamomum camphora,无患子Sapindus saponaria等9种植物叶片的识别分类。图6表1参13     

基于分块LBP的树种识别研究

本文基于获取便捷的木材体视图进行木材树种自动识别研究。首先对木材图像进行标准化预处理,然后采用分块LBP提取特征,分别使用欧式、卡方、衰减3种不同的距离进行分类,最后采用最近邻进行识别。讨论了木材图像特征分块方式对识别结果的影响,并比较了在不同距离下的识别效果。结果表明：采取不同的分块方式对最终的分类影响较大,其中沿着...     

基于两方向二维主成分分析木材识别的研究

两个方向的费希尔主成分分析方法（2D）^2FPCA结合了二维主成分分析方法（2DPCA）和二维费希尔线性方法（2DFLD）的特点,很好地解决2DPCA特征提取时比传统PCA需要更多系数来表达图像信息的问题。根据木材体视图受光照影响及同一树种的样本图片之间差别较大等特点,适当增加了识别的类内散布矩阵从而提高了木材的识别率。（2D）^2FPCA为木材的智能识别提供了一条新途径。     

模糊支持向量机与独立成分分析在木材识别中的应用

采用体视显微镜获取图片解决了图片获取时间的难题。独立成分分析与支持向量机在人工智能方面已经取得较深入的研究,本文采用基于模糊支持向量机结合独立成分分析的方法在木材体视图图像数据库中的实验中取得了很好的木材识别率。     

基于GIS的喀斯特森林生态仿真系统的构建

根据恢复生态学原理和相似学原理,将退化喀斯特森林演替系列各群落中所有的种划分为5个适应等级种组,并把自然恢复演替过程划分为6个演替阶段.通过考察不同适应等级种组在不同恢复阶段的变化过程,得出群落动态演替中种组替代规律,并通过退化群落恢复潜力度、恢复度和恢复速度3个评价指标对退化喀斯特森林自然恢复过程进行评价.在这些机理基础之上,基于GIS开发出一套退化喀斯特森林自然恢复生态仿真系统,应用于退化喀斯特森林自然恢复过程、恢复对策及其变化的研究,制定相应的经营措施,加速退化喀斯特森林恢复.