基于不变矩的手形认证方法研究

针对现有的手形认证方法的不足,提出一种基于几何不变矩的手形认证方法。图像经过二值化处理和分割手腕后,需要对所得到得手掌及手指部分图像进行平移和缩放归一化处理,以提取图像的几何矩特征,再由7个矩特征构成一组特征向量。最后通过支持向量机方法对图像库中的100幅图像数据进行训练,并随机抽取15幅图像进行测试,结果表明手形认证准确率可达到93.3%。提取手形几何矩特征作为手形认证的有效特征,该方法具有算法简单、运算量小、认证准确率高等特点,并且解决了由于去除定位栓所带来的手形采集平移、旋转和缩放等问题。     

基于多任务联合稀疏表示的水稻叶片病害自动识别算法

在水稻(Oryza sativa L.)病害自动识别技术中,针对不同种类病害在抽取到相似特征的情况下,病害难于区分,甚至做出错误判断,从而降低识别率的问题,提出了多任务联合稀疏表示的水稻叶片病害自动识别算法.该算法将单一病害特征的识别过程看作"任务",要求这些"任务"特征在同一个训练数据集合的对应特征字典下能够稀疏表示,同时不同"任务"的稀疏表示系数向量具有相似的结构,从而实现了利用不同"任务"间的相互关系提高判断的准确率.同时这种算法使得病害的识别通过一次处理完成,避免了传统方法多次判断所引入的误差.实验表明,该算法能够充分挖掘不同特征类型间的关系,从而提高了识别的效率.     

基于ISSR分子标记的紫云英种质资源遗传多样性及结构分析

紫云英(Astragalus sinicus L.)是我国重要的稻田绿肥作物,为揭示不同地区种质资源遗传特征,本研究利用ISSR分子标记对77份紫云英种质资源进行了遗传多样性及结构分析。研究发现,77份供试紫云英种质资源遗传相似性系数为0.567 7～0.868 6,可划分为6个聚类。不同地区群体间分化系数为0.136 3,达到极显著水平(P<0.001),其中种群间变异占比13.9%,种群内变异占比86.1%。不同ISSR引物扩增信息鉴别紫云英资源的能力存在差异,构建了以P809第3,8,9,10,12,15扩增位点以及P886第1,3,5,9,10,11扩增位点为特征的指纹图谱,能有效区分77份供试紫云英资源。以资源所在省份为单元进行群体分析,供试紫云英资源遗传结构呈现分化特征,河南-安徽-江苏-上海资源遗传结构相似,构成北方亚群;四川-广西-湖南-江西资源相似,构成西南方亚群;福建种质资源则呈现混合型特征。本研究结果可为我国紫云英种质资源的科学利用及新品种选育提供依据。     

基于视觉的苗期作物株间除草关键技术研究现状

基于视觉的苗期作物和杂草的图像分割技术逐渐成熟,通过视觉技术对苗期作物进行精准识别和定位,是实现株间除草的关键技术和难点。作物的精准识别首先需要利用颜色特征将图像中的作物、杂草和土壤背景进行分割;其次利用实际识别对象的位置特征,形状特征,纹理特征,光谱特征等构造新的特征向量,结合成熟的分类算法对作物和杂草进行特征分类识别。针对棉苗和大豆苗,主要提取位置特征、形状特征,多采用支持向量机为主分类算法;针对玉米,主要提取位置特征、纹理特征,多采用人工神经网络为主的分类算法;针对部分蔬菜苗,主要提取形状特征、光谱特征,多采用算法结合的优化算法,具体实现时需要根据离线样本学习的结果来平衡苗期作物的识别准确率与实时性。在目前的算法中,主要存在三方面的问题:作物特征提取效果易受到遮挡、光照等干扰;分类算法目前还不能得到非常令人满意的准确性和实时性;目前算法一般是针对某种时段的作物,不具有通用性。这些都是后续算法研究中需要进一步解决的问题。     

基于方向一致性特征的小麦条锈病与白粉病识别方法

针对小麦条锈病、白粉病这2种病斑颜色特征相近、形状特征不明显,但在方向分布的一致性上却存在较大差别这一特点,提出了一种方向一致性描述方法。通过不同的方向核与图像卷积得到多个方向图和边缘,对每个方向图依据边缘图进行统计得到图像的方向分布直方图;并计算方向分布直方图的标准差,作为图像方向分布的一致性特征。该方法能够较好地抑制噪声影响,得到的结果符合图像的实际分布情况。利用该方法对小麦病斑进行特征提取,并应用于小麦条锈病与白粉病的病斑识别实验中。实验结果表明,所提出的方向一致性特征使条锈病与白粉病的区别度较大,准确识别率达到99%。     

基于图像特征选择识别田间籽棉品级

依据中国籽棉品级文字标准,在HSI颜色空间提取了反映籽棉颜色和杂质含量的14个纹理特征以及反映棉瓣大小、结构的16个形状特征,该特征集存在维数灾难,需要进行降维。面向籽棉品级识别的特征选择问题属于非多项式(NP)难题,该文基于交叉验证、混合Filter-Wrapper和启发式搜索提出了一种求解算法。首先,以最优特征组合和浮动搜索为启发式搜索策略,基于10-折交叉验证在每一个训练集上用Filter启发式搜索最优l维特征子集（l=1, 2, 3,…, 30）,评价函数为类可分性准则;其次,在10个训练集上用Wrapper从最优l维特征子集中选择最优特征子集的容量（l=1,2,3,…,30）,评价函数为Bayes分类器的误分率,10个验证集的平均误分率极小处产生最优特征子集的容量;最后,在最优特征子集容量处验证预测集的平均误分率。结果表明,所选择的10个最优特征子集在预测集上的平均识别率为88.39%,混合Filter-Wrapper和浮动搜索的特征选择算法效率高、效果好。     

黄土丘陵沟壑区地表过程响应单元划分及其地形特征提取

地表过程解析与调控是保障人与自然和谐相处的重要途径,高效、合理地划分地表过程响应单元则是开展地表过程研究的重要前提.针对黄土丘陵沟壑区土壤侵蚀的地形地貌分异特征,提出在小流域内以沟谷线、山脊线、分水线和沟缘线相互交叠,构成具有相对均一坡向、坡度与坡位的地表过程响应单元,在ArcGIS9.2中,以Hc-DEM为基础数据,通过确定沟谷线、山脊线、分水线和沟缘线的提取方法,以及响应单元平均坡度、整体坡向、面积与周长等地形特征的测算技术,实现地表过程响应单元的快速划分及其地形特征的高效提取.研究结果对促进黄土丘陵沟壑区以土壤侵蚀为代表的地表过程研究具有重要的基础意义.     

棉花异性纤维中麻绳与羽毛的分类特征

摘要：为准确识别棉花异性纤维中较难识别的羽毛和麻绳异性纤维,采用机器视觉技术,通过图像处理方法采集异性纤维目标,对羽毛和麻绳异性纤维的色彩和纹理特征进行有效的特征提取,形成异性纤维目标的特征向量。再通过一种自底向上的凝聚型层次聚类算法对提取的羽毛和麻绳的色彩与纹理特征进行层次聚类分析,选择最优特征向量。将8个特征向量进行降维分析并比较各维数下的层次聚类效果,试验结果表明,选取红色(R_ave)、绿色(G_ave)、蓝色(B_ave)、能量、熵、惯性矩等6个特征进行层次聚类效果最好,羽毛识别率达到94%,麻绳识别率达到95%, 说明选择的特征向量对这2种异性纤维具有理想的区分性。该研究可为棉花异性纤维的正确识别提供参考。     

基于声信号特征加权的设施养殖羊行为分类识别

中国西部地区正在发展集约化和规模化的设施养羊业,通过监测羊舍内的声信号可以判别羊只的行为状态,从而为设施养羊的福利化水平评估提取基础依据。梅尔频率倒谱系数（mel frequency cepstrum coefficient,MFCC）模拟了人耳对语音的处理特点且抗噪音性强,被广泛用于畜禽发声信号的特征提取,但其没有考虑各个特征分量表征声信号的能力。该研究构建羊舍无线声音数据采集系统,采集20只羊在设施羊舍内的打斗、饥饿、咳嗽、啃咬和寻伴共5种行为下的声信号,并通过Audacity音频处理软件选出720个清晰且不重叠的声音样本数据。根据MFCC各分量对羊舍声信号表征能力,特征参数提取采用一种熵值加权的MFCC参数,再求其一、二阶差分并进行主成分分析降维,得到优化的19维特征参数。通过对羊舍声信号的声谱图分析,设计了支持向量机二叉树识别模型,并对模型内的4个分类器参数进行网格化寻优测试,该识别模型对羊只5种行为下的声信号进行分类识别,用改进的特征参数与传统MFCC和线性预测倒谱系数（linear predictive cepstrum coefficient,LPCC）进行对比分析。结果表明,该特征参数对5种行为的识别率平均可达83.6%,分别高于MFCC和LPCC参数14.1%和26.8%,羊只打斗和咳嗽行为的声信号属于相似的短时爆发类声音,其识别率分别仅为80.6%和79.5%,啃咬声特征显著不易混淆,其查全率可达到为92.5%,改进特征参数更好的表征了羊舍声信号的特征,提高了羊只不同行为的识别率,为羊只健康和福利状况的监测提供理论依据。     

多对象特征提取和优化神经网络的玉米种子品种识别

为了实现机器视觉代替人的视觉,对玉米种子品种进行实时、客观、准确和无损伤识别,研制了玉米品种识别硬件系统和软件系统。针对玉米种子及种子图像的特点,对玉米种子品种识别技术与算法进行了深入地研究和探索,提出了一种基于多对象有效特征提取和主成分分析优化神经网络的玉米种子品种识别方法,提取了玉米种子的几何特征和颜色特征参数,优化了基于机器视觉的玉米种子图像处理策略和品种识别算法,提高了玉米品种识别的速度和准确率。对农大108、鲁单981、郑单958、五岳18共4个品种玉米种子进行了品种识别试验,每粒种子识别的平均耗时为 0.127 s,综合识别率达到97%以上。研究表明,基于机器视觉的玉米种子品种识别与检测方法是可行的,该方法可提高玉米种子品种识别效率和正确率。