首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 62 毫秒
1.
采用数字图像处理方法对油菜叶片进行长、宽、面积测算,建立了叶片长、宽、长宽积和叶片面积的回归方程,为植物叶片面积快速估算提供了比较好的方法。  相似文献   

2.
【目的】果实表面积是发育生理学研究的一个重要特征,同时也是植物病理学研究分析的重要指标。【方法】本试验采用包裹法测定3个不同果形枣品种的表面积,尝试4种测算模型对枣果实表面积进行拟合计算。【结果】基于‘板枣’体积和‘婆婆枣’横径线性回归模型,‘壶瓶枣’质量非线性回归模型更能估测枣果实表面积,回归方程分别为:y=2.9132x+2.7707,r=0.9767;y=2.1551x-22.318,r=0.9887;y=6.1831x0.7321,r=0.9851。  相似文献   

3.
叶片不仅是植物进行光合作用的重要器官,也是生态系统中生产者的主要能量转换器,叶片的自身性质直接影响着植物的基本行为与重要功能。测量植物叶片的面积,能够有效地反映植物对外部因素的适应程度,如植物对地理分布、营养成分等方面的适应程度。同时,植物叶片表面的各项指标也是影响植物生长、果实良好发育的生理指标,指标的高度决定着植株发展的趋势与质量。因此,叶片表面积的测量对于植物的指标检测有着重要的意义。该文重点阐述了目前条件下植物叶面积的测量方法以及数字图像处理技术测量植物叶面积方面的研究进展。  相似文献   

4.
基于eCognition植物叶片气孔密度及气孔面积快速测算方法   总被引:1,自引:1,他引:0  
目的叶片气孔是植物与外界进行物质交换的重要窗口,对环境变化十分敏感。如何快速、精确地获得气孔密度和开放程度数据仍缺乏成熟的方法与技术,本研究旨在探索植物叶片气孔密度及气孔面积的快速测算方法,为今后植物气孔研究工作提供参考。方法以北京市常见绿化树种白蜡、臭椿和国槐叶片为研究对象,采用面向对象分类的eCognition图像处理软件,对叶片气孔显微图像进行多尺度分割和分类识别,根据对象的光谱特征、亮度特征和几何特征构建规则并进行气孔分类和提取。结果气孔分割的最佳参数及自动提取规则组合为:尺度参数120~125、形状参数0.7、紧凑度参数0.9、亮度值160~220、红光波段>95、形状-密度指数1.5~2.2。结论该方法提取气孔密度和气孔面积的精度分别达到99.2%、94.5%,结果较理想,适用于植物叶片气孔信息的快速提取。   相似文献   

5.
基于叶片图像的植物分类方法研究是植物分类学的一个重要研究方向。由于叶片图像的复杂性和对季节、光照等条件比较敏感,使得现有的植物分类方法的分类效果不佳。该文提出了一种基于稀疏表示字典学习的植物物种识别方法,该方法将植物分类问题转化为求解待分类叶片图像对于训练样本植物叶片图像的稀疏表示问题;再利用面向植物叶片图像类别的字典学习,寻求一个较小的、并经过优化的超完备字典来计算待识别叶片图像的稀疏表示。与已有植物分类方法比较,该方法的创新点为直接对原始叶片图像进行处理,不需要从每幅叶片图像中提取颜色、纹理和形状等分类特征,从而极大降低了植物分类方法的复杂度,提高了分类方法的实时性和鲁棒性。在公开的植物叶片图像数据库中对50类植物叶片图像进行了分类实验,识别率高达92%以上。  相似文献   

6.
植物叶片是植物最重要的器官之一,重建高精度的复杂叶片模型对于后续研究具有重要意义。但由于现实中复杂叶片的点云数据存在噪声、孔洞等问题,所以不易重建出高精度的叶片模型。基于激光点云数据的复杂植物叶片重建方法,该方法首先对原始点云数据进行去噪处理,然后采用三角剖分方法生成网格,再对网格进行优化处理,最后对存在孔洞的地方进行修补。结果表明,本方法能够根据激光点云数据快速重建出复杂植物叶片的高精度模型。  相似文献   

7.
基于点云数据的植物叶片三维重建   总被引:1,自引:1,他引:0  
叶片是植物最重要的器官之一,为构建植物叶片的高精度几何模型,提出了一种基于三维点云数据的植物叶片几何建模方法。针对植物叶片形态特征,选定最适三维扫描仪进行叶片点云数据获取,通过点云的配准、简化及去噪等操作得到高质量叶片点云数据,在此基础上进行叶片网格生成与网格优化,最终得到高精度植物叶片网格模型。利用该方法分别对黄瓜、玉米和两个品种的葡萄叶片进行几何建模,结果表明,所构建的叶片模型能够较好地保持叶片形态特征,且较以前的方法在精确度和真实感方面有了较大的提高。该研究对于推动数字植物几何建模及进一步基于几何模型的可视化计算具有重要意义。  相似文献   

8.
基于叶片图像处理和稀疏表示的植物识别方法   总被引:1,自引:0,他引:1  
基于植物叶片图像的植物识别方法研究在保护生态环境方面具有十分重要的意义。针对植物叶片的复杂、多样性而导致很多基于特征提取的植物识别方法识别率不高的问题,提出了一种基于改进稀疏表示的植物识别方法。该方法利用最近邻准则实现稀疏表示,通过稀疏表示系数实现植物识别。该方法的创新点是将叶片图像识别问题转化为求解待识别样本关于训练样本的稀疏表示问题,是直接对原始叶片图像进行操作,而不需要进行特征提取和选择过程,由此提高了算法的识别效率。在6种叶片图像数据集上的试验结果显示,该方法对叶片图像识别是可行的,识别率高达94%以上。该方法为非线性、复杂叶片图像识别提供了一种途径。  相似文献   

9.
叶片形态是植物适应生存环境的重要表征之一,如何准确、高效地获取叶片形态资料是当前植物叶片形态学研究方法和研究技术发展的主要驱动力。由于传统方法大多存在费时费力、测量指标有限等弊端,研究者们希望能够利用计算机技术对叶片形态学特征进行全自动化提取。文章总结了当前叶片形态学特征研究的主要方法和计算机图像分析的原理和使用经验,并分析了现有叶片形态学特征自动化提取技术的主要问题和解决这些问题的难点,结果表明,最小外接矩形算法在叶片形态学特征自动化提取中局限性较大。未来对叶片形态学自动化提取软件的开发须全面考虑所提取叶片特征的整体效应和生物学意义,合理利用植物的真实形态学结构特征进行判别,以控制纯几何学和纯图形学运算结果的失真程度。  相似文献   

10.
基于叶片图像多特征融合的观叶植物种类识别   总被引:9,自引:4,他引:5  
叶片图像特征提取对于植物自动分类识别有着重要的研究意义。本文以观叶植物叶片为研究对象,综合提取叶片图像的颜色、形状和纹理特征,基于支持向量机(SVM)原理提出了基于图像分析的观叶植物自动识别分类方法。通过对50种观叶植物样本图像进行训练和识别,与BP神经网络和KNN识别方法进行比较,本文所采用的SVM分类器的识别率能够达到91.41%,取得了较好的识别效果。   相似文献   

11.
叶面积指数(LAI)被定义为植物所有叶片表面积总和与植株所占的土地面积的比值,是表征植物生长趋势的重要参数。总结了当前LAI间接测量研究中的2个重要分支:遥感定量法和LIDAR测量法;详细地介绍了这2个分支下的3种方法:统计模型法、光学模型法、LIDAR测量法,阐述了各自的原理和研究进展;在此基础上,讨论了3种方法的优缺点及未来的发展趋势。  相似文献   

12.
植物的分类与识别是农业生产经营和植物学研究中具有非常重要意义的基础性工作。植物叶片识别是进行植物分类的一种非常有效的方法,过去传统的做法是靠手工测量采集叶片原始数据进行人工分析。随着计算机图像处理技术的飞速发展及其应用领域的不断拓宽,在植物叶片识别过程中可利用计算机进行辅助分析,这样可以大大节省资源、提高效率,并且得到的结果也具有较高的精确度。本文将重点介绍基于图像纹理分析的植物叶片识别系统。  相似文献   

13.
根域温度对植物的生长发育具有重要的影响。对于干旱地区植物来说,水分是植物生存至关重要的因素,叶水势是反映植物内部水分状况的重要指标。对宁夏枸杞夏季根域温湿度及叶片水势进行跟踪测量研究,结果表明,夏季枸杞根域温度越低,叶片水势越高;枸杞根域温度越高,叶片水势越低。  相似文献   

14.
利用计算机快速测定南瓜叶面积的方法   总被引:1,自引:0,他引:1  
研究了计算机图像分析方法测定南瓜叶面积.该方法先通过数码相机采集图像数据,用PhotoShop处理后,再用自制图形分析软件(植物叶面积分析工具V1.0)对处理的图片进行分析,可直接计算出叶面积大小.试验表明,此种方法的速度快,精度高,成本低,不损伤植物叶片,具有很强的可操作性.也可用作其它植物叶面积的测量.  相似文献   

15.
植物叶色变异是自然界中较常见的现象。植物主要靠叶片进行光合作用,叶片颜色变化会直接影响植物的光合作用,进而可能导致植物生长发育不良甚至死亡,造成减产。另一方面,不同的叶片颜色变异是园艺植物多样性的来源之一,能显著提高植物的观赏价值和经济价值。因此,研究叶片颜色变异的机理一直是植物发育学研究的重要课题。影响植物叶片颜色的因素有很多,本文主要从叶绿素代谢、类胡萝卜素代谢、花青素代谢和环境因素等方面综述了植物叶片颜色变化的分子机理,并总结了叶色突变体在作物以及观赏植物中的应用,为植物遗传改良提供参考。  相似文献   

16.
植物叶片图像的预处理是进行叶形特征提取和识别的重要前提,获得高质量的预处理叶片图像对计算机辅助植物识别十分重要.本文提出了基于数学形态学的植物叶片图像的预处理方法,运用数学形态学中的开运算和闭运算消除图像中的孤立噪声点并填补叶片内部孔洞.该方法保持了原图像的基本形状特征并能获得清晰的边缘,为叶片特征提取创造了良好的前提.  相似文献   

17.
当前,农业科学的信息化程度不断深入,植物叶片可视化研究一直在不断发展,但投入到实际应用中的仍然为少数,本文通过对近10a有关学者对植物叶片可视化的研究方法和可视化效果进行总结梳理,得出当前该领域发展进程以及需要进一步明确的问题。通过对一些研究方法进行总结分析,对植物叶片可视化未来的研究方向进行大胆猜想和展望。  相似文献   

18.
为了提高植物叶片的识别准确率,提出一种基于PCA和AdaBoost.M1的植物叶片图像识别方法。首先对植物叶片图像进行图像灰度化、二值化以及边缘提取等预处理,然后提取出13个具有比例、旋转、平移不变性的植物叶片特征参数,再利用PCA对这些特征参数进行降维,最后采用AdaBoost.M1分类器对降维处理后的特征参数进行训练和识别。结果表明,该方法可以有效地提高植物叶片图像的识别率。  相似文献   

19.
气孔是植物进行气体交换和水分蒸腾的重要通道,是影响植物光合作用的一个重要因素。水稻、小麦、大麦以及其它植物的气孔密度与光合速率或生长呈正相关业已获得部分证明。[1—4]因此,在研究提高植物光合效率的问题中,叶片气孔密度的变化是一个值得重视的问题。叶片的气孔密度常随植物许多内外因素的影响而变化,[4.5]了解这些变化规律,尤其是对在产量形成上有较大作用的后期叶片进行了解,具有一定的实践意义。本文就小麦叶片在不同温度、营养以及激素等条件下气孔密度变化的特点进行了初步探讨。  相似文献   

20.
利用机器视觉系统代替人工对叶片叶面积进行测算。运用Halcon图形开发工具,以VB 2008为基础开发平台,采用通过阈值分割与区域特征提取的方法来计算叶面积,并将结果显示到屏幕并保存到文件中。将具体图像采集设备与机器视觉系统连接,完成叶片图像采集、图像处理和结果显示的一体自动化。与手工测算的费时费力和使用专业设备的高昂费用相比,此系统能在保证测算结果精确度的基础上,对多种植株叶片进行快速准确、简单易行、经济实用的测算。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号