共查询到20条相似文献，搜索用时 203 毫秒
1.
基于多阈值分析法的树木年轮特征识别方法研究 总被引：1，自引：0，他引：1
针对树木年轮图像特点,利用小波变换的方法对年轮图像的数据进行压缩,在保证较高清晰度的前提下,获得较高的压缩率;针对树木年轮图像在复杂背景下分割困难的问题,提出一种多阈值分析法并进行年轮图像识别,仿真结果表明,该方法比采用Prewitt算子、Log算子及Canny边缘检测算子所得到的年轮特征更为完整和清晰. 相似文献
2.
X射线无损检测树木年轮的研究 总被引：4，自引：1，他引：4
本文研究了X射线无损检测树木年轮的基本原理和实验方法,拍摄了清晰的年轮图像,分析和讨论了提高年轮图像清晰度的途径,给出了测算年轮宽度的公式。 相似文献
3.
为快速精准获得树木年龄及年轮信息,研发了一种电动生长锥结合Python视觉库（PIL）进行年轮信息自动提取的方法。电动生长锥是在传统生长锥的基础上增加动力组,以电动力代替人力进行树木树芯获取,树芯经处理后使用扫描仪扫描得出的树芯图像,利用Python视觉库中的二值化、坐标信息提取方法对树芯年轮图像信息进行提取分析,根据每点之间的像素数,运用距离公式计算得出各年轮的宽度。该方法操作简单,成本低廉且精度较高,仅需使用电动生长锥配合扫描仪及电脑即可得出树木年轮信息,适用于不具备专业仪器环境的外业条件时树木树芯年轮进行快速测定。通过实验对电动生长锥适用性范围进行了分析,其电动生长锥取样与传统手动钻取相比,树芯状态无明显差异但时间节省一倍以上,利用Python脚本进行年轮信息提取与LinTab仪器相比,测量年轮宽度值未见明显差异,其Bisa%为023%,RMSE%为187%,满足年轮信息提取基本需求,且集成程度高,只需输入图片即可得到年轮信息。 相似文献
4.
该文针对智能整枝机视觉系统的需要提出一种以数学形态学为主的图像分割方法,解决了智能整枝机视觉系统中背景复杂下树木图像分割困难的问题.该方法分成5个步骤:①利用小波变换将图像进行压缩;②亮度矫正;③用分水岭算法对图像进行分割;④用区域合并法解决分水岭算法中的过度分割问题;⑤用中值滤波器滤除分割过程产生的孤立点.结果表明:该方法比Roberts算子、Sobel算子及Prewitt算子对树木图像的分割效果好,为立木整枝机视觉系统的深入研究打下了基础. 相似文献
5.
在山西太原和灵石两个地区,对刺槐和旱柳的年轮生态反应值进行了研究。对刺槐和旱柳年轮取样,使用年轮宽度和离差值计算树种在该地区年轮生态反应值。试验结果表明,树木年轮对生态环境适应性有一定的相关性。刺槐树种树木年轮生态反应值为1．292,旱柳树种树木年轮生态反应值为1．762。刺槐在该地区对生态环境反应度较低,长势较好;旱柳对该地区生态环境反应度较高,长势较差。生态反应值与树木生长情况呈负相关,可以作为树木对生态环境适应能力的评价指标。 相似文献
6.
复杂背景下的树木图像提取 总被引：1，自引：0，他引：1
树木图像提取是将树木地面摄影图像中的单株树木与其周围景物分离的技术,为计算机技术在林业中的应用提供基础数据和技术支撑。在自然场景中拍摄的背景具有不确定性的树木图像,其提取是一项探索性很强的工作,具有重要的实用价值和现实意义。本文分析了复杂背景下树木图像的特点和提取的难点等问题;把近年来出现的树木图像提取方法按照图像分割和自然图像抠图分成两大类,并分别对每种方法中的典型算法进行了详细阐述。在此基础上,对图像分割与自然图像抠图技术在树木图像提取应用中的优势和局限性进行了分析和比较,提出把图像分割和自然图像抠图技术合理结合,针对树木图像特征,设计出准确、快速、实时的树木图像提取技术是未来研究的重点和难点。 相似文献
7.
树木图像分割是一种从图像中把树木与周围背景完整分离的技术,是计算机仿真学科在林业应用方面的核心内容,也是计算机视觉方向的研究热门,为林业应用提供一定的技术支持。根据树木图像含有分裂、合并、形成尖角等相对比较复杂形状的特点,首先对图像运用基于C-V模型水平集的计算,通过计算活动轮廓长度和差异量来判断迭代收敛的情况,待迭代稳定后对其进行形态学后处理操作,将某些过分割区的细密纹理和噪声剔除,从而得到全局最佳优化的图像分割效果。为彩色树木图像的分割提供一种更为有效的方法。 相似文献
8.
基于图像的树木自动提取是其种类、长势、形态等信息智能化判别的基础,如何实现树木的自动、准确、快速提取是具有实用性的科学问题。在自然场景中,由于图像元素多样、颜色差异大,树木自身存在不规则性,树木提取难度非常大。针对现有的图像分割与图像抠图法在树木提取过程中分别存在的误分割与过程复杂所导致的计算量大的问题,提出了一种基于K-means聚类算法优化Close-Form图像抠图的树木提取方法。在少量的标记下,依据颜色线性假设进行最小化代价函数计算,得到图像透明度;对透明度图像依次进行中值滤波、高斯滤波,得到透明度的去噪图像;对滤波后透明度与标准化的图像绿色分量组成二维空间进行K-means二聚类,实现背景与前景对象的准确判定,进而完成自然背景的树木图像提取。为了验证所提方法在不同场景和不同标记下的树木提取有效性,设计了基于K-means图像分割和传统Close-Form抠图方法的比较性试验。结果表明,基于K-means优化Close-Form的树木提取方法解决了传统Close-Form算法在少量标记下图像前景、背景估计不准确问题,克服了图像分割存在的误分类情况,实现了不同自然环境和多目标树木对象的提取。此方法具有对象提取稳定、计算时间快的优点,相对原Close-Form算法用时减少49.98%。 相似文献
9.
树木年轮X射线检测底片的自动计数装置 总被引：1，自引：0，他引：1
本文介绍了树木年轮X射线检测底片的自动计数装置的基本原理、工作方法和使用元件,并用它对树木年轮检测底片进行了测试,提高了检测树木年轮数目的准确度。 相似文献
10.
11.
Machine vision for counting fruit on mango tree canopies 总被引：1，自引：0，他引：1
W. S. Qureshi A. Payne K. B. Walsh R. Linker O. Cohen M. N. Dailey 《Precision Agriculture》2017,18(2):224-244
Machine vision technologies hold the promise of enabling rapid and accurate fruit crop yield predictions in the field. The key to fulfilling this promise is accurate segmentation and detection of fruit in images of tree canopies. This paper proposes two new methods for automated counting of fruit in images of mango tree canopies, one using texture-based dense segmentation and one using shape-based fruit detection, and compares the use of these methods relative to existing techniques:—(i) a method based on K-nearest neighbour pixel classification and contour segmentation, and (ii) a method based on super-pixel over-segmentation and classification using support vector machines. The robustness of each algorithm was tested on multiple sets of images of mango trees acquired over a period of 3 years. These image sets were acquired under varying conditions (light and exposure), distance to the tree, average number of fruit on the tree, orchard and season. For images collected under the same conditions as the calibration images, estimated fruit numbers were within 16 % of actual fruit numbers, and the F1 measure of detection performance was above 0.68 for these methods. Results were poorer when models were used for estimating fruit numbers in trees of different canopy shape and when different imaging conditions were used. For fruit-background segmentation, K-nearest neighbour pixel classification based on colour and smoothness or pixel classification based on super-pixel over-segmentation, clustering of dense scale invariant feature transform features into visual words and bag-of-visual-word super-pixel classification using support vector machines was more effective than simple contrast and colour based segmentation. Pixel classification was best followed by fruit detection using an elliptical shape model or blob detection using colour filtering and morphological image processing techniques. Method results were also compared using precision–recall plots. Imaging at night under artificial illumination with careful attention to maintaining constant illumination conditions is highly recommended. 相似文献
12.
基于灰度梯度图像分割的单木树冠提取研究 总被引：3，自引：2，他引：1
树冠是树木的重要组成部分,基于遥感影像的树冠提取对于森林资源调查监测具有重要意义,但准确获得树冠的形状和边界比较困难。高分辨率影像具有丰富的纹理和光谱信息,基于高分辨率影像单木树冠勾勒技术为森林资源调查提供了一种快速有效的测树途径。但是,由于高分影像信息冗杂,面向对象的分割方法数据计算量大,并且需要人工设置光谱或纹理阈值才可以实现单木分割,导致工作效率下降,鲁棒性差。图像增强通过改变原始图像的结构关系,有选择地突出或者抑制图像中的某些特征,有效的图像增强有益于提高单木树冠分割的准确程度。因此,本文提出一种基于影像的灰度梯度图像分割的树冠提取方法,通过对比传统的罗伯斯、拉普拉斯算子与改进的数学形态学算子,利用目视解译与灰度直方图结合的方法确定最优选择为改进的数学形态学算子。然后,利用改进的数学形态学算子结合面向对象多尺度分割方法,简化原始影像复杂的背景信息,快速提取大范围单木树冠信息。以甘肃省张掖市大野口林区机载激光雷达系统携带的CCD影像为数据源,提取实验区单木树冠,并从空间和形状上验证效果。实验结果表明:在高分影像的灰度梯度图像上进行面向对象分割提取单木冠幅, 单木株数精度为83.19%,形状精度达到88.62%,优于传统林业调查精度,且冠幅获取速度快,效率高,并可以较为精确地提取树冠边界。 相似文献
13.
14.
准确提取单木树冠边界是获取森林数量参数的重要基础,是高分辨率遥感图像林业应用的技术难题。基于DOM航空影像数据源,采用面向对象的方法对研究区内的2个树种的林分进行了单木树冠边界提取研究。首先利用桉树和杉木的空间分布矢量数据对DOM航空影像进行掩膜处理,在掩膜区域内进行多层次多尺度图像分割得到初步树冠分割结果,并剔除非树冠信息;再以树冠信息种子对象为基础,使用区域增长算法对树冠信息种子对象增长得到单木树冠范围;最后使用形态学滤波的方法优化单木树冠边界,完成林区内桉树和杉木两类树种的单木树冠边界提取。结果表明,由于不同树种的树冠存在尺度和形态差异,进行单木树冠分割时需要设置不同的参数才能到达较好的分割效果。本研究中桉树和杉木的单木树冠提取总体精度分别为86.75%与89.21%,可满足林业部门获取森林单木树冠的精度需求。 相似文献
15.
在国内外图像处理和机器视觉技术在苹果树图像分析应用相关研究的基础上,总结了专门针对苹果树图像分割技术的研究进展。按照图像分割的技术体系,分析了苹果树图像分割技术的主要研究进展,系统地总结了图像分割算法及其在苹果树图像应用上的特点,提出了苹果树图像分割算法的演进图,展望了苹果树图像分割算法研究发展的趋势,为基于图像处理及机器视觉技术的苹果信息化技术研究提供了参考。 相似文献
16.
17.
高分辨率无人机遥感影像单木树冠参数信息提取方法是森林资源精准监测和生态功能评估的重要基础,而自然光照条件下粘连和遮挡单木树冠的准确分割是直接决定单木树冠信息提取精度的关键。针对自然光照条件下山地森林无人机遥感影像中单木树冠相互粘连、遮挡难以分割,以及传统算法泛化能力弱等问题。本研究结合深度学习和标记控制分水岭算法的优点,提出了一种基于U-Net和标记控制分水岭（marker-controlled watershed,MCW）算法（简称U-Net+MCW算法）的山地森林单木树冠提取方法。以新疆山地森林优势树种天山云杉(Picea schrenkiana var.tianschanica)为研究对象,在南山实习林场采集积雪背景下无人机遥感影像作为试验数据,构建了基于深度神经网络U-Net和标记控制分水岭算法的单木树冠提取模型。首先,从无人机遥感影像中选取1 000张训练样本,128张测试样本,并对样本进行标注,通过数据增强将1 000张训练样本扩增为16 000张,按照4∶1分为训练集和验证集,对U-Net模型进行训练,在训练过程中赋予2个或多个树冠间的相邻边界像素较大权重。然后,利用训练好的U-Net模型对测试集样本进行单木树冠提取。最后,在深度神经网络U-Net单木树冠提取的基础上,采用MCW算法对提取结果进行优化,并对单木树冠提取效果进行精度评估。结果表明,U-Net+MCW算法对于单木尺度的F测度为74.04%,比单一使用U-Net模型提高了28.52%,以该方法提取遥感影像中的天山云杉树冠信息为基础,计算其单木树冠面积和冠幅的精度分别为81.05%和89.94%。因此,U-Net+MCW算法能够有效解决自然光照条件下,由于原始图像背景复杂且树冠内部亮度变化不均匀和树冠间粘连、遮挡等因素,导致的单个树冠内、树冠聚集处或连接重叠区域出现的树冠错分割、过分割、合并等问题,是一种低成本、高效率的单木树冠提取方法,能够满足中小尺度山地森林资源调查和监测要求。 相似文献
18.
Effective and efficient segmentation of vegetation from digital plant images is an actively studied topic in crop phenotyping. Many of the formerly proposed methods showed good performance in the extraction under controlled light conditions but it is still hard to properly extract only vegetation from RGB images taken under natural light condition where the images can contain shadowed and lighted parts with specularly reflected parts of plants. In this paper, we propose a robust method to extract vegetation from the plant images taken under natural light conditions using wheat images. The method is based on a machine learning process, decision tree and image noise reduction filters. We adopted the CART algorithm to create a decision tree in the training process and examined its performance using test images, comparing it with the performances of other methods such as ExG, ExG-ExR and Modified ExG which are widely used recently. The results showed that the accuracy of the vegetation extraction by the proposed method was significantly better than that of the other methods particularly for the images which include strongly shadowed and specularly reflected parts. The proposed method also has an advantage that the same model can be applied to different images without requiring a threshold adjustment for each image. 相似文献
19.
针对目前林业部门人工调查树种存在效率低、成本高等问题,采用无人机遥感技术进行树种分类识别,提高树种调查效率,辅助林业管理部门进行林木种植结构分析、病虫害防治等工作。利用无人机获取矮冬青、三球悬铃木、马尾松和紫叶李的冠层红绿蓝（red-green-blue,RGB）可见光影像,进行数字表面模型（digital surface model,DSM）特征图像提取,通过色彩空间转换提高树种间颜色差异;应用最优尺度分割,以纹理特征、颜色特征及几何特征为分类特征参数,优选最佳分类特征集,以期实现无人机可见光影像的树种分类。结果表明,DSM与RGB特征融合图像提取树种的精度较高,可见光影像分类总精度为91.58%,Kappa系数为0.89;特征融合图像分类总精度为98.27%,Kappa系数为0.98。研究提出的特征融合图像结合面向对象分类方法实现了可见光影像的树种分类,为实现树种计数、统计、分类提供数据参考。 相似文献
20.
为促进数字图像处理技术在珍贵树种营养分析中的高效应用，以幼龄沉香为研究对象，运用大津法与K-Means算法分别对试验获取的幼龄沉香可见光图像进行分割，对2种分割算法进行比较研究。基于图像分割结果，提取R、G、B等8种颜色特征并进行主成分分析，同时计算沉香图像的最小外接矩形的矩形度RE。结果表明，1）大津法与K-Means算法均可实现对多张幼龄沉香可见光图像的分割，大津法较K-Means算法分割速度快，但分割精度小于K-Means算法，在具体分割时应根据实际需要对2种算法进行选择。2）提取的8种颜色特征的3个主成分累计贡献率可达到99%，可作为颜色特征；最小外接矩形的矩形度RE能够表达沉香轮廓内面积CA与最小外接矩形面积LA的比值，可作为形状特征，将这种特征因子用于构建沉香微量元素含量预测模型，有利于缩短建模时间并提高模型的精度。综上所述，研究结果可促进数字图像处理技术在珍贵树种营养诊断中的进一步发展，为精准林业提供参考。 相似文献