排序方式： 共有4条查询结果，搜索用时 15 毫秒
1
1.
针对野外白天不同光照对野生动物监测图像质量造成的影响,提出一种基于Retinex理论的光照自适应图像增强方法。该方法首先使用基于复合梯度的引导滤波估计图像照度分量,克服光照突变造成的伪光晕现象;然后提出一种基于Otus阈值的对比度自适应拉伸方法实现照度分量的校正,克服传统算法过度增强的问题;最后采用照度分量单通道图像计算反射分量图像,实现色彩的保真。该文采用50张保护区实地拍摄的野生动物监测图像为样本进行试验,结果表明,该文算法相比于MSRCR算法、双边滤波Retinex算法和引导滤波Retinex算法色调保真度平均提高81.00%、5.24%和3.58%,信息熵平均提高6.76%、6.23%和2.61%,峰值信噪比平均提高53.43%、5.36%和-2.85%,运算耗时减少-29.03%、78.51%和28.68%,证明该文算法可以有效克服传统Retinex理论算法的过增强、伪光晕现象和灰化效应,实现不同光照条件下野生动物监测图像的自适应增强。 相似文献
2.
无人机在林业中的应用及前景展望 总被引：2，自引：0，他引：2
利用无人机对林业进行信息监测是提升林业信息化和精准化的重要方向,同时也是实现精准林业目标的有力途径。相较于传统林业监测方式,无人机可以实时准确地获取多尺度、多时相、高分辨率的影像数据,提升林区作业的智能化水平,满足智慧林业建设的需求。利用无人机平台搭载多种光学信息采集设备,结合无人机遥感技术并辅以GPS精确定位技术可以高效地实现特征目标信息的收集工作。为了更好地促进无人机技术在林业领域的普及与应用,笔者对无人机技术在林业行业的应用现状及发展前景进行了梳理总结。首先介绍了林用无人机的有关概念、分类及平台优势,重点对当前无人机在林业行业主流应用的实践进行了总结,主要涉及林业病虫害遥感监测、林业火灾监测、野生动植物监测与识别、林业资源调查、林业精准植保以及林业执法等,进而分析了当前无人机在林业领域应用中面临的挑战,同时对林用无人机在续航能力及通讯范围有限、受环境影响大、监管机制不完善等主要问题进行了探讨,为促进无人机技术在林业领域深层次应用提供了参考。 相似文献
3.
基于无人机多光谱图像的云南松虫害区域识别方法 总被引：3，自引：0，他引：3
针对云南省祥云县林区云南松虫害区域高效识别的需求,为更加高效准确地对虫害信息进行监测,本文搭建了林区八旋翼多光谱图像采集平台,基于无人机多光谱图像提出了一种Jeffries-Matusita(J-M)距离优化的反向传播神经网络(BP)分类方法。该方法首先引入J-M距离实现了对训练样本的优化,有效降低了"同谱异物"和"同物异谱"现象的影响,然后基于颜色矩和灰度共生矩阵提取了图像的颜色和纹理特征,并提取了580、680、800 nm共3个波段的相对光谱反射率作为光谱值特征,建立了5个植被指数模型,最后利用BP神经网络算法对颜色、纹理、光谱值和植被指数4种特征向量进行训练识别,实现了对虫害区域的分类识别。利用所提算法从总体分类精度和Kappa指数两方面与传统BP神经网络和支持向量机(SVM)算法进行对比试验。试验结果表明,本文算法总体分类精度和Kappa指数分别达到了94.01%和0.92,建模时间相对于传统BP神经网络缩短了38%,总体分类效果优于传统BP神经网络和SVM算法。 相似文献
4.
无人机航拍林业虫害图像分割复合梯度分水岭算法 总被引：4，自引：4，他引：0
针对林业信息监测方式实时性差、监测范围有限等问题,为更加实时、准确地对林业虫害信息进行监测并计算监测样地中虫害区域比例,该文在搭建面向林区虫害监测的多旋翼无人飞行器航拍监测系统基础上,提出了一种基于复合梯度分水岭算法的图像分割方法。该方法引入全局直方图均衡化消除了图像暗纹理的影响,并采用形态学混合开闭重构滤波完成了图像样本的去噪处理。计算灰度图像各像素点的复合梯度实现了非相关区域(道路及裸地)的提取,最终利用分水岭算法实现了监测图像虫害区域的分割提取。利用该文所提算法对8幅虫害侵蚀程度不同的监测图像进行分割,并与传统分水岭算法、K-means聚类算法进行对比试验。试验结果表明,该文算法虫害区域提取的平均相对误差率分别降低6.56%、3.17%,平均相对极限测量精度分别改善7.19%、2.41%,能够相对准确地将虫害区域从监测图像中分割出来,可为后续林业虫害监测与防护提供参考。 相似文献
1