芦苇叶片的几何造型及其可视化研究

为了进行芦苇叶片几何造型模拟,基于对芦苇叶片形态建成过程的观测研究,首先提取了芦苇叶片形态结构主要特征.从物理学角度,基于实测数据构建了芦苇叶片的数学模型.该模型用较少几个具有较明确的生物学意义的形态参数,就可实现叶片形态和形变过程的矢量化.利用VC 与Open GL相结合的方法,综合图形学知识对模型进行了可视化输出,实现了芦苇叶片的虚拟生长.结果表明这种模型简单、参数少、易于控制,可以较好地模拟芦苇叶片地生成过程.     

一种新的植物形态结构表达模型

为模拟真实植物的具体外观形态,提出了一种植物形态结构表达模型。该模型从拓扑结构和几何结构两个角度对植物形态进行描述,将拓扑结构与归一化植物器官相结合构造形态结构。模型以叶元为描述植物形态结构的单位,保留了形态结构的细节信息,并用生长特征对形态结构进行归类,大大节省了植物模拟时所需数据量。选取松树的形态结构,使用模型对其进行模拟实验。结果验证了模型的可行性和有效性。模型能够用于自然景观模拟、植物可视化、计算机辅助设计等领域。     

水稻叶片形态日变化过程可视化模拟研究

在实验测定的基础上,分析了水稻叶片几何形态随逐日生长时间动态变化的规律,分别构建了叶长变化模型、叶长与叶宽关系模型、茎叶夹角变化模型、以及不同叶位最终叶长模型和叶片出叶时间模型。结合水稻叶片的三维形态模型,在计算机上编程实现了水稻叶片器官形态逐日动态生长变化过程的可视化模拟,具有较强的真实感,为构建虚拟水稻生长系统奠定了基础。     

玉米可视化系统的设计与开发

计算机能更好地模拟玉米的生理过程、形态结构及生态变化的关键是确定玉米的虚拟模型和可视化实现技术。文中利用玉米的三维形态几何模型，采用面向对象的方法，对玉米各器官作为单独的对象进行处理，采用模型-文档-视图方法，设计实现了玉米三维可视系统。该系统对玉米的根、茎、叶、穗分别建立了动静态模型，可实现玉米各器官、单株和群体三维静态建模及动态生长过程。本方法具有普遍性，可用于开发其他禾谷类作物的三维造型和可视化系统。     

玉米可视化系统的设计与开发

计算机能更好地模拟玉米的生理过程、形态结构及生态变化的关键是确定玉米的虚拟模型和可视化实现技术。文中利用玉米的三维形态几何模型,采用面向对象的方法,对玉米各器官作为单独的对象进行处理,采用模型-文档-视图方法,设计实现了玉米三维可视系统。该系统对玉米的根、茎、叶、穗分别建立了动静态模型,可实现玉米各器官、单株和群体三维静态建模及动态生长过程。本方法具有普遍性,可用于开发其他禾谷类作物的三维造型和可视化系统。     

荠菜根系的计算机模拟

针对荠菜根系的形态特征和生长特点,提出一种基于几何模型的荠菜根系三维建模方法：根据荠菜根系的拓扑几何结构,应用根系几何模型SimRoot,基于Visual C++平台并采用OpenGL图形库,建立能较真实再现荠菜根系动态生长过程的可视化模拟系统。模拟结果表明该方法是可行有效的。     

水稻叶片几何模型及其可视化研究

针对虚拟水稻建模与可视化中水稻叶片几何特征不能准确模拟的问题,从物理学角度出发提出一种基于实测数据构建的水稻叶片数学模型。该模型利用Vc＋十与OpenGL相结合的方法,通过具有较明确生物学意义的形态参数,实现水稻叶片形态和形变过程的矢量化和虚拟生长。结果证明该模型效果好、参数少、易于控制,且可以较好地模拟水稻叶片的生成过程。     

竹子地下茎-根的计算机仿真

针对竹子地下茎-根的形态特征和生长特点,提出一种基于几何构造模型的竹子地下茎-根三维建模方法。该方法建立竹子地下茎-根的拓扑结构和几何结构,通过“渲染”处理其三维几何结构。结合该技术在Visual C＋＋环境下,通过递归的算法思想和程序编制,建立一个能够较真实地再现竹子地下茎一根动态生长过程的计算机仿真系统。仿真结果表明了该方法的可行性和有效性。     

融合生理因子的植物叶片表观建模

植物叶片具有复杂的内部结构、生理过程和光学特性,使得在计算机上准确模拟叶片的表观十分困难.为此提出一种基于生理因子的植物叶片表观材质模型.首先考虑单双子叶植物在结构上的差别,利用单N层板和双N层板抽象叶片内部结构;然后基于PROSEPCT模型推导得到叶片材质模型的漫反射和透射项,并采用CookTorrance模型作为高光反射项,形成BRDF+BTDF形式的参数化材质模型;最后采用一种叶色变化算法将模型扩展为时间-空间变化的叶片参数化材质模型.实验结果表明,该模型可以通过控制叶绿素、胡萝卜素和叶片结构参数等生理因子来实时地调整叶片的表观,实现空间变化、时间变化的叶片老化模拟,具有较好的真实感效果和绘制速度,能够满足实时交互的需要.     

虚拟玉米植株三维动态建模

研究虚拟植物生长发育过程,为克服传统建模中玉米器官生长形态定义不够精确和生物学意义缺失,采用实际田野实测,引入动力学,给玉米植株生长模型赋予生物学意义,提出玉米植株生长造型更为精确的描述,根据图形学技术构造玉米植株生长过程的三维几何形态,对不同生长期的形态变化进行动态仿真,实验结果表明与实际拍摄的玉米植株生长发育过程一致.模型可控性强、真实感强,能较好地仿真玉米植株的生长过程.     

Bayesian classification and unsupervised learning for isolating weeds in row crops

This paper presents a weed/crop classification method using computer vision and morphological analysis. Subsequent supervised and unsupervised learning methods are applied to extract dominant morphological characteristics of weeds present in corn and soybean fields. The novelty of the presented technique resides in the feature extraction process that is based on spatial localization of vegetation in fields. Features from the weed leaf area distribution are extracted from the cultivation inter-rows, then features from the crop are inferred from the mixture model equation. Those extracted features are then passed to a naive bayesian classifier and a gaussian mixture clustering algorithm to discriminate weed from crop plant. The presented technique correctly classifies an average of 94 % of corn and soybean plants and 85 % of the weed (multiple species) without any prior knowledge on the species present in the field.     

三维结构真实遥感像元场景的生成

遥感像元场景模型是遥感机理研究的关键组成,通过调查光与遥感像元场景的相互作用,可以帮助人们理解遥感信号产生的机理,并验证遥感物理模型。从植被野外测量、三维结构真实遥感像元场景的参数化描述、场景数据结构、场景生成方法和流程等方面阐释了遥感像元场景模型。植被的野外测量和统计是结构真实场景的基础;场景生成方法为：（1）使用L系统生成结构真实植株,进而生成遥感像元场景;（2）按统计规则直接生成遥感像元场景。试验表明该遥感像元场景模型可以生成符合遥感像元统计规律的三维场景,是准确和便捷地计算光与植被相互作用的可靠基础。     

改进残差网络在玉米叶片病害图像的分类研究

针对传统的玉米叶片病害图像识别方法正确率不高、速度慢等问题,提出一种基于改进深度残差网络模型的玉米叶片图像识别算法。提出的改进策略有：将传统的ResNet-50模型第一层卷积层中7×7卷积核替换为3个3×3的卷积核;使用LeakyReLU激活函数替代ReLU激活函数;改变残差块中批标准化层、激活函数与卷积层的排列顺序。进行数据预处理,将训练集与测试集的比例划分为4∶1,采用数据增强的方式对训练集进行扩充,将改进的ResNet-50模型经过迁移学习得到在ImageNet上预训练好的权重参数。实验结果表明,改进的网络在玉米叶片病害图像分类中得到了98.3%的正确率,与其他网络模型相比准确率大幅提升,鲁棒性进一步增强,可为玉米叶片病害的识别提供参考。     

玉米叶面积指数与高光谱植被指数关系研究

探讨以不同的植被指数建立的高光谱模型对玉米叶面积指数LAI的反演精度。实测不同水肥耦合作用下，玉米冠层的高光谱反射率与叶面积指数（Leaf Area Index）数据，采用高光谱红光波段（631~760 nm）与近红外波段（760~1 074 nm）逐波段构建NDVI、RVI、DVI、TSAVI、PVI植被指数，分别找出与LAI具有最佳相关性波段组合的植被指数，建立玉米LAI估算模型。结果显示，与LAI具有佳相关性的波段组合分别是NDVI（R760，R990）、RVI（R760，R1001）、DVI（R677，R1070）、TSAVI（R 760，R 975）、PVI（R658，R966），它们反演玉米LAI的确定性系数分别：R²>0.72、R²>0.74、R²＝0.95、R²>0.79、R²>0.95。结果表明，在玉米的整个生长季的47个样本中，通过PVI和DVI方式建立的遥感估算模型能够较为准确地估算玉米LAI，TSAVI次之，NDVI、RVI稍差。     

Estimation of canopy parameters for inhomogeneous vegetation canopies from reflectance data. II. Estimation of leaf area index and percentage of ground cover for row canopies

The canopy reflectance (CR) model for row-planted vegetation proposed earlier has been tested for soybean canopies in three different stages of growth and for corn canopies at early and full growth stages. The model fits the field-measured bidirectional CR data quite well. It is shown that, by inverting this model, one could estimate the leaf area index as well as the percentage of ground cover quite accurately from measured canopy reflectances.     

基于粒子系统思想的叶片纹理构造

针对自然界中真实叶片纹理细节的不规则性和随机性,该文借助粒子系统思想提出了一种基于能量模型的叶片纹理构造算法。计算机仿真结果表明它比通常的纹理贴图法有更好的随机性和立体感,非常适用于描述叶片纹理这种细节比较复杂但又存在内在规律的事物。     

基于改进全卷积神经网络的玉米叶片病斑分割

玉米叶部病斑的准确分割是识别玉米叶部病害类别、实现作物精准施药的关键。为了准确分割出玉米叶部的病斑区域,提出了一种基于改进全卷积神经网络（Fully Convolutional Neural Network,FCN）的玉米叶片病斑分割方法。该方法的网络结构主要包括一个编码网络和对应的解码网络,在解码网络之后添加一个像素级别的分类器。编码网络结构是在传统VGG16网络的基础上进行改进,解码网络主要是对编码网络中的下采样层进行反卷积操作,通过对解码网络不断地进行训练,可以恢复编码网络输出特征图的分辨率,得到更为精确的分割效果。利用该研究方法与FCN、DeepLabV3、PSP Net等图像分割网络模型在不同的评价指标上进行比较,结果表明研究方法具有较好的分割性能,可以准确分割出玉米叶部的病斑区域。     

基于模糊C-均值聚类的作物叶部病斑图像分割

农作物病害的发生对我国农业生产危害较大,运用机器识别技术对农作物病害图像进行自动识别有着重要的意义。对于玉米叶部病斑,大多数分割算法不能很好地分割出来,采用快速模糊C-均值聚类算法,对玉米染病叶片图像进行分割,并通过实验验证了这种算法在聚类优化性能不变的前提下,病斑和背景的区分很明显,分割效果较好。