基于植物图像的甘蓝型油菜叶片面积测量方法

针对使用Otus阈值法对叶片进行分割时存在的误差大、分割后目标区域不完整的问题,提出了一种基于分水岭算法对甘蓝型油菜叶片进行分割的方法.首先使用拍摄设备在现场采集相关农作物叶片的图像,再通过Sobel算子和形态学操作对叶片进行预处理,之后通过分水岭算法对标记过的植物叶片图像进行分割得到目标图像,最后通过统计目标区域的像...     

基于多轮廓距离形状描述子的植物叶片图像识别

植物叶片形状一般具有小的类间差异和大的类内变化,加上叶片图像仿射变换,给叶片形状识别带来很大挑战。首先从叶片轮廓曲线偏移角度提出了最小投影距离特征和相对投影距离特征,并结合表征轮廓凸凹特性的拱高距离特征,提出一种多尺度多轮廓距离形状描述子。所提算法不仅能从两个正交维度较全面地描述不同尺度轮廓曲线特征,而且具有平移、缩放和旋转不变性。在Swedish和MEW2012叶片数据库上的实验结果表明,所提算法明显优于现有有效轮廓描述算法。此外,提出一种人工特征和深度特征归一化策略,探索低层次轮廓特征和高层次语义特征融合机理,在Swedish和MEW2012叶片数据库上的实验结果表明,融合特征能够显著提高叶片图像识别性能。     

基于图像质量参数优化的异质手背静脉图像识别算法的研究

为更好地解决手异质背静脉图像识别问题,本文综合分析了图像采集过程及手背图像的自身特性.图像的有效区域、旋转、位置偏移、对比度、模糊度是造成异质的重要参数.为解决异质手背图像识别问题,提升同类样本的结构相似度,对上述5个质量参数进行优化调整,然后通过实验找出适合不同算法的最佳感兴趣区域(ROI)尺寸.实验结果表明,该方法可以有效提升不同算法对异质手背图像的识别率.     

叶轮出口叶片间面积对潜水泵性能的影响

从推导导流器的特性曲线和叶轮的特性曲线入手，分析了导流器与叶轮的相互影响，提出导流器和叶轮适配才能获得高效的泵，经实验证明只要保持导流器喉部面积和叶轮出口叶片间的面积比值不变，就可得到另一种高效率的泵。     

基于面积比不变量的遥感图像配准算法

为提高遥感图像配准性能和效率,提出一种基于面积比不变量的遥感图像配准算法,目的是利用面积比这一邻域约束快速去除错误匹配。为表征匹配的邻域结构,对每个初始匹配构建中值K最近邻（KNN）图,在中值KNN图中计算面积比不变量作为邻域结构的表示。由于错误匹配会打破邻域结构的相似性,其邻域结构之间的误差较大,可设置阈值将其移除。该算法最大的优点是不需要迭代便可以得到较为精确的特征匹配。实验结果表明,该算法具有较好的匹配效果和较快的处理速度,能够较好地实现遥感图像的自动配准。     

基于分段曲线拟合的IPMSM最大转矩电流比控制研究

为提高最大转矩电流比控制的实时性和控制精度,对该控制策略应用于一类高凸极率内嵌式永磁同步电机的工程实现方法进行了研究。根据内嵌式永磁同步电机在d-q坐标系下的数学模型,用极值原理推导了最大转矩电流比控制模式下d、q轴电流的分配关系。针对电磁转矩与定子电流交、直轴分量的对应关系问题,提出了一种自动分段的多项式拟合算法,用多段二次曲线逼近最大转矩电流比控制下转矩与交、直轴电流关系曲线。与单段高次多项式拟合算法相比,该算法计算量小且精度更高。文中给出了该算法的流程图并在Matlab平台下进行了仿真验证。仿真结果表明,该方法简便可行,对工程实践具有一定借鉴和指导意义。     

融合高阶信息增强模块的复杂背景植物叶片图像分类

植物叶片对植物种类分辨与认知具有重大研究作用. 提出了一种充分提取植物叶片特征信息的高阶信息增强模块,使用包含高阶信息增强模块的卷积神经网络模型对植物叶片图像进行多感受野特征提取. 以复杂背景下的植物叶片图像为研究对象,从中国植物图像库中获取样本来源不同的植物叶片图像构成含有9种叶片的PLD_amp数据集,采用添加高斯噪声、数据增广技术平滑和增扩数据集,增强数据的可操作性. 与现有传统卷积网络相比,所提出的包含高阶信息增强模块的CNN模型最佳分类准确率可达88.7%,具有较高可行性与高分类准确率.     

基于优化PSO-BP的多特征融合图像识别算法研究

为提高水果种类识别的准确性,本文提出一种基于优化粒子群结合BP神经网络的识别算法.在算法初期,针对不同种类水果图像样本,借助K均值聚类分割算法,融合彩色信息和灰度信息,完成目标图像的准确分割,提取目标区域在HSV颜色空间下非均匀量化后的颜色特征,使用分块局部二值模式和灰度共生矩阵,分别提取局部和全局纹理特征,并对与粒子...     

基于BP神经网络的人脸图像识别方法的研究

提出了用BP神经网络对人脸图像进行特征提取和识别的方法,讨论了BP网络结构的设计,输入、输出层的设计,隐层结点数的选取等问题,对由10人,每人3幅图像组成的人脸图像数据库做识别实验,结果表明,BP具有很强的自适应性,对有噪声、残缺和戴眼镜的图像识别效果较好。     

基于颜色特征的植物根系图像分割方法

良好的图像分析系统可快速确定各种各样的植物根系参数.一般说来,在进行植物根系图像的测量处理之前还应对其做特别的准备.图像分割是计算机视觉低层处理的重要步骤.由于植物根系彩色图像有比其灰度图像更多的视觉信息,所以它们在根系图像特征的提取处理过程中更为有用.论文对现有几种彩色图像分割方法进行了比较分析,提出了一种基于颜色特征的图像分割法,并将其应用于扫描和数码相机拍摄植物根系图像的分割处理.     

化肥厂周边地区植物叶片中氟的积累

采集了吉林市某化肥厂周边的植物叶片样品,对叶片中的氟化物进行测定,以评价其周围空气环境中氟化物的污染状况.实验结果表明,在距化肥厂500 m内,随着距离的增加,植物叶片样品中氟含量明显减小,并呈良好的线性关系.而在1 000 m左右时,氟含量与500 m处相近,周边环境影响因素比较复杂.     

基于小波矩和叶形特征的叶片识别

植物的叶片是识别植物种类的一个重要属性,文章提出一种基于植物叶片形状的图像内容识别方法.首先对叶片图像进行归一化处理,然后提取叶片的小波矩特征、叶片的周长、面积及伸长度,最后根据这些特征进行支持向量机（SVM）训练和分类,识别出植物的种类.该方法得到的识别率达到95％.     

基于面积法的车辆识别统计研究

在车辆识别的图像分割算法中通常存在分割后的图像残留许多噪声点、区域边缘不太平滑、多辆车识别为一辆车等现象。在其他分割算法的基础上应用面积法对车辆图像中多辆车进行识别,并应用MATLAB/GUI编程实现。车辆识别结果显示,该方法识别率高,对车辆的识别、车流量统计具有重要的应用价值。     

基于特征扩展的金属切屑形态图像识别方法

针对金属切屑形态检测存在的问题,对C型屑、螺卷型屑和乱屑的形状特征进行了研究,提出了基于形状特征扩展的图像识别方法,即通过切屑图像的面积比特征粗分类法和扩展图像的欧拉数特征分类法,以MATLAB为平台,开发编制了相应的识别软件．经检验证明,本方法对3种典型的切后形态识别具有可行性,其识别率达到98％以上．     

耐寒植物叶片比热参数的测定

采用DSC差式扫描量热仪测定不同温度下耐冬(Common Camellia)、大叶冬青(Ilex latifolia Thunb.)和碧玉(Fes.Rub.cv.Jas.)3种植物叶片的比热容,并得到不同温度范围内叶片比热容与温度间的近似关系式。通过对比分析比热容曲线得出结论:耐寒植物叶片比热在-4~0℃温度范围内快速增长,在0℃达到峰值,在0~2℃温度范围内急剧下降,随后比热容随着温度升高而小幅度上升;虽然耐寒植物叶片比热容曲线相似,但不同耐寒性植物叶片其比热容峰值差异较大;非耐寒植物叶片的比热容在生长温度范围内呈二次函数关系平缓增加。     

基于融合图像特征的角点提取方法

基于图像边缘的角点提取往往对噪音敏感,提取精度较高但运算量大,而基于图像灰度的角点提取易于实现但提取效果不佳.因此提出一种融合图像边缘特征和图像灰度特征的角点检测方法.首先在一较低尺度用Canny算法求出所有边缘点,然后求出每一边缘点的曲率值并求出初始角点集,利用Harris算法通过实验在一较优尺度下对初始角点进行筛选并确定最终的角点集合.所提方法融合图像角点提取的两大特征,可以有效改进在单一特征提取下的不足.通过对比实验,该算法明显地提高了图像角点检测性能.     

基于启发式分段的网格工作流费用优化方法

针对有向无环图(directed acrylic graph,DAG)表示的截止期约束下的网格工作流费用优化问题,提出启发式分段(segment level,SL)费用优化算法.通过分析DAG图中活动的并行和同步特征,算法对活动进行分段,时间浮差按比例分配到各段,段内的费用优化采用动态规划的求解策略实现.通过将工作流截止期转换为段截止时间,扩大了活动的费用优化区间,通过大量模拟实验将SL算法和MCP (minimum critical path)、DTL (deadline top level)、DBL (deadline bottom level)算法比较,证明了SL算法的有效性.     

基于卷积神经网络的水下目标声呐图像识别方法

水下目标识别是水下无人探测的一项核心技术,为提高水下自动目标识别准确率,提出基于卷积神经网络的目标声呐图像识别方法,针对声呐图像特点,设计了融合图像显著区域分割和金字塔池化的水下目标识别模型。基于流形排序显著性检测方法分割和裁剪图像,减小输入数据维度并减少图像背景对目标特征提取过程的干扰;通过堆叠卷积层和池化层,从原始声呐图像中自动学习目标的高层语义信息,避免人工提取图像特征对有效信息的破坏;提出采用空间金字塔池化方法提取特征图中的多尺度信息,弥补声呐图像细节信息少的缺陷,同时解决输入图像尺寸不一致的问题。结果表明,设计的卷积神经网络模型在实测声呐图像数据集上能够比常规卷积神经网络更准确、更快速地识别水下目标。     

基于分段Romberg数值积分的高斯误差函数计算方法

高斯误差函数在各学科领域中均具有非常广泛的应用,由于其属于不可积函数,通常可采用数值积分算法计算其函数值.在采用Romberg算法计算高斯误差函数值时发现,当积分区间较宽时,会产生较大的误差.为提高计算精度,在Romberg算法的基础上,采用分段积分的思想计算了高斯误差函数值,所得计算结果具有较高的精度,该算法可为高精度高斯误差函数表的计算和宽区间Romberg数值积分计算提供一种新的思路.     

基于分段替换的低复杂度降低OFDM峰均比算法

针对基于遗传算法(GA)的部分传输序列(PTS)方法在降低正交频分复用(OFDM)系统峰均比(PAPR)时存在避免早熟收敛和降低算法复杂度两项指标不能兼顾的问题,提出分段替换的降低OFDM峰均比算法。通过设置合理的门限值,减少不必要的搜索运算,降低算法复杂度;利用克隆种群和记忆种群相结合的分段替换染色体策略,提高优质种群利用率,加快收敛速度的同时避免早熟收敛。仿真结果表明,合理的门限值和分段替换染色体策略可以优化降低峰均比算法的性能。