国家自然科学基金(30901164) 作品数:6 被引量:135 H指数:4 相关作者: 阚江明 王怡萱 张俊梅 庞晓敏 闵子建 更多>> 相关机构: 北京林业大学 首都师范大学 更多>> 发文基金: 国家自然科学基金 中央高校基本科研业务费专项资金 更多>> 相关领域: 自动化与计算机技术 电子电信 更多>>
基于多特征融合和深度信念网络的植物叶片识别 被引量:24 2016年 基于叶片数字图像的植物识别是自动植物分类研究的热点。但是随着植物种类的增加,传统的分类方法由于提取的特征比较单一或者分类器结构过于简单,导致叶片识别率较低。为此,本文提出使用纹理特征结合形状特征进行识别,并且使用深度信念网络构架作为分类器。纹理特征通过局部二值模式、Gabor滤波和灰度共生矩阵方法得到。而形状特征向量由Hu氏不变量和傅里叶描述子组成。为了避免过拟合现象,使用"dropout"方法训练深度信念网络。这种基于多特征融合的深度信念网络的植物识别方法,在Flavia数据库中,对32种叶片的识别率为99.37%;在ICL数据库中,对220种叶片的识别率为93.939%。这表明相比一般的叶片识别方法,此方法鲁棒性更强,并且识别率更高。 刘念 阚江明关键词:傅里叶描述子 局部二值模式 基于HSI和LAB颜色空间的彩色图像分割 被引量:78 2011年 彩色图像分割一直是彩色图像处理与分析中最为困难的不可缺少的步骤,针对图像分割质量直接在很大程度上影响了图像后期分析的效果,提出了一种基于HSI和LAB颜色空间的彩色图像分割方法。该方法在HSI颜色空间用最优阈值方法进行阈值分割,在LAB颜色空间采用基于K均值聚类图像分割,然后将两次分割结果进行区域合并,最后进行加窗滤波消除噪声。对林区活立木真彩色图像进行分割的实验结果表明,该方法能够精准地将活立木从背景中提取出来。 庞晓敏 闵子建 阚江明关键词:彩色图像分割 K均值聚类 HSI LAB 基于叶片图像的植物识别方法 被引量:21 2010年 基于计算机的植物自动识别是植物识别分类学的发展趋势,本文提出了一种基于植物叶片图像的植物自动识别方法。该方法在对叶片图像进行亮度校正、中值滤波和阈值分割等预处理后,计算植物叶片的偏心率、圆形性、圆形度指标、方向角、最小矩形宽轴/长轴、最佳椭圆短轴/长轴6个形状特征参数和植物叶片的二阶矩、对比度、相关、熵、逆差矩5个纹理特征参数,再使用径向基人工神经网络设计了植物自动识别的分类器。通过对3种植物的60个叶片图像进行实验,仅用植物叶片形状特征进行植物识别的平均正确识别率为70.83%,利用植物叶片形状特征和纹理特征进行植物自动识别的平均正确识别率为83.3%,并得到了径向基人工神经网络的参数。实验结果表明,植物叶片图像的纹理特征能够提高植物自动识别的平均正确率,基于植物叶片图像的植物自动识别是切实可行的,研究成果为深入研究植物自动识别分类系统奠定了一定的理论基础。 阚江明 王怡萱 杨晓微 冷萃关键词:植物识别 图像预处理 基于双目视觉的目标定位与测距系统硬件平台 被引量:7 2013年 自主目标识别与定位问题是智能化林业机器人工作的重要基础。以林业环境中树干识别及定位为目标,设计一种基于双目视觉的数字视频实时处理系统硬件平台。使用双目摄像头采集图像,并对采集信息进行三维信息计算,输出目标定位与测距结果。实验结果表明,该硬件平台可以完成图像采集及处理功能,达到预期的实验效果。 王怡萱 张俊梅 阚江明关键词:双目视觉 目标识别 三维信息 测距 视差 基于音圈电机的双层隔振系统模糊前馈-反馈控制研究 采用主动隔振与被动隔振相结合的技术,提出了一种以隔振器为被动隔振元件、音圈电机为主动隔振元件的双层隔振平台。根据本隔振系统所受外部干扰的实际情况,采用模糊前馈补偿和模糊PID反馈协调控制的方法设计了振动主动控制系统。计算... 贾鹏霄 刘文定 阚江明关键词:隔振 振动主动控制 音圈电机 文献传递 基于立体视觉的摄像机标定方法的研究 被引量:2 2012年 摄像机标是立体视觉获取三维空间信息的前提与基础。标定结果的好坏直接影响着三维测量的精度及三维重建结果的好坏。笔者首先在本文中对摄像机标定的基础知识作了简要的介绍,采用三维标定块标定摄像机,避免传统的利用标定板标定摄像机丢掉了Z维的坐标信息所引起的误差,同时考虑相机的径向畸变因素,以提高标定精度。实验结果表明该方法精度较高,能满足立体视觉系统的需要。 贺振 李琼砚 阚江明基于VC++的植物种类模式识别系统研究 被引量:3 2011年 应用Microsoft Visual C++6.0的MFC(Microsoft Foundation Classes)类库,设计了一套基于叶片图像的植物种类自动识别系统。用户可以在设定好的人机操作界面上进行自行操作,导入预先采集好的叶片图像,进行图像增强及特征值计算,提取出几何特征参数、形状特征参数及纹理特征参数一同作为模式识别的分类依据,并进行人工神经网络的建立,完成植物种类的模式识别。结果表明,通过对7种植物140个叶片图像进行实验,基于VC++的植物种类模式识别系统可以完成植物种类的自动分类,且结果理想。 王怡萱 阚江明 张俊梅 杨锴 珂秋红关键词:模式识别 特征参数 神经网络