公共文化服务平台

共 6 条记录，以下是 1-6

全选清除导出

排序方式：

基于改进Harris算法的高分辨率遥感影像建筑物角点检测研究被引量：8: 2013年; 高分辨率影像具有空间分辨率高、光谱分辨率相对不足的特点,在多领域中具有广阔的应用前景。利用Google Earth高分辨率遥感影像作为数据源,对其红、绿、蓝通道图像,以及三通道取平均的全色通道图像进行建筑物角点检测,并根据建筑物在影像上具有几何角点的特点,对Harris算法的一阶梯度算子进行4种方向上的改进。对Google Earth的红、绿、蓝、全色4种图像进行试验,从4个检测方向上检测并累加,结果表明红色通道的图像检测效果较好。利用4种改进梯度算子进行累加的建筑物角点识别,识别正确率可到74.75%,识别效果较好。结果表明,该方法可以很好地实现高分辨率影像建筑物的角点检测,具有一定的理论研究和实际应用价值,可为建筑物自动识别提供技术参考。; 崔有祯吴露露辛星陈国锐郑志雄; 关键词：高分辨率遥感影像分辨率

农业机械化与区域经济发展的协调性评价被引量：14: 2013年; 农业机械化与区域经济发展互促共进,但两者的关系在不同阶段、区域表现出不同的模式与特点。应用改进了的隶属度函数协调度模型和耦合协调度模型,对1995年以来中国农业机械化与区域经济发展协调性的时空分布进行了分析。结果显示:从时间上看,1995—2010年中国农业机械化与经济发展的整体协调性较好,但波动性明显,表现为4个明显的阶段,即1996—1997年为基本不协调发展时期,1998—2001年为基本协调发展时期,2002—2004年又处于基本不协调发展时期,2005—2010年再次处于基本协调发展时期。两系统发展不协调的主要原因是农业机械化的发展速度慢于经济的发展速度。从空间上看,中国各省区农业机械化与区域经济发展的协调性存在明显的地带性差异。2010年,东部沿海地区的协调发展度高于中部地区,中部地区又明显高于西部地区,呈现出东、中、西递减的态势。; 李泽华马旭吴露露; 关键词：农业机械化区域经济协调度

基于图像处理的田间水稻叶瘟病斑检测方法被引量：8: 2014年; 针对病斑在叶片上易形成封闭边缘的特性,采用色度学模型、边缘提取和形态学等方法对田间稻叶瘟病斑进行检测。利用2R-G色差分量提取图像上的图斑;采用Canny算法对2R-G色差分量图斑进行边缘检测,通过自定义边缘封闭修复模版对边缘进行修复;利用HIS模型的H分量提取的叶片正常部位信息与修复后图像做掩膜运算,获得叶片范围内的病斑边界,然后,运用形态学运算剔除图斑中未闭合的边缘线;最后,采用归一化绿蓝差值指数(Normalized Difference Green and Blue Index,DNGBI)对封闭的非病斑区域进行阈值过滤,提取出稻瘟病病斑。试验结果表明:对叶瘟病斑的正确识别率可达到90.26%。; 吴露露郑志雄齐龙马旭梁仲维陈国锐; 关键词：边缘检测病斑

改进Hough变换的农作物病斑目标检测方法被引量：13: 2014年; 为了能够快速、准确地对农作物病斑进行图像检测,该文根据病斑的形态特点,提出一种基于边缘检测与改进Hough变换的病斑目标检测方法。该研究根据不同种类的病害图像,采用R、G、B或者之间的差值分量确定病斑的特征图像,采用边缘提取、修复、过滤等方法获取病斑轮廓。对Hough变换的应用策略进行改进,采用边缘线编码,每个病斑根据自身形态确定变换的参数,并采用对应的圆形对病斑边界进行拟合,从而对病斑进行检测,同时对病斑边界进行有效识别。以90幅不同种类农作物病害图像为研究对象,对病斑进行类圆目标检测,检测圆拟合精度为87.01%,圆心定位误差为4.44%。结果表明,该方法能够快速、准确地对类圆病斑进行检测,同时对病斑边界有较好的识别效果。; 吴露露马旭齐龙谭永炘邝健霞梁仲维; 关键词：HOUGH变换目标识别图像识别病斑特征图像

基于机器视觉和BP神经网络的超级杂交稻穴播量检测被引量：23: 2014年; 为了保证秧盘上每穴超级稻种子数量一致,实现精密播种作业,需对播种性能进行准确检测,但超级杂交稻播种到秧盘中,多粒种子存在粘连、重叠、交叉等情况,传统的面积、分割算法对上述情况播种量检测精度低,因此需提高上述情况种子播种量检测精度。考虑到种子连通区域的形状特征反映种子数量,该文提出一种基于机器视觉和BP神经网络超级杂交稻穴播量检测技术。针对超级稻颜色特征,采用RGB图像中红色R和蓝色B分量组成的2×R-B分量图和固定阈值法获取二值图像;投影法定位秧盘目标检测区域和秧穴;提取连通区域10个形状特征参数,包括面积、周长、形状因子、7个不变矩,建立BP神经网络超级稻数量检测模型,检测连通区域为碎米/杂质、1、2、3、4和5粒以上6种情况;试验结果表明,6种情况的检测正确率分别为96.6%、99.8%、97.2%、92.5%、86.0%、94.3%,平均正确率为94.4%,每幅图像平均处理时间0.823s,满足精密育秧播种流水线在线检测要求;研究结果为实现精密恒量播种作业提供参考。; 谭穗妍马旭吴露露李泽华梁仲维; 关键词：神经网络图像处理种子超级杂交稻机器视觉

基于叶片形态的田间植物检测方法被引量：7: 2013年; 利用图像处理技术方法,以田间拍摄的水稻图像为研究对象,对田间植物进行检测研究。通过改进归一化绿蓝差值指数I DNBG与色度模型,经过分类识别、图像阈值分割等步骤,对植物叶片进行提取。利用形态学正反向组合运算实现叶片内部完整性修复;利用边界4连通链码边缘检测实现叶片边缘平滑性修复。通过对可见光条件下田间拍摄的40幅图像进行植物提取实验,植物叶片提取正确率平均可达83.07%,误分率为3.57%。对其中90条边缘线进行边界平滑修复,部分叶片边缘被平滑但使叶片提取正确率降低0.63%。对植物检测主要影响因子进行分析得出,成像条件差异易影响亮度因子;通过形态学膨胀与正反向过滤运算,露珠与病斑得到一定程度的保留,提取叶片内部形状完整;链码运算可使叶片边缘得到平滑,同时也会去除部分正确的叶片,其运算量较大。; 吴露露马旭齐龙李泽华郑志雄

全选清除导出

共1页<1>

吴露露