简介:摘要 : 针对温室番茄智能化管理需要,研究茎秆、叶片和绿果等 3类相近色目标的多波段图像融合方法,以凸显目标与背景亮度差异,提高目标视觉识别效率。根据其各自在 300~1000 nm范围的反射光谱特征差异,建立了针对其光谱数据分类的 Lasso正则化逻辑回归模型。基于模型的稀疏解特征,确定具有较大权值系数的 450、 600和 900 nm等 3个波段作为最优成像波段,在此基础上构建了温室番茄植株多波段图像在线采集系统。结合最优成像波段下相近色目标图像特征分析,提出了基于 NSGA-II的多波段图像加权融合方法,以增强特定目标与近色背景物体的图像亮度差异。最后通过现场试验对多波段图像融合效果进行评估。结果表明,分别以茎秆、叶片和绿果器官作为识别目标,通过多波段图像融合处理后,目标与背景之间的图像灰度差异绝对差值相应达到单波段图像的 2.02、 8.63和 7.89倍,即被识别目标与其他近色背景的亮度差异显著增强,且背景物的亮度波动得到抑制。本研究结果可以为农业环境近色目标视觉识别相关研究提供参考。
简介:通过解析街景图像能够自动地测度绿视率,但目前尚无剔除秋冬季街景图像的方法,文章提出使用多来源图像数据,采用SIFT匹配算法判定相似图像的方法剔除秋冬季街景图像,以哈尔滨为例,从整体、区域和街道3个层次,根据POI密度识别城市中心区、郊区以及各功能区,并将绿视率与其叠加分析后得出结论:中心区的绿视率显著高于郊区,单一功能的绿视率排序为服务〈居住〈工作,绘制不同等级道路的街景绿像热度图,得到不同等级道路绿视率特点,即快速路绿视率最高,其次是主干道和支路,再次是次干路,高速公路最低,对于高等级道路,中央绿化带提升绿视率的作用明显,对于低等级道路,行道树对绿视率的影响较大.
简介:[目的/意义]牛的体尺参数是反映牛身体发育状况的关键指标,也是牛选育过程的关键因素.为解决规模化肉牛牧场复杂环境对肉牛体尺的测量需求,设计了一种图像采集装置以及体尺自动测量算法.[方法]首先搭建肉牛行走通道,当肉牛通过通道后进入限制装置,用英特尔双目深度相机D455对牛只右侧图像进行RGB与深度图的采集.其次,为避免复杂环境背景的影响,提出一种改进后的实例分割网络Mask2former来对牛只二维图进行前景轮廓提取,对轮廓进行区间划分,利用计算曲率分析方法找到所需体尺测点.然后,将原始深度图转换为点云数据,对点云进行点云滤波、分割和深度图牛只区域的空值填充,以保留牛体区域的点云完整,从而找到所需测点并返回到二维数据中.最后,将二维像素点投影到三维点云中,利用相机参数计算出投影点的世界坐标,从而进行体尺的自动化计算,最终提取肉牛体高、十...