检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

土壤图像的亮度可控非线性迁移

土壤图像的亮度可控非线性迁移

作者：夏燕重庆师范大学

学位级别：硕士

人工智能的发展,使基于深度学习的土壤图像土种识别成为可能。但深度学习模型的可靠性高度依赖于训练样本的多样性,而人工采集光照全覆盖的土壤图像数据集极其困难。因此,研究土壤图像的“调光”技术,实现低成本扩充数据集具有极其重要... 详细信息

人工智能的发展,使基于深度学习的土壤图像土种识别成为可能。但深度学习模型的可靠性高度依赖于训练样本的多样性,而人工采集光照全覆盖的土壤图像数据集极其困难。因此,研究土壤图像的“调光”技术,实现低成本扩充数据集具有极其重要的研究价值。基于此,开展土壤图像的亮度可控迁移研究。本文的主要工作如下:(1)为了迁移土壤图像亮度,生成与自然光照条件下的真实图像相似的合成样本,提出基于伽马变换的土壤图像亮度可控迁移算法。设计了一种新的基于Retinex理论的图像分解方法,提取土壤图像亮度层并利用邻域信息改进伽马变换,完成土壤图像的亮度迁移;构建优化模型优化伽马因子,实现图像的亮度可控。实验结果显示:该算法能够限制反射率值在[0,1]范围内,并且以原图亮度为基点,该算法的有效调节范围为[-30,+30],具有细节保真、控制精度高等特性。(2)针对图像质量评价因子——亮度顺序误差(Luminance order error,LOE)时间花销高昂的问题,基于不等式的传递特性,提出前向亮度顺序误差(Forward luminance order error,FLOE),用于客观评估迁移土壤图像质量。实验结果显示:其客观评价迁移土壤图像质量的结果与LOE相似,且评估时间花费更小。(3)为弥补基于伽马变换的土壤图像亮度可控迁移算法假设“土壤图像RGB三通道亮度一致”的不足,提出基于土壤图像曝光度的亮度可控迁移算法。算法基于“图像差”的概念,计算补偿图像;融合输入土壤图像和补偿图像获得新的亮度迁移图像,实现土壤图像的亮度可控迁移。此外,结合图像增强性质,进行颜色校正,提高亮度迁移后图像的质量。实验结果显示:该算法迁移结果更接近特定光照条件下的真实土壤图像,用于扩展数据集,可提高土种识别模型的精度和鲁棒性。本文结合Retinex理论,非线性变换,优化模型,颜色校正等方法,实现了土壤图像的亮度可控迁移,但尚存在有效亮度调节范围较小的问题,需进一步深入研究。

关键词：土壤图像亮度可控迁移 Retinex理论非线性变换机器视觉

非对称广义高斯亮度迁移与局部信息融合的土壤图像增强

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

重庆师范大学学报（自然科学版） 2023年第3期40卷 139-154页

作者：邓亿曾绍华詹林庆陈亚楠刘国一重庆师范大学计算机与信息科学学院重庆师范大学重庆市数字农业服务工程技术研究中心重庆401331 重庆市农业技术推广总站重庆401121 重庆市万州区土肥与农业生态保护站重庆404199 西藏自治区农牧科学院农业资源与环境研究所拉萨850032

【目的】为减小土壤图像成像环境条件差异对机器视觉识别土种精度的影响,提出对野外自然环境下采集的土壤图像可控光照增强。【方法】首先,用非对称广义高斯曲线拟合土壤图像V分量直方图,并在拟合曲线中引入目标迁移量,完成图像亮度迁移... 详细信息

【目的】为减小土壤图像成像环境条件差异对机器视觉识别土种精度的影响,提出对野外自然环境下采集的土壤图像可控光照增强。【方法】首先,用非对称广义高斯曲线拟合土壤图像V分量直方图,并在拟合曲线中引入目标迁移量,完成图像亮度迁移,实现土壤图像全局亮度可控增强;然后,利用全局和局部信息估计图像在局部区域上的光照权重,引入目标亮度,根据权重确定局部增量,并将局部增量叠加到原始V分量,实现基于局部增量的土壤图像亮度增强;再利用sigmoid曲线,将非对称广义高斯曲线亮度迁移获得全局亮度增强结果与基于局部增量的亮度增强结果融合,获得土壤图像的亮度可控增强。最后,根据色比不变性原理,分别对原始土壤图像R、G、B分量进行颜色校正。【结果】仿真实验表明:土壤图像从低亮度向高亮度迁移时,增强图像与目标图像在V分量上各对应像素的亮度差异均值为10.5267,与目标图像亮度均值差异为0.2451;从高亮度向低亮度迁移时,各对应像素的亮度差异均值为10.7430,与目标图像亮度均值差异为0.2721;本文所提算法在亮度控制上较其他算法具有更高的精度;主观质量评价表明,以原图亮度为基准,[-30,30]为土壤图像有效增强范围;【结论】所提方法能够实现亮度可控的土壤图像增强,算法是有效的。

关键词：图像增强亮度控制土壤图像直方图规定化机器视觉

在线全文

学校读者我要写书评

暂无评论

基于减法直方图算法的土壤图像阴影检测

西南大学学报（自然科学版） 2021年第10期43卷 167-180页

作者：曾绍华王琪佘春燕王帅罗达璐重庆师范大学计算机与信息科学学院重庆401331 重庆市数字农业服务工程技术研究中心重庆401331 重庆市农业技术推广总站重庆401147 重庆市沙坪坝区农业农村委员会重庆400030

自然环境下机器视觉采集的土壤图像存在阴影,土壤图像阴影检测将消除或者减弱阴影对后一步的子图分割及土种识别的影响.为了提高土壤图像阴影和非阴影的区分度,实现阴影检测,重构了比率(α)特征,并通过高斯平滑分别获得亮度(I)和比率(α... 详细信息

自然环境下机器视觉采集的土壤图像存在阴影,土壤图像阴影检测将消除或者减弱阴影对后一步的子图分割及土种识别的影响.为了提高土壤图像阴影和非阴影的区分度,实现阴影检测,重构了比率(α)特征,并通过高斯平滑分别获得亮度(I)和比率(α)特征直方图的2个主峰值点,缩小分割阈值搜索区间以减少减法直方图求高保留率点(F)的次数;再引入拉伸因子对2个特征的保留直方图拉伸,增大阴影和非阴影保留率差异,以获取其高保留率点F;最后,在搜索区间构建亮度(I)和比率(α)特征的64等份中位点及其对应F的2条折线的交点,即亮度(I)和比率(α)特征的F值相等点,获得交点对应的亮度(I)和比率(α)特征值为阴影检测阈值,分割土壤图像阴影和非阴影.仿真实验显示:本文算法相较于对比实验具有更好的分割精度,能自适应检测土壤图像阴影,算法是有效的.

关键词：阴影检测减法直方图土壤图像机器视觉

改进中值滤波算法及其在土壤图像预处理中的应用研究

在线全文

学校读者我要写书评

暂无评论

改进中值滤波算法及其在土壤图像预处理中的应用研究

作者：袁立重庆师范大学

学位级别：硕士

21世纪，人类进入了数字化时代。在这个时代里，人们将会获取更多图像形式的信息。图像在形成或者传输过程中，不可避免的受到噪声干扰，而导致图像质量下降，对后续的图像处理工作产生较大影响。为了尽量降低噪声带来的影响，各种线性... 详细信息

21世纪，人类进入了数字化时代。在这个时代里，人们将会获取更多图像形式的信息。图像在形成或者传输过程中，不可避免的受到噪声干扰，而导致图像质量下降，对后续的图像处理工作产生较大影响。为了尽量降低噪声带来的影响，各种线性或者非线性滤波算法被应用到图像去噪中。在这些去噪算法中，中值滤波算法作为一种非线性去噪算法，对脉冲噪声具有很好的抑制作用，被广泛使用。但是，传统中值滤波算法在去除脉冲噪声的同时，会出现图像边缘细节过平滑现象，致使去噪的同时损失了图像的边缘细节。因此，脉冲噪声去除和图像边缘细节信息保护之间的矛盾需要进一步解决。本文主要研究基于噪声检测的中值滤波算法，并对其进行了改进，获得的改进算法应用于土壤图像预处理中，以解决土壤图像的去噪问题。论文的主要工作如下：通过分析、研究前人的中值滤波算法，提出了两种有效的滤除脉冲噪声的中值滤波改进算法，即算法3.2和算法4.1。改进算法3.2，首先根据椒盐噪声特点，采用拉普拉斯算子对图像进行噪声检测;然后，对含噪图像进行3*3窗口内噪声点数统计，按照统计结果自适应选择滤波窗口大小进行滤波预处理;最后，运用自适应中值滤波算法对预处理后的图像去除噪声。由于改进算法3.2采用拉普拉斯算子进行图像噪声检测，然后通过两次滤波去除图像噪声，运算比较耗时，因此，在算法3.2基础上提出了改进的算法4.1。算法4.1首先根据极大极小值原理以及人眼视觉系数检测图像噪声，然后运用自适应滤波窗口大小去除图像噪声。仿真结果表明：算法3.2和算法4.1较传统的中值滤波算法，都能够有效去除图像中的脉冲噪声，同时很好的保护图像边缘细节信息;相比之下算法4.1比算法3.2的时间效率更优，但其都能满足土壤图像去噪的工程实践要求;实验表明，算法3.2和算法4.1是有效的和收敛的。由于本人研究时间短，水平有限，没有精确分析改进算法的时间复杂度，未给出算法收敛性的理论证明及收敛速度，这些课题尚待进一步深入研究。

关键词：脉冲噪声中值滤波噪声检测土壤图像

基于Sigmoid曲线拟合的亮度可控土壤图像增强

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于Sigmoid曲线拟合的亮度可控土壤图像增强

作者：徐昌莉重庆师范大学

学位级别：硕士

野外自然环境下,由于自然光照条件不同,导致获取的土壤图像存在光照条件不一致现象,进而影响后续土种识别。为了消除自然光照条件对土壤图像土种识别的影响,进行土壤图像亮度可控增强。为此,本文主要工作如下:(1)应用Sigmoid曲线,实现... 详细信息

野外自然环境下,由于自然光照条件不同,导致获取的土壤图像存在光照条件不一致现象,进而影响后续土种识别。为了消除自然光照条件对土壤图像土种识别的影响,进行土壤图像亮度可控增强。为此,本文主要工作如下:(1)应用Sigmoid曲线,实现对土壤图像亮度(Y)分量累积概率密度(cdf)曲线的拟合。分析土壤图像Y分量cdf直方图的曲线分布特性,应用Sigmoid曲线对土壤图像亮度Y分量的cdf曲线拟合。实验表明,本文拟合算法不仅简化了运算,同时提高了拟合精度。(2)构建基于Sigmoid曲线迁移的亮度可控土壤图像增强算法。首先,引入目标亮度均值,构建目标亮度均值优化迁移模型,进一步逼近目标亮度均值;然后,判断逼近后的目标亮度均值增强过度或不足,依据夹逼准则思想建立增强不足与增强过度的目标cdf曲线迁移优化模型,实现目标亮度均值迁移,获得最优迁移后的cdf曲线。实验结果表明,亮度可控增强的有效范围为[-45,45]之间,且算法精度较高。(3)最后,对于增强的亮度可控土壤图像的进行灰度级映射和颜色校正。首先,结合最优迁移cdf曲线与原图各像素间的邻域信息对相同亮度的像素排序、迁移,实现土壤图像亮度的可控增强;然后,提取色调(U)和饱和度(V)分量的低频成分,结合色比不变性原理与原始图像的邻域信息对增强土壤图像U、V分量的高低频部分分别增强,完成颜色校正;最后,融合增强的Y分量,获得亮度可控增强的彩色土壤图像。实验结果表明,增强的彩色土壤图像失真度较小,图像细节保持较好。本文采用Sigmoid曲线拟合、灰度级映射和颜色校正等方法,实现了土壤图像的亮度可控增强,但存在亮度迁移范围过大时产生图像失真问题,尚需进一步深入研究。

关键词：图像增强亮度可控曲线拟合土壤图像

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于直方图的土壤图像亮度可控增强

基于直方图的土壤图像亮度可控增强

作者：邓亿重庆师范大学

学位级别：硕士

将不同光照的土壤图像调整为非常近似于该土块在某些特定自然光照条件下采集的具有额定亮度的真实土壤图像,以减小土壤图像成像环境条件差异对机器视觉识别土种精度的影响。为此,本文提出对野外自然环境下采集的土壤图像可控亮度增强,... 详细信息

将不同光照的土壤图像调整为非常近似于该土块在某些特定自然光照条件下采集的具有额定亮度的真实土壤图像,以减小土壤图像成像环境条件差异对机器视觉识别土种精度的影响。为此,本文提出对野外自然环境下采集的土壤图像可控亮度增强,主要工作如下:(1)提出非对称广义高斯亮度迁移与局部信息融合的土壤图像增强算法。首先,利用非对称广义高斯曲线拟合土壤图像V分量直方图,并在拟合曲线中引入目标迁移量,实现土壤图像全局亮度可控增强;然后,利用全局和局部信息估计图像局部光照权重,引入目标亮度,根据其权重确定局部增量,并将局部增量叠加到原始V分量,实现基于局部增量的土壤图像亮度增强;再利用sigmoid曲线,将全局亮度增强结果与局部亮度增强结果融合,获得土壤图像的亮度可控增强;最后,根据色比不变性原理,利用原始土壤图像R、G、B分量进行颜色校正。实验结果表明:增强图像与目标图像在V分量上各对应像素的亮度差异均值为10.6348,亮度迁移精度为0.2586,土壤图像有效增强范围为[-30,30],提出的方法对亮度可控的土壤图像增强是有效的,但在算法时间复杂度、有效增强范围等方面仍有待提升。(2)针对前述工作的不足,提出基于分段伽马曲线亮度迁移的土壤图像增强算法。首先,引入目标迁移量,并将其作为分段伽马曲线与土壤图像V分量累积直方图面积之差的代数和,获得亮度迁移的分段伽马曲线,实现土壤图像全局亮度可控增强;然后,利用饱和度S分量全局信息与亮度V分量局部信息估计光照权重,并将光照权重引入图像退化模型对分段伽马曲线全局增强结果进行局部校正;最后,将比例不变性和增量不变性原理相结合,利用原始土壤图像R、G、B分量校正增强图像的颜色。实验结果表明:增强图像与目标图像在V分量上各对应像素的亮度差异均值为10.0375,亮度迁移精度为0.1398,土壤图像有效增强范围为[-40,40],有效改善了非对称广义高斯亮度迁移与局部信息融合的土壤图像增强算法的时间复杂度高,有效增强范围较小等问题。本文基于直方图方法进行土壤图像亮度可控增强研究,提出的两种算法对亮度可控的土壤图像增强是有效的,但在土壤图像颜色校正方面仍有待提升,尚需今后深入研究。

关键词：图像增强亮度控制土壤图像机器视觉直方图规定化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于子图选择的野外土壤图像土种识别

基于子图选择的野外土壤图像土种识别

作者：陈怡达重庆师范大学

学位级别：硕士

随着现代农业的发展,农业人工智能技术也得到长足的发展。本文基于机器视觉技术,提出了一种野外土壤图像的土种识别方法,用于指导农业生产,并推动农业数字化和智能化。本文主要工作如下:(1)在野外自然条件下,共采集紫色土三大土属11土... 详细信息

随着现代农业的发展,农业人工智能技术也得到长足的发展。本文基于机器视觉技术,提出了一种野外土壤图像的土种识别方法,用于指导农业生产,并推动农业数字化和智能化。本文主要工作如下:(1)在野外自然条件下,共采集紫色土三大土属11土种的图像样本,经数据清洗后构建土壤图像数据集。本文首次采用基于深度学习的Mask R-CNN模型,完成对土壤图像的定位与分割;并采用28×28的ROI Align Mask掩码以获得更精确的分割结果。实验结果显示:模型的分割有效,分割指标精度和召回率值分别为0.9442和0.9606,并在不同分布条件下的土壤图像中均表现出良好的性能,分割的实验结果作为后续土种识别的基础。(2)针对机器视觉野外自然条件下采集土壤图像包含阴影、空洞、缝隙对土种识别可能产生影响,以及土壤图像采集和标记成本高、样本量小的问题,提出一种基于土壤子图选择算法的土种识别方法。该方法以局部阴影最小化及空间距离最大化为准则,构造最优化模型;并基于最大最小距离算法思想,迭代更新距离矩阵求解优化模型,获得选择子图中心点,切取对应土壤子图,构建土壤子图数据集。(3)为了提高土种识别的可靠性和鲁棒性,本文提出一种基于子图集成投票的方法;利用子图选择算法切取的土壤子图投票共同决策最终土种识别结果。实验结果显示:土壤子图选择算法构建的数据集在三个不同深度Res Net模型下训练、识别测试,均有较好的训练、识别精度;在土壤子图选择α参数为1、子图尺寸为224时,在浅层网络Res Net-18下能达到最佳测试结果,训练的网络模型在验证集识别准确率为92.48%,测试集识别准确率为92.95%,相较于土壤原图数据集的最佳土种识别结果提升46.65%;利用最小外接矩阵能加速相较于不使用加速,子图选择算法提升运算速度38.88%。基于子图选择算法的土种识别方法是有效的。综上,本文提出了一种基于机器视觉技术的土种识别方法:首先基于Mask RCNN实例分割模型对土壤图像进行分割,然后采用基于土壤子图选择算法的数据集构建方法和子图集成投票决策识别结果的分类方法,实现野外土壤图像的土种识别。

关键词：土种识别子图选择深度学习土壤图像

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

遥感图像植被判读与土壤判读

科技情报开发与经济 2005年第6期15卷 141-143页

作者：刘王君贾明太原理工大学矿业工程学院山西太原030024

通过遥感图像判断识别各种目标,是达到遥感应用目的的一个重要环节,而判读植被图像和土壤图像对监测生态环境变化具有十分重要的意义。介绍了主要植被类型的影像特征和遥感图像植被判读的方法,以及航空像片的土壤判读和卫星图像的土壤... 详细信息

通过遥感图像判断识别各种目标,是达到遥感应用目的的一个重要环节,而判读植被图像和土壤图像对监测生态环境变化具有十分重要的意义。介绍了主要植被类型的影像特征和遥感图像植被判读的方法,以及航空像片的土壤判读和卫星图像的土壤判读方法。

关键词：遥感图像图像判读植被图像土壤图像生态环境监测

在线全文

学校读者我要写书评

暂无评论

模糊聚类的灰度图像分割算法研究

模糊聚类的灰度图像分割算法研究

作者：曾凡玉重庆师范大学

学位级别：硕士

图像分割是指将一幅图像划分成若干互不重叠的、有意义的和具有相同性质的区域,它是图像处理和模式识别的关键环节。在众多图像分割算法中,模糊C均值算法(Fuzzy C-Means,简称FCM)将图像分割问题转化为最优化问题,它通过对目标函数的迭... 详细信息

图像分割是指将一幅图像划分成若干互不重叠的、有意义的和具有相同性质的区域,它是图像处理和模式识别的关键环节。在众多图像分割算法中,模糊C均值算法(Fuzzy C-Means,简称FCM)将图像分割问题转化为最优化问题,它通过对目标函数的迭代优化实现对图像像素模糊划分,根据每个像素属于不同区域的程度将像素分到某个区域中。该算法的最大特点是将模糊理论引入到像素的隶属度,使得FCM算法能够比硬C均值算法保留更多的原始图像信息。FCM图像分割因算法简单、收敛速度快,具有比较直观的几何意义,且能处理模糊信息而在许多领域得到了广泛的应用,但是它也存在一些缺点,主要表现为如下几点:(1)需要人工确定分类数;(2)对初始值敏感易,易陷入局部最优;(3)未考虑空间信息,对噪声敏感;(4)算法耗时。中国是农业大国,土壤是农业发展的基础,在作物的生长和繁育中起着养分转化和循环的作用,是作物所需养分的重要来源。目前分析土壤结构的方法主要有:筛分法、切片法和计算机断层(CT)摄影法、核磁共振(MR)法。但这些方法存在不同程度的缺点,很难普及使用。土壤孔隙,是土壤水流和溶质运移的最重要指标,被认为是土壤图像分析的主要指标,可以通过土壤孔隙的分析土壤结构。图像分割技术可以对土壤图像进行有效分割,具有低成本和实时性等优点。对土壤图像进行分割提取出土壤空隙,为后续的回归模型建立、推断出土壤结构提供技术支撑。基于FCM的不足及FCM应用于土壤图像分割,本文对FCM算法进行了改进。主要研究工作可归纳如下:(1)提出了2种融入空间邻域信息的FCM图像分割的改进算法。利用WFCM算法快速确定聚类中心,然后定义空间函数和空间隶属度以融入空间信息,增强算法的抗噪性。通过修正像素的硬划分矩阵,增强FCM算法对噪声的鲁棒性。(2)提出了对比度增强型的FCM(Enhanced Contrast Fuzzy C-means)图像分割算法。该算法将空间邻域信息代替像素的隶属度,提高了像素属于同一类别的可能性,增强分割后图像的对比度以提取土壤空隙。(3)利用近邻传播(Affinity propagation)确定WFCM算法的分类数和初始聚类中心,然后利用WFCM算法对灰度图像实现快速分割。解决了传统模糊C均值聚类需要事先确定分类数的问题。

关键词：图像分割模糊C均值土壤图像空间邻域信息近邻传播算法