采用运动图像处理检测排种器充填性能

针对人工测量和光电检测排种器性能的弊端 ,提出了采用运动图像处理检测排种器充填性能的方法。研制了检测多目标高速运动物体 (种子 )计算机图像处理系统 ,分析了光照对抓拍运动物体的影响和图像的采集过程 ,给出了系统的拍摄区域和合理的图像处理窗口 ,并运用最佳熵门限法准确提取目标和背景 ,建立了根据种子边缘、面积及种子之间的距离检测排种器充填性能的适用算法。试验表明 :采用该系统误差小 。

大型古文物真三维数字化方法

古文物数字化保护已经成为关系全球的社会化问题。提出了一种以三维激光扫描技术和CCD摄像技术为主要数据获取手段的真三维、真尺寸、真纹理的古文物数字化工程方法。首先,对三维数据进行去除噪声和补洞等预处理;接着,利用一种改进的ICP算法,实现渐进式多视点三维数据配准;最后,由体绘制方法将所有视点的三维数据整合成连贯的完整的三维网格,并给出纹理映射方法,建立真三维、真纹理的古文物数字化模型。提出的方法已经在云冈石窟和古建数字化工程的实践中得到了充分验证。

排种器性能检测中种子位置智能检测方法

根据基于计算机视觉的排种器性能检测的特点 ,提出了基于神经网络的种子位置智能检测方法。采用两个光轴互相垂直的摄像机监测投种规律 ,并把以矩法求取的质心图像坐标作为输入节点 ,构造检测种子质心实际坐标的两个神经网络 ,并行处理左右两幅图像 ,从而快速求得种子位置。实践表明 ,此方法不仅能求出种子位置 。

根茬粉碎还田机除茬刀滚功耗模型的建立

通过对除茬刀结构参数的分析 ,设计了 9组除茬刀。采用正交试验及对试验数据的分析 ,得到了除茬刀最佳结构参数 ,用部分正交回归试验 ,建立了单除茬刀滚功耗模型 ,为根茬粉碎还田机的设计提供了理论依据。

一种基于MEMS传感器的无人飞艇航姿测量系统

提出了一种基于微机电系统(MEMS)惯性传感器的航姿测量系统。分析了一些传统姿态解算算法融合过程中的不足,提出一种高效的融合算法,利用梯度法将加速度计和磁力计对地球重力场和磁场矢量的观测量去修正陀螺给出的姿态信息。针对实际测量系统中振动对姿态的干扰问题,提出切比雪夫II型低通数字滤波器进行传感器数据预处理,并结合运动状态修正融合算法从而进一步抑制振动。通过实验表明:该系统的算法具有较低的计算负荷,能有效地估计出姿态,抑制振动有害加速度对姿态估计的影响,测量动态误差小于2°,静态误差小于0.8°。

近距离多目标(种子)检测中摄像机系统的标定方法

在进行基于计算机视觉的排种器性能检测时 ,为了解决目标 (种子 )之间的遮挡、加快图象采集速度和节省计算机的存储空间 ,提出了一种近距离多目标 (种子 )检测中 ,摄像机系统的标定方法 .建立了由摄像机和平面镜组成的摄像机系统标定的数学模型 ,并给出了恢复空间点的方法 .同时在排种器实验台上进行了验证 ,结果表明该系统不仅能较好地检测出种子的重叠和丢失等情况 ,而且检测误差小于 1mm,且完全可以不用粘胶带 。

利用轮廓特征的多视点几何数据配准

以三维激光扫描仪为获取数据平台,针对扫描过程中存在的数据配准问题,提出了利用轮廓特征的大规模三维场景多视点几何数据自动配准算法。首先采用自适应曲线拟合技术提取三维轮廓特征,在此基础上建立八叉树数据检索结构。引入马氏距离,以八叉树叶结点为匹配单元计算初始转换矩阵,并经ICRP算法逐步优化直至获得两视点的最佳配准。最后,采用就近原则,给出大规模三维场景多视点全局配准策略。并通过对室内、室外和古建等场景的三维配准实验,证明算法的鲁棒性。

基于遗传算法的种子图象目标点模式匹配

在完成种子图象目标点坐标提取和由单摄像机、平面镜组成的摄像系统标定之后 ,关键问题是如何寻找图象中种子质心的对应点 .为了准确寻找到图象中种子质心的对应点 ,根据图象中种子区域的分布特点及遗传算法具有简单、通用、鲁棒性和适于并行处理等特性 ,提出了一种基于遗传算法的种子图象目标点模式匹配算法 ,即首先通过模糊聚类将单帧图象上的像点与虚像点划分为两类点群 ,然后通过在两类点群之间建立遗传机制来进行种子图象点模式匹配 .实验证明 ,采用该算法进行种子目标点群之间的匹配 ,具有快速准确的特点 ,并为种子空间点的恢复提供了准确的对应点寻找信息 .

平流层飞艇参数估算及充放气模型的建立

平流层飞艇是一个复杂的系统。飞艇的参数估算及飞行控制是其设计过程中很重要的关键环节。本文依据飞艇体积和重量的耦合关系对其部分参数进行了估算,设计了飞艇的概念模型。针对给出的飞艇模型,基于内外压差保持一致,建立了飞艇放飞和回收过程的充放气模型,并对该模型进行了仿真分析。仿真结果表明,飞艇的飞行速度、高度和气囊温度等对充放气速率有很大影响。

多方法融合技术在多目标位置检测中的应用

提出了将多种技术融合一体定位多目标的方法。首先根据计算机视觉原理 ,采用正交光轴的双摄像机配置检测系统 ;然后建立去除复杂实际背景和自适应二值化的动态图象预处理模型 ,并根据矩法搜索和求取目标质心 ;再利用神经网络模拟人眼感知事物的功能 ,确立图象点与空间点的映射关系 ,并将目标质心象点坐标作为输入节点 ,采用两个BP网并行处理左右两幅图象 ,快速求得目标空间位置。实践表明 ,此方法具有一定的实用性 。

利用反射率和距离信息的三维场景数据分割方法

0引言 利用激光三维扫描仪和高分辨率彩色CCD摄像机产生完整的包括三维几何和纹理信息的真实场景模型,对虚拟现实、远程浏览、数字考古及数字城市等具有重要意义,是计算机视觉和机器人领域最大的挑战和热点问题,受到国内外学者的普遍关注[1～3].真实场景三维建模主要包括如下三步:数据分割、几何建模及纹理映射.其中数据分割是后续工作的基础,它将三维点云数据按场景结构分成不同的封闭区域,以去除冗余数据,加快处理速度.并为多视点三维数据配准、几何建模和纹理映射提供准确的基元特征.因此本文主要研究数据分割.……

基于多尺度结构自相似性的单幅图像超分辨率算法

多尺度结构自相似性是指同一幅图像中存在相同尺度或不同尺度的相似结构,这种多尺度图像结构自相似性广泛存在于遥感图像中.本文提出了一种基于多尺度结构自相似性的单幅图像超分辨率(Super resolution,SR)算法,该算法结合了压缩感知框架与图像结构自相似性,利用非局部方法和基于图像金字塔的K-SVD字典学习方法,将蕴含在相同尺度和不同尺度相似图像块中的附加信息在压缩感知的框架下加入到重构图像中.本文算法的优势在于,它仅借助于单幅低分辨率图像自身所蕴含的信息,实现了空间分辨率的提升.实验表明,与CSSS算法和ASDSAR算法相比,本文算法更有效地提升了遥感图像的空间分辨率.

用图像处理技术检测精密排种器性能

运用计算机图像处理技术 ,建立了精密排种器性能检测系统。通过种子动态图像的详细分析 ,采用图像增强、平滑、锐化及分割等预处理方法 ,有效地提高了图像质量 ;提出了根据种子的面积和种子间距检测精密排种器性能的特征提取方式。检测试验表明 ,检测系统精度满足精密排种器性能检测要求。

CT图像环状伪影校正方法

CT图像环状伪影是由探测器像元响应不理想等因素造成的,它导致CT重建图像的降质,影响了图像的后续处理和量化分析.提出了一套完整的算法完成CT伪影校正:基于探测器像元通道响应不一致性的校正,通过偏置和增益校正对硬件响应不一致性进行补偿;基于投影正弦图的校正,通过数字滤波提取正弦图上残余的线状伪影,属于CT图像重建前的一种预处理校正方法;基于重建图像的校正,通过坐标变换将直角坐标系中的环状伪影变为极坐标系中的线状伪影进行处理,属于一种图像后处理方法.这些算法已经用于基于YX-LON XRS232 9″图像增强器的CT重建,在保证图像质量的基础上环状伪影得到有效校正.

基于激光与可见光同步数据的室外场景三维重建

本文根据TH 3DLCS 2001三维成像扫描仪可同步扫描激光与可见光数据的特点,提出了室外场景三维重建的系统方法.推导了激光与可见光采样点的配准关系,给出了每一激光采样点的RGB值;引入马氏距离,提出了基于反向投影的多机位三维数据快速配准算法,将多机位三维数据无缝拼合在同一坐标系内;依据Hough变换和模糊子集,划分室外三维数据场为房顶、墙面、窗户、地面、树木、其他物体等6类,并给出了网格剖分方法.实验证明本文所提出的方法有效地解决了室外场景三维重建的基本问题.

基于计算机视觉的板材曲面3维测量系统

利用计算机视觉原理 ,针对板材成形件的特点 ,建立板材曲面 3维非接触测量系统。系统通过分析双摄像机交汇视场 ,利用神经网络拟合图像点与空间点的映射关系 ;以光栅投影曲线为基元 ,利用小波变换 ,提出搜索式无监督聚类方法 ,结合视觉几何不变性 ,实现交向摆放的双摄像机系统的立体精匹配 ;利用小波多分辨率多尺度的特性 ,拼接图像 ,配准数据。实验表明 ,该系统设备简单 ,性能可靠 。

基于压缩感知与结构自相似性的遥感图像超分辨率方法

本文提出了一种基于压缩感知、结构自相似性和字典学习的遥感图像超分辨率方法,其基本思路是建立能够稀疏表示原始高分辨率图像块的字典。实现超分辨率所必需的附加信息来源于遥感图像中广泛存在的自相似结构,该信息可在压缩感知框架下通过字典学习而得到。这里,本文采用K-SVD方法构建字典、并采用OMP方法获取用于稀疏表达的相关系数。与现有基于样本的超分辨率方法的最大不同在于,本文方法仅使用了低分辨率图像及其插值图像,而不需要使用其他高分辨率图像。另外,为了评价方法的效果,本文还引入了一个衡量图像结构自相似性程度的新型指标SSSIM。对比实验结果表明,本文方法具有更好的超分辨率重构效果和运算效率,并且SSSIM指标与超分辨率重构效果具有较强的相关性。

Landsat8光谱衍生数据分类体系下的牧草生物量反演

牧草生物量的估算对于草地资源合理利用和载畜平衡监测具有重要的意义,是评价草地生态系统与草地资源可持续发展的关键指标。基于Landsat遥感技术快速、无损的大面积植被生物量估算研究已广泛应用,当前大多基于单一变量或几个常用植被指数构建反演模型,这些指数往往不能从多方面反映植被理化特征。归纳了不同Landsat8光谱衍生数据所反映的植被理化特征及它们间的关联方式,构建了Landsat8光谱衍生数据的分类体系;在此基础上提出了一种基于随机梯度Boosting(SGB)算法的多变量、非线性生物量估算模型,探讨不同类型光谱衍生数据组合对于牧草生物量反演结果的影响。以青海省海晏县为研究区进行方案可行性探讨。结果表明常用的Landsat8光谱衍生数据主要从植被的绿度、黄度、盖度、水分含量、纹理特征以及通过消除大气干扰和土壤背景干扰等7个方面反映植被的理化特征(7个小类),可归纳为直接因子(绿度、黄度、盖度、水分含量)、间接因子(消除大气干扰和消除土壤背景干扰)和空间因子(纹理特征)3大类型。在牧草生物量反演中,这些光谱衍生数据类型间具有较好的互补性,单一的直接因子模型估算结果最差,引入间接因子和空间因子均能提高模型的估算结果,而由直接因子(GNDVI, TCW, NDTI, NDSVI, TCD)、间接因子(SAVI, VARI)和空间因子(MeanB3, MeanB6, HomⅡ, DisB5)共同构建的SGB模型估算精度最优,R2达到了0.88;RMSE为141.00 g·m-2。与5种常用的生物量估算模型结果对比,该方法具有明显的优势。较单变量模型,R2提高了42%~60%,RMSE降低47%以上,R■提高了31%~53%, RMSEcv降低29%;较多变量模型,R2提高了29%~42%, RMSE降低35%以上,R■提高了2%~18%, RMSEcv降低2%以上。此外,所提出方法在消除反演模型过饱和方面也具一定成效。综上,利用Landsat8数据从反映植被不同理化特征角度构建反演模型实现了牧草生物量的精准估算,对于后期牧草生长状况实时监测以及草地资源可持续利用与管理具有重要的指导意义。研究结果还可以为今后进行大面积区域草地动态监测以及其他农业领域的研究提供参考和借鉴。

基于 LiDAR 波形分解的点云 SVM 分类方法研究

LiDAR全波形数据可以记录发射激光脉冲与地物作用形成的后向散射信号的全回波信息,是发射激光脉冲沿途遇到的所有目标回波信号的总和,揭示了地物的几何和物理属性,是地物分类的重要依据。然而目前基于全波形分解的地物分类研究较少。本文将LiDAR全波形数据分解成波宽、振幅、回波次数3个独立的属性,并分别将这3个属性与高程进行格网化,生成一幅含有4个图层的图像;然后使用SVM分类器对这幅图像进行分类,成功分出了房屋、地面、高大植被,分类精度达96.248 2%,Kappa系数达0.928 1。

线推扫式高光谱相机侧扫成像几何校正

线阵高光谱相机侧扫成像可以有效解决卫星遥感影像无法获取建筑物立面光谱数据等问题。阐述了课题组集成开发的线推扫式高光谱遥感监测系统组成部分及关键技术指标等;根据地面侧扫成像特点,详细推导了适合于线推扫式相机地面侧扫成像几何校正模型;给出了地理参考影像格网划分和重采样方法,并对数据采集过程可能出现的漏采现象提出解决方案。通过大量地面模拟实验,验证了线阵影像几何畸变校正算法的有效性及鲁棒性,为同类产品的地面应用提供参考。