多颜色空间中玉米叶部病害图像图论分割方法

为了提高农田自然背景下玉米叶部病害诊断精度,提出了一种多颜色空间下的玉米叶部病害的图论分割方法。该方法在不同的颜色空间中引入图论进行分割,分别在单一颜色空间下将玉米病害的分割问题转换为图的分割问题,再通过有效的融合方法对初始的分割结果进行信息融合。通过对玉米叶部病害图像的分割实验表明,该方法的分割效果较好。在多种颜色空间下进行玉米叶部病害的图论分割方法是可行的、有效的。

基于多示例图的小麦叶部病害分割方法

图像分割是作物病害自动识别的难点之一,传统的基于阈值或聚类的分割方法分割精度较低,为了提高作物病害的分割效果,该文提出了一种基于多示例图的分割模型,将作物病害的分割问题转化为在多示例框架下图的分割问题,同时在对作物病害图像分割的过程中引入空间信息,采用像素点信息和邻域信息的融合值形成特征空间,通过在包空间的有效度量方式将多示例学习与图的分割方法有效结合进行小麦叶部病害图像的分割,从而更好地度量示例包的内部差异和示例包之间的差异,同时兼顾了图像的局部信息和全局信息,通过对小麦锈病和白斑病图像的分割试验表明,所提出的模型具有较好的鲁棒性,并且分割效果明显高于传统的分割方法。

基于受限分位直方图的小麦苗情图像增强方法

针对物联网监测的小麦苗情图像受成像自然环境和成像设备影响存在对比度低及图像模糊的问题,提出了基于受限分位直方图的小麦苗情图像增强方法,首先压缩高概率密度色彩频度来减少高频色彩的像素出现过增强问题,然后对调整后的直方图进行分位划分以保持图像在增强后的色彩均值信息,缓和图像均值色彩变化过大导致的过增强和噪声放大问题,最后对分位直方图在分位区间内依据累积分布函数分别进行直方图均衡化融合为最终输出图像。结果表明,该方法克服了传统全局直方图易出现的过增强和噪声放大问题,增强后的图像细节丰富,具有更好的视觉效果,能够满足小麦苗情远程监测图像增强的实际应用要求。

基于自适应字典的小样本高光谱图像分类方法

在有限标记样本下,为了有效协同空谱信息提高高光谱图像的分类性能,提出了一种基于自适应字典的小样本高光谱图像分类方法。首先,对高光谱图像进行熵率超像素分割,分析标记样本的超像素区域和光谱近邻,将鉴别力高的样本扩展至标记样本集;然后,在扩展的标记样本集上分析测试样本的空谱信息,对不同的测试样本精简标记样本集,形成自适应字典;最后,在自适应字典上,协同空谱信息重构测试样本,在协同表示中同时考虑重构字典中空谱信息的竞争性。实验结果表明,对比传统的基于光谱的方法和固定窗口尺寸下融合空谱特征的高光谱图像分类方法,在印地安农林数据集上,当训练样本数目仅为样本集数目2%时,本文方法总体分类精度为91.45%,比其他方法高3.48~39.52个百分点;在训练样本数为1%的帕维亚大学数据集上,该方法的总体分类精度达到95.54%,比其他方法高2.45~21.63个百分点,验证了本文方法的有效性。

图学习的区域图像标注方法

近年来,图像标注技术得到广泛关注。提出一种图学习的自动图像标注方法,将图像标注作为多示例学习框架下的半监督学习策略,通过给出适合图像在包空间的有效度量方式,充分利用未标注样本挖掘图像特征的内在规律性,将半监督学习的方法和多示例学习有效结合起来,从而获得更准确的标注结果。实验结果表明,提出的标注方法可行,同时标注结果与传统的标注方法相比得到了明显提高。

一种图像分类的多特征vague融合模型

针对图像分类中传统的特征融合方式所形成的巨大特征空间甚至维数灾难问题,提出了一种基于vague融合的图像分类模型。通过同时给出支持和反对的证据,运用vague集的真假隶属函数对图像分类中多特征分类器的分类结果进行决策融合,多特征分类器的分类结果得到优化和综合,从而获得更准确、更稳定的决策分类结果。实验结果表明,运用此决策融合模型是可行的,同时,图像分类准确率得到了明显提高。

图像语义标注中的叙词查询方法

为了在图像语义标注领域能更好地反映标注之间的关系,通过对已标注图像的标注进行分析来建立标注之间的关系,在此基础上将叙词查询的概念引入到图像语义标注中,并提出了基于叙词查询的图像语义标注方法,把语义标注问题统一在叙词查询与图像的语义关系相结合的统一的框架下。最后通过在Corel图像数据库中的验证表明,所提出的方法是有效的,并且标注率得到了明显的提高。

基于叙词查询的图像标注方法

为了能更好地反映图像标注之间的关系,将叙词查询的概念引入到传统的基于查询的图像标注领域,通过已标注图像的关键词建立标注之间的关系,从而构建了基于叙词查询的图像自动标注方法.最后在Corel图像数据库中对所提出方法的有效性进行了验证.

基于Vague融合的自动图像标注方法

提出了一种基于Vague融合的自动图像标注方法,通过有效区域匹配方式,利用近邻语义信息来平衡正负样本数目,并且首次利用Vague集的真假隶属度融合图像的区域信息,从而获得更准确的标注结果.实验结果表明,该标注方法是可行的,同时,与传统的标注方法相比,标注结果得到了明显的提高.

基于可拓融合的土壤重金属污染评价方法

提出了用于土壤环境质量评价的可拓融合模型,探讨了可拓集在土壤环境质量评价中的应用。结果表明,该模型能够反映土壤环境的污染等级,实现了对土壤环境信息的定性与定量的集成描述。运用该方法对某地区土壤污染进行了等级评判,得出的结论符合实际情况,验证了该方法的有效性和可行性。

粮食本底安全预警系统的设计及实现

粮食安全预警系统是为了防止粮食生产运行偏离正常发展轨道或可能出现危机而建立的报警系统.本文从粮食生产过程中的大气、土壤及农田灌溉水出发,运用单项污染指数与综合污染指数相结合的评价方法进行粮食生产的预警研究,构建了粮食本底安全预警系统.

新工科背景下农林高校工农融合发展探索

目前,工科中的新技术正在以前所未有的深度、广度和强度支撑并推进着中国农业现代化的发展,随着"新工科"这一概念的提出,农科类高校农科和工科的相关度越来越高,以新工科反哺农科,对促进农业现代化的发展和培养复合型创新人才有重要意义。为了突破学科壁垒,加速工农的融合发展,分析了农科类高校的优势以及从学科发展的协调性、教学内容、教学方法和数据的利用程度方面的不足,探讨了在工农融合发展的理念下优化教学内容,改进教学方法,共享部分数据的策略。通过加快工农的融合发展,可以为农科发展带来更好的发展环境和更多的发展机遇。

高校计算机专业英语教学探讨

结合计算机专业英语课程的教学实际,针对目前计算机专业英语教学现状,从教学模式、教学方法和计算机专业英语教学内容方面进行探讨,以切实增强教学效果,提高学生对计算机专业英语的综合应用能力。

基于Vague融合的图像分类方法

针对图像分类中多分类器之间存在互补和冗余信息的特点,提出一种基于Vague融合的图像分类模型。同时给出支持和反对的证据,运用Vague集的真假隶属函数对图像分类中多分类器的分类结果进行决策融合,使多分类器的分类结果得到优化和综合,从而获得更准确、更稳定的决策分类结果。实验结果表明,分类结果的准确率得到了提高。

一种基于流行排序的区域图像检索方法

提出了一种结合多示例学习和流行排序的图像检索方法,将图像检索作为多示例学习框架下的流行排序,通过给出适合图像在包空间的有效度量方式,将流行排序的方法和多示例学习有效结合起来,从而获得更准确的检索结果。实验结果表明,运用流行排序的区域图像检索方法是可行的,同时,检索结果与传统的区域图像检索方法相比,检索率得到了明显的提高。

基于流行排序的多示例图像检索方法

为了提高图像检索的性能,提出了一种基于流行排序的多示例图像检索方法,将分割后的图像表示为多示例的形式,通过给出适合图像在包空间的度量方式,有效结合流行排序和多示例学习的方法来进行图像检索。实验结果表明,采用所提出的方法的检索结果与传统的检索方法相比,检索率得到了明显的提高,检索结果更符合人的视觉习惯。

基于COM组件的图像检索系统设计与实现

随着多媒体技术的发展,传统的基于关键字的信息检索技术已逐渐不能满足要求,因此,基于内容的图像检索技术(CBIR)应运而生。鉴于MATLAB提供强大矩阵运算功能而界面开发能力较差的特点,本文提出了一种基于COM组件的图像检索系统的设计及其实现方法。实验表明,本系统不但提供了较好的用户界面,并且摆脱了对MATLAB运行环境的依赖。

烟草根系形态发育模拟模型

在分析烟草根系生长发育规律的基础上,采用作物模拟技术,定量地描述了根系生长与环境之间的动态关系,建立了烟草根系形态发育的数学模型。根据“根箱法”测定的资料,确定了根系模型的相关参数;通过运行模型,以较少的参数实现了烟草根系数量、长度、根长指数和根长密度等指标的输出,为根系的研究提供了新的手段。利用2003年的试验资料对模型进行检验,结果表明,烟草根系一级、二级侧根根长及其数量、根长密度和根长指数等的模拟值与实测值均呈显著正相关,相关系数分别达0.9540～0.9896,表明模型对烟草根系形态发育动态具有较好的预测效果。

烤烟叶片叶绿素含量与颜色特征的关系

利用图像处理技术提取不同成熟时期烟叶的叶绿素含量,采用线性拟合和回归分析方法,建立了烟叶成熟期叶绿素含量估算模型,并对其精度进行了评价和验证.结果表明,RGB颜色系统的B/(R+G),色度坐标b可以作为叶绿素含量估算的主要颜色特征参数,叶绿素含量的模拟值与实测值均呈极显著正相关,相关系数均达到0.767以上.

差分进化计算研究综述

差分进化计算(DE)是继遗传算法、微粒子群算法、蚁群算法之后的又一个成功的智能算法。它有三个算子即变异算子、交叉算子、选择算子。差分进化利用种群中个体之间的差异信息实现向最优解区域的搜索。实验证明,该算法具有较好的鲁棒性和求解效率。针对该算法的基本思想以及当前的部分研究成果进行了分析介绍。最后对下一步的研究进行了相应的说明和展望。