基于RGB模型的草莓叶片光合作用指标估测

为了研究基于图像红(R)、绿(G)、蓝(B)颜色参数和叶片SPAD值预测光合作用指标的可行性,以草莓叶片为试验材料,构建多元线性回归模型和反向传播(BP)神经网络模型,对叶片蒸腾速率、气孔导度、净光合速率、胞间CO_(2)浓度进行估测,并对其精度进行评价和验证。结果表明,基于BP神经网络模型,使用图像RGB颜色参数和SPAD值对叶片蒸腾速率进行预测的效果较好,其次是气孔导度。BP神经网络模型的估测精度高于多元线性回归模型,蒸腾速率、气孔导度、净光合速率和胞间CO_(2)浓度的模型预测准确率分别达到91.5%、83.3%、74.4%和71.5%。BP神经网络的蒸腾速率模型、气孔导度模型的决定系数(R2)分别为0.9222、0.8423,均方根误差(RMSE)分别为0.0002、0.0259,平均绝对误差(MAE)分别为0.0001、0.0006。由结果可知,通过数码相机采集图像,并构建RGB模型,可简易快速估测草莓叶片蒸腾速率、气孔导度,能用于生产中草莓光合指标的估测。

跨模态交互融合与全局感知的RGB-D显著性目标检测

近年来,RGB-D显著性检测方法凭借深度图中丰富的几何结构和空间位置信息,取得了比RGB显著性检测模型更好的性能,受到学术界的高度关注.然而,现有的RGB-D检测模型仍面临着持续提升检测性能的需求.最近兴起的Transformer擅长建模全局信息,而卷积神经网络(CNN)擅长提取局部细节.因此,如何有效结合CNN和Transformer两者的优势,挖掘全局和局部信息,将有助于提升显著性目标检测的精度.为此,提出一种基于跨模态交互融合与全局感知的RGB-D显著性目标检测方法,通过将Transformer网络嵌入U-Net中,从而将全局注意力机制与局部卷积结合在一起,能够更好地对特征进行提取.首先借助U-Net编码-解码结构,高效地提取多层次互补特征并逐级解码生成显著特征图.然后,使用Transformer模块学习高级特征间的全局依赖关系增强特征表示,并针对输入采用渐进上采样融合策略以减少噪声信息的引入.其次,为了减轻低质量深度图带来的负面影响,设计一个跨模态交互融合模块以实现跨模态特征融合.最后,5个基准数据集上的实验结果表明,所提算法与其他最新的算法相比具有显著优势.

基于RGB颜色模型的印章图像分割

为了更加方便快速分割图像信息,降低背景对印章图像的干扰,加强民航业信息识别技术,提出一种基于RGB颜色模型分割印章图像的方法。该方法采用RGB颜色模型,将RGB印章图像中R分量分离出来得到灰度图,削弱噪声干扰,突出重点区域。接着利用最大类间方差法(OTSU)对得到的灰度图二值化,选取最佳阈值。算法试验结果表明,通过分离R分量和引入OTSU算法可以得到更为清晰、细致的图像,提高了试验的准确性。

RGB-D图像引导的机器人操作任务模仿学习

当前机械臂抓取的模仿学习方法存在示教智能层次较低、忽略中间逻辑关系等问题,面向典型机器人定序抓取任务,提出一种RGB-D图像引导下基于HMM的机器人模仿学习方法。通过Kinect相机采集的RGB-D图像获得示教数据,基于HMM建立方块堆叠任务的离散数学模型,学习每一个子任务的环境特征状态识别和机械臂动作预测,通过完成一系列子任务最终完成堆叠任务。在仿真环境验证了方法的可行性和泛化能力,方块定序抓取任务平均环境特征识别准确率达到了98.5%。

高压脉冲电场对毛发染色效果的影响

为了研究高压脉冲电场对毛发染色效果的影响,试验以18~28岁年龄段人群的黑色头发和染发剂为试材,以染发后毛发的RGB(red green blue)模型提取值作为响应值,并采用等响应面试验法设计试验,以构建和分析高压脉冲电场的电场强度、脉冲宽度以及脉冲个数对毛发染色效果影响的数学模型和机理。试验结果表明:高压脉冲电场同时处理头发和染发剂后最高可提升RGB参数中的蓝色通道值B为3.7%,对应的最优化工艺化参数为:电场强度1125 V/mm、脉冲宽度175μs、脉冲个数52个。因此,高压脉冲电场对头发和染发剂进行处理后再进行染色可改善着色效果,并为毛发染色工艺优化奠定一定基础。

基于RGB视觉模型的交通标志分割

提出了一种基于RGB视觉模型的交通标志分割算法。该算法可以避免光照和天气的影响,试验结果和算法本身均表明该算法具有很好的鲁棒性且算法易于实现,非常便于实时处理和硬件实现。

用冠层叶色偏态分布模式RGB模型预测大豆产量

为了探索加色混色(Red-Green-Bule,RGB)模型偏态分布模式在大豆产量预测上的可行性,并验证其在不同肥料运筹、不同品种上的通用性,该研究选用曲茎和徐豆18两个大豆品种,设计了不同种植密度和氮肥水平的大田裂区试验,以无人机搭载数码摄像机,在花期及以后的2个重要生殖生长期采集大豆冠层数据。研究证实了大豆冠层数码图像的光学三原色RGB模型色阶遵循偏态分布,并利用偏态分析得到5类共20个叶色偏态参数。花期、荚期和鼓粒期的冠层叶色偏态参数普遍存在明显差异,其中表征叶色深浅的均值、中位数、众数从花期至鼓粒期呈现先降后升的变化趋势,而表征叶色偏向性的偏度和表征叶色集中度的峰度则普遍呈现相反的变化趋势。基于偏态参数构建的大豆产量预测模型的预测准确度平均达91.30%(建模组),对氮肥运筹验证组的预测准确度平均为87.33%,对不同品种验证组的预估准确度虽然低于建模组和氮肥运筹验证组,但也接近80%。这说明RGB模型偏态参数可准确地描述不同生育期大豆冠层叶色状况,基于偏态参数构建的产量预测模型有了更多的冠层颜色信息输入,对选用同品种但采用不同氮肥运筹措施和选用不同品种下的产量预测准确率均较高,可广泛用于不同生产条件的大豆产量预测,具有较好的适用性与较高的推广价值。

基于RGB模型脱绒棉种质量与颜色特征的相关性分析

为了得到脱绒棉种质量与其表面颜色特征之间的关系,采用CASIO数码相机拍照,利用图像处理技术提取脱绒棉种表面颜色特征,并严格按照GB/T3543.4-1995进行发芽试验,采用线性回归和逐步回归的分析方法,探讨了RGB颜色模型下脱绒棉种颜色特征与发芽势、发芽率之间的相关性。结果表明:多个颜色特征参数与脱绒棉种质量存在显著相关性。该研究为基于RGB颜色模型对脱绒棉种实施快速、有效的分选提供了理论依据。

基于RGB颜色模型的玉米淀粉爆燃火焰传播速度

采用小尺度粉尘爆炸实验装置对不同质量浓度的玉米淀粉爆燃火焰传播过程进行了实验研究,建立了基于RGB颜色模型的火焰重构及形态学重建的粉尘火焰传播速度计算方法,计算了不同质量浓度下的玉米淀粉爆燃火焰传播速度。结果表明:采用基于RGB颜色模型的速度计算方法能够快速准确地计算出玉米淀粉爆燃火焰传播速度,火焰像素范围的确定是火焰速度计算的关键;管道内火焰传播速度受粉尘云质量浓度的影响,最大火焰传播速度随粉尘云质量浓度的增大先增大后减小,到达速度峰值的时间先缩短后增长,当质量浓度为0.63 kg/m^3时,出现该实验条件下火焰传播速度最大值7.03 m/s。

RGB颜色模型应用于评价顶吹混匀时间的方法

针对评价顶吹宏观混匀时间的方法进行了气体顶吹搅拌水动力学实验研究,利用基于混合过程中示踪粒子的分布随时间演化规律的RGB颜色模型来确定搅拌容器内的宏观混匀时间。通过定义像素阈值分离每一像素,构建混匀像素比M值作为确定混匀时间的指标,观察M值的变化规律,利用3σ方法确定混匀时间。针对喷枪插入深度及流量,用量纲为1强度单位表述为0.5和1的实验工况一,当阈值分数X=90%时,测定混匀时间为13.30s。分析结果发现,RGB颜色模型能够基于混合过程中示踪粒子的分布情况确定混匀时间,且与贝蒂数法和电导率法测定的混匀时间偏差不超过10%。为解决在视觉上评价多相流混合效果等工程问题提供了一种新的思路,为提高ISA炉使用寿命、强化ISA炉冶炼生产以及优化ISA炉工艺过程提供了一定的实验依据。

基于RGB颜色模型的核桃缺素症判别方法

核桃缺素症是核桃栽培过程中的多发病症,常引发其他类型的侵染性病害,因此,及时识别和防治核桃缺素症对增加核桃产量、提高果农收入具有极其重大的意义.采用RGB颜色模型,以色度为主要特征量进行核桃缺素症的判别.将叶片图像转换为灰度图,利用最小二乘法计算图像分割的阈值,并按照此阈值对灰度图像进行分割处理,区分出正常区域和缺素区域,对叶片异常区域像素点的灰度值与前期统计分析所得的缺素症状的典型灰度值比较,进行判别以确定核桃所缺元素.通过Visual C++语言实现了此算法,取得了较好的效果.

RGB-D图像中手部样本标记与手势识别

基于深度图像的手势识别通常需要大量的训练数据,如何快速标定和建立姿态数据集是一个具有挑战性的任务.文中提出一种半自动标定方法,利用随机决策树森林建立深度像素的标定数据集;在此基础上设计了一个基于视觉的手势交互桌面应用开发框架,该框架采用RGB-D信息作为数据输入,同时利用3D手形轮廓降低手势匹配的复杂度.实验结果表明,文中方法能够支持复杂手势的实时识别.

最优RGB线性组合颜色模型目标检测方法

为提高目标检测的准确性,提出了最优RGB线性组合颜色模型目标识别方法。统计目标及背景代表性点的红色、绿色、蓝色3个分量值,设计线性规划目标函数及约束条件,利用红色、绿色、蓝色3个分量统计值求线性规划问题的最优解,建立最优RGB线性组合颜色模型。顺光、侧光、侧逆光、逆光4种采光拍摄条件下120幅图像的试验结果表明:该方法较R-B、2R-G-B、G-B法的目标与背景灰度差值都大、误检率与漏检率都低,可广泛用于与背景存在颜色差异的目标检测。

基于贝叶斯框架融合的RGB-D图像显著性检测

为了有效融合RGB图像颜色信息和Depth图像深度信息,提出一种基于贝叶斯框架融合的RGB-D图像显著性检测方法.通过分析3D显著性在RGB图像和Depth图像分布的情况,采用类条件互信息熵(Class-conditional mutual information, CMI)度量由深层卷积神经网络提取的颜色特征和深度特征的相关性,依据贝叶斯定理得到RGB-D图像显著性后验概率.假设颜色特征和深度特征符合高斯分布,基于DMNB (Discriminative mixed-membership naive Bayes)生成模型进行显著性检测建模,其模型参数由变分最大期望算法进行估计.在RGB-D图像显著性检测公开数据集NLPR和NJU-DS2000上测试,实验结果表明提出的方法具有更高的准确率和召回率.

基于RGB颜色模型棉花杂质的识别算法

介绍了原棉在线异性纤维检测系统的结构及工作原理。采用RGB颜色模型,以色度为主要特征量,设定阈值对棉花和异物的像素点进行判别。并通过Visual C++语言实现了此算法,得到了较好的效果。

基于RGB色度空间的车牌定位及矫正算法

针对复杂背景及不同光照条件下的车牌图像,提出了一种基于RGB色度空间的车牌定位及校正的新方法,建立了基于RGB色度空间的牌照检测模型。通过大量含车牌的彩色图片实验结果表明,利用RGB色度空间的牌照信息来进行牌照定位及矫正可以提高牌照识别系统的整体性能。

融合RGB颜色空间的植物图像分割模型

针对植物图像分割中常见的受复杂背景影响、弱边界及连通性问题,提出一种改进的双凸模糊变分图像分割模型.该模型首先通过RGB颜色空间模型将彩色植物图像划分为两个部分,令植物图像中的目标对象保持原来的颜色,其他部分则设置为与目标对象差异较大的颜色背景,并以提取出的目标对象轮廓作为初始轮廓;其次,使用log边缘检测算子提高对噪声的稳健性,并对植物图像进行图像增强处理;最后在双凸模糊变分模型的基础上提出了一种新的变分分割模型.实验结果表明,该方法把平均JS值提高到95. 68%,实现对莲座植物图像中目标对象边缘轮廓的准确提取,有效解决了受复杂背景影响和像素间的连通性问题.

基于RGB-D的肉牛图像全卷积网络语义分割优化

基于卷积神经网络的深度学习模型已越来越多的应用于检测肉牛行为。利用卷积操作实现肉牛图像的像素级分割有助于实现远距离、无接触、自动化的检测肉牛行为,为肉牛异常行为早期发现提供必要手段。为了提高复杂背景下肉牛图像语义分割精度,降低上采样过程中的语义分割误差,该文提出基于RGB-D的肉牛图像全卷积网络(fully convolutional networks,FCN)的语义分割优化方法,用深度密度值来量化深度图像中不同像素点是否属于相同类型的概率,并根据深度图像与彩色图像在内容上的互补关系,优化和提升FCN对肉牛图像的语义分割(像素密集预测)精度。通过试验验证,该方法与全卷积网络的最优分割结果相比,可以将统计像素准确率平均提高2.5%,类别平均准确率平均提升2.3%,平均区域重合度平均提升3.4%,频率加权区域重合度平均提升2.7%。试验证明,该方法可以提升全卷积网络模型在复杂背景下肉牛图像语义分割精度。

RGB与CMYK色彩模式

主要围绕RGB与CMYK两种彩色图像的色彩模式相关内容进行展开,介绍了两种模式的色彩原理、配色方法、包含的通道及实际应用领域。然后针对两者之间的关系进行联系与比较,最后给出了两种模式的转换方法及转换的原因和转换过程中需注意的问题。

基于Qt的叶片颜色RGB抓取器的设计与实现

核桃缺素主要表现在叶片的颜色和纹理上,目前多以专家肉眼判断,不能解决缺素初期症状不明显以及症状相似的问题。考虑利用计算机视觉技术采集专家肉眼不可能发现的一些颜色特征来完成缺素种类的识别。设计实现的基于Qt技术的叶片颜色红绿蓝模型(RGB)抓取器,能够打开jpg,gif,bmp等常见格式的图片,并按用户的需要将图片的全部或部分区域的像素点RGB值输出到指定目录下的txt文件中,该文件可以作为后期核桃缺素症种类判断时的叶片颜色特征提取依据。