滇中坡林地土壤养分与酶活性对等高反坡阶整地的响应

【目的】通过分析等高反坡阶整地对退化坡林地恢复过程中土壤养分与酶活性的影响,揭示该措施生态修复的作用机制。【方法】以昆明市松华坝水源区迤者小流域的退化云南松Pinus yunnanensis坡林地为对象,设置等高反坡阶整地1 a样地(1 a)和10 a样地(10 a),以原状坡面(ck)为对照,比较土壤养分质量分数和酶活性在反坡阶的阶上和阶下及不同土层深度(0~10、10~20、20~30和30~40 cm)的分布差异。【结果】(1)等高反坡阶整地显著提高土壤养分质量分数(P<0.05),碳、氮、磷等养分提升达15.3%~236.2%,阶下高于阶上,表层土壤(0~10 cm)增加最明显。(2)土壤脲酶、蔗糖酶、酸性磷酸酶和过氧化氢酶活性均表现为10 a样地显著高于ck(P<0.05),4种酶活性提升范围在3.7%~587.5%,阶下仍高于阶上,表层土壤酶活性提升显著(P<0.05)。(3)冗余分析显示:等高反坡阶整地后土壤养分对酶活性的累积解释贡献率升高,ck、1和10 a样地分别为68.0%、88.0%和92.7%;反坡阶整地后土壤养分与酶活性的正相关关系提高,相关系数范围和达极显著性组数(P<0.01)由ck的0.26~0.99和1组,增至10 a样地的0.78~1.00和15组。【结论】退化坡林地实施等高反坡阶整地后,可促进土壤养分蓄积,激发土壤酶活性,增加两者在土壤生理生化反应过程中的配合度,最终改善土壤质量。

基于神经网络与遗传算法的图像轮廓序列匹配技术

切片轮廓图像匹配是实现基于层析图像的逆向工程产品反求的关键技术之一。该文针对经典算法应用于复杂产品样件切片轮廓图像引起的“难匹配”或“误匹配”问题,在建立物体轮廓森林的基础上,应用智能模式识别技术,将切片轮廓视为不同模式,设计一个三层的BP网络,对切片轮廓进行模式划分,并处理多分枝问题,实现轮廓匹配;应用遗传算法优化网络参数,提高算法效率。结合典型算例进行验证,取得了较好效果,该算法具有适应性强、准确性高的优点。

产品层析图像的轮廓序列匹配技术研究

图像匹配是图形图像处理领域研究的重要问题之一 .针对基于层析图像的逆向工程 CAD建模过程中的图像轮廓识别与匹配问题 ,通过建立物体轮廓森林 ,进行轮廓识别 ,缩小轮廓匹配搜索范围 ;利用椭圆定量表达平面离散点序列的整体形位信息 ,实现轮廓匹配 ;提出加权旋转半分法处理分枝问题 ;并结合典型算例 ,进行算法验证 ,取得了较好效果 .本算法具有简单易用、效率高的优点 .

多特征融合的随机森林疲劳驾驶识别算法

复杂的交通环境、个人和社会因素制约了疲劳驾驶识别技术的应用效果,提出一种对视频中驾驶员脸部状态和车辆驾驶状态数据进行融合分析的疲劳驾驶识别算法。该算法基于Dlib库提取的人脸轮廓点计算眼和嘴的纵横比值,生成眯眼和哈欠特征,基于线性拟合趋势提取法生成车辆操控活跃度特征,然后采用改进后的随机森林模型对疲劳状态进行识别。该模型基于权重对特征的重要性进行评估,提高了树节点分裂的有效性,并给出了森林中树的数量的调控方法。实验结果表明所提算法的疲劳驾驶识别准确率均值达到了92.06%,并具有较好的计算效率,验证了其有效性。

融合加权随机森林的自动3D椎骨CT图像主动轮廓分割方法

为了解决CT图像主动轮廓分割方法对初始轮廓的敏感和分割不准确的问题,本文提出一种融合加权随机森林的自动3D椎骨CT主动轮廓分割方法WRF-AC。该方法提出加权随机森林算法和包含边缘能量的主动轮廓能量函数。首先,通过提取椎骨CT的3D Haar-like特征值训练加权随机森林获得的椎骨中心作为分割的初始轮廓,然后,求解包含边缘能量的主动轮廓能量函数最小值完成椎骨CT图像的分割。实验结果表明,本方法在相同数据集上能够更加准确、快速地分割脊柱CT图像提取椎骨部分。

基于级联特征的随机森林运动目标跟踪算法

在运动目标检测与跟踪的过程中,实际环境下的目标旋转、目标遮挡以及光照变化等因素时常出现,而目标检测与跟踪的性能对这些复杂环境因素极为敏感,甚至易导致目标跟踪丢失。为了提高复杂环境下运动目标跟踪的鲁棒性和稳定性,提出一种基于级联特征的随机森林运动目标跟踪算法。该算法首先在保留目标关键信息的ASIFT特征中级联目标轮廓信息作为正样本,训练正样本生成随机森林分类后续序列图像特征;在此基础上将CamShift算法确定的目标搜索窗口中的非目标特征作为负样本,训练负样本并更新随机森林以改善特征分类性能;最后通过对正负样本特征加权计算目标搜索窗口质心以改善跟踪性能。实验结果表明,该算法能够在光照突变、遮挡以及目标旋转等复杂环境下有效地实现运动目标跟踪。

基于结构森林的RGB-D图像轮廓提取

为了获取更加清晰、更多细节的轮廓特征,充分利用Kinect传感器获取的RGB-D图像信息,将结构化的随机森林作为分类器,提出一种更加精确的轮廓提取器。首先,将RGB-D图像的多种信息利用数学公式表示出来;然后利用BSD500数据集以及NYU深度数据集训练结构化的随机森林算法,核心是将给定节点的结构化标签映射到一组离散标签;最后,利用该随机森林算法对RGB-D图像信息进行分类,得到图像轮廓。针对细节不同的四种场景图像进行对比实验,结果表明,经改进后的算法得到的轮廓效果更加清晰、准确。

基于级联随机森林与活动轮廓的3D MR图像分割

针对医学磁共振(Magnetic resonance, MR)图像三维分割中随机森林(Random forest, RF)方法难以获得具有几何约束的结果以及活动轮廓模型(Active contour model, ACM)不能自动分割发生信号混叠的组织结构的问题,提出了一种整合了级联随机森林与活动轮廓模型的磁共振图像三维分割方法.该方法首先从多模态磁共振体数据中提取图像多尺度局部鲁棒统计信息,以此驱动级联随机森林对磁共振图像进行迭代的体素分类,从而获得对组织结构的初步分割结果,进一步将此结果作为初始轮廓与形状先验,整合进一个尺度可调的活动轮廓模型中,将独立的体素分类转化为轮廓曲线演化,最终得到具有几何约束的精确分割结果.在公开数据集上的实验结果表明,本文的自动化分割方法在分割精度和鲁棒性等方面,相比其他同类方法具有较大的性能提升.

火线轮廓参数卫星遥感定量提取方法

对Landsat TM/ETM+数据进行抽样统计分析基础上,把Landsat TM/ETM+的红外、短波红外和近红外等波段数据相结合,采用窗口动态阈值算法构建燃烧区识别模型;在此基础上,为定量生成火线轮廓参数,通过连通性判断、孔洞填充、小斑块去除和边缘细化等图像处理方法对识别的燃烧区进行处理;并在ENVI 4.8+IDL语言环境下,实现了基于Landsat TM/ETM+数据自动生成火线轮廓参数算法处理过程的程序化.结果表明,总体判对率为86.44%,总体误判率为13.56%(其中漏判率为1.77%,错判率为11.79%);该方法可满足林火扑救中对火线轮廓参数定量宏观监测的应用需求.

基于分割块的图像语义分割方法

针对复杂室外环境下,传统语义分割模型无法准确描述对象轮廓的问题,提出了采用结构森林法生成边缘概率,运用分水岭算法将边缘概率转化成初始割块。为避免过分分割,利用超度量轮廓图算法选取适当阈值生成分割块以获取更准确的轮廓信息,通过随机森林训练分割块,得到语义分割结果。实验结果表明:在处理复杂的语义分割任务时,基于分割块的方法在精度、鲁棒性和速率方面均具有良好表现。

一种仿生物视觉感知的视频轮廓检测方法

消除背景的局部边缘干扰同时保证目标的完整轮廓是视频轮廓检测的一个难点,基于运动感知的生物视觉证据,提出一种运动能量抑制模型,有效抑制背景边缘,激励目标的强边缘.通过归一化整理视频运动切片的四方向运动能量抑制响应,反映V1层视觉神经元的周围抑制感知特性,进而采用"双半圆盘"算子提取边缘梯度响应,同时,结合运动和外观线索,用随机森林对边缘梯度响应的局部结构进行树划分,得到最终的检测结果.实验表明,本文提出的方法较已有的视频轮廓检测方法有更优的量化查全–查准率曲线、F-measure值和AP值以及更好的视觉轮廓感官效果.

基于主动轮廓演变模型的遥感影像单棵树木检测

单木检测是一种将遥感影像和计算机视觉技术相结合自动或半自动获取单棵树木信息的方法。针对复杂森林场景中大量树木相互覆盖的现象,以及树冠内部大量弱边缘导致的树冠顶点过度提取和树冠轮廓描绘不精细的问题,提出了一种基于主动轮廓演变模型的遥感影像单棵树木检测方法。该方法基于树荫和树木数量正相关的先验知识划分阴影控制区域并将区域形心作为树冠顶点;接着使用光照角度优化的形态主动轮廓演变模型(Snake模型)进行树冠轮廓描绘,使其可以越过弱边界点;最后依照形状特征优化树冠轮廓。实验结果表明,该方法提高了复杂森林场景下的单棵树木信息提取的准确度,降低了树冠顶点提取过程的误识率,使树冠轮廓形状更加准确。

基于3D的县级森林防火系统关键技术研究

该文基于县级森林防火的需求,从森林防火指挥需要出发,以森林资源多源数据(遥感图像、GPS数据、地形图、DEM数据、地面调查数据和防火资源数据等)为基础,充分考虑森林资源空间性、多元性、多态性的特点,解决了森林防火本底数据中属性数据和空间数据一体化管理问题,实现了将RS、GPS、GIS和3D4种技术有机结合的森林防火指挥的管理模式。对森林防火系统的技术构架进行了分析,对系统设计中的若干关键技术问题进行分析并提出了解决方案;以MapX、OpenGL、VC为开发工具,设计并开发了一个县级森林防火系统。

基于椭圆拟合和Hausdorff距离的图像匹配算法

图像匹配是逆向工程CAD建模领域的重要内容之一。针对CT图像包含多分叉轮廓的匹配问题,利用椭圆拟合来定量表达平面轮廓散乱点的整体形位信息,建立初步的轮廓森林;提出采用快速Hausdroff距离法来处理分枝问题从而形成完整的轮廓森林。实验结果表明,该算法对具有分叉现象的图像匹配具有良好的准确度和实时处理能力,对于岩芯CT、工业CT、医学CT等图像的三维重构都能有较好的适用性。

基于彩色-深度传感器的电容层析成像图像重建方法

工业过程层析成像使用非干扰传感器获取过程容器、反应器等内部状态的二维或三维图像,因在工业应用中获取的电容层析成像资料和信息量有限,难以对影像进行精准、稳定的重构。为此,设计基于彩色-深度(Red Green Blue-Depth,RGB-D)传感器的电容层析成像图像重建方法。利用RGB-D传感器采集电容层析成像图像,采用非局部均值-权重法剔除图像中的噪声后,将图像输入到随机森林分类器中,提取图像的轮廓特征。通过快速投影Landweber算法对轮廓特征求解后,利用电容物质分布的重组完成电容层析成像图像的重建。实验结果显示:所提方法的峰值信噪比数值在35 dB附近波动,结构相似性数值在0.89~1.03之间,重建耗时在4.1 s以下,具有较好的重建效果、质量和结构相似性,能够有效提高重建效率。

树木枝干点云数据的等值线提取

通过三维激光扫描技术得到的树木枝干点云数据,不仅数据量大,而且特征复杂,不适合采用传统的方法提取等值线。对此,首先把点云数据中树木的枝和干分为不同的部分,然后建立点云的分层模型,并分析点云在树高方向上的数据量分布。在高精度采样下,将分层点云作为等值线的采样数据,对每层数据中不同部分的树木枝干点云分别采用凸包算法进行连接,建立树木枝干的等值线模型。结果表明:在没有先验等值线知识和建立点云对象模型的条件下,利用迭代的凸包算法可以有效地对树木枝干离散点云数据进行连接,得到的等值线符合一般等值线的特点。最后通过实例验证了方法的适用性。

库区密林区域地形测绘方法探究

结合工程实例,介绍库区密林区域地形测绘的几种常规方法,提出可以根据库区实际情况分不同区域采用不同的方法进行测量,重点对在山体密林区域采用的等高线修正法进行探讨,并对其目标高程点和实测高程点的差值进行精度比较。结果表明,在剔除明显粗差点后,等高线修正法能满足库区地形测量的精度要求。

基于机器视觉的生态林场园林植物种植密度监控研究

科学合理的种植密度有助于维持生态林场的生物多样性,使土地利用率和植物产出效率得到显著提升,对园林经济效益和生态环境效益产生重要影响。基于此,通过遥感技术采集生态林场园林植物信息,利用机器视觉技术将原始生态林场园林帧图像转换为灰度图像,准确提取出生态林场园林植物轮廓;再引入决策树算法对园林植物进行分类并计算种植密度,结合不同植物种类的生长特性、园林设计要求以及生态功能需求,完成对植物密度的分析预警。结合实际林业试验环境对植物种植密度的设计、管理以及调控措施提出了建议,促进了生态林场的可持续发展。

基于局部轮廓和随机森林的人体行为识别

基于视频信息的人体行为识别得到了越来越多的关注。针对人体行为的局部表达,提出了一种新的局部轮廓特征来描述人体的外观姿势,可以同时利用水平和竖直方向上的轮廓变化信息。该特征能有效区分不同动作,与轮廓起始点无关,具有平移、尺度和旋转不变性。针对该特征,提出了一种基于随机森林的两阶段分类方法,使用随机森林分类器对行为视频的局部轮廓进行初分类,并根据每个局部轮廓对应决策类的分类树数目占总分类树数目的比例,提出了一种基于袋外(OOB)数据误差加权投票准则的行为视频分类算法。在测试数据集上的实验结果证实了该方法的有效性。

基于多特征融合和软投票的遥感图像河流检测

河流是遥感图像中一种非常典型且重要的地理目标,对河流的自动检测在水资源调查及水利规划等方面有重大意义。在此提出了一种基于多特征融合和软投票方法的河流目标检测算法,该算法首先将图像分割成胞元,提取胞元的局部熵、纹理、光谱和颜色等特征,利用随机森林训练和分类,并利用基于形态学运算结合多判据投票法优化机器学习的粗检测结果,对优化后的粗检测结果利用水平集活动轮廓逼近河岸线。实验表明,该算法检测效果良好,对测试集的检测准确率达97.44%,在复杂背景下可以有效检测出河流。