论文部分内容阅读
该文是国家自然科学基金资助项目,主要完成了基于彩色视觉的针叶苗木自动分级理论和分级实验系统的研究.该文通过研究针叶苗木的形态特征和生理特征,构造了包括地径、苗高、根系长度、根系体积、冠体积、高径比、冠根比和活力等8个特征参数组成的针叶苗木自动分级特征向量X,根据各参数对苗木分级的影响程度将其划分为主要因素、辅助因素两组分级特征.计算机视觉、图像处理及模式识别等技术的快速发展和日趋成熟,为苗木自动分级技术提供了有力的技术支持.该文通过构造模糊神经网络滤波器实现了对苗木彩色图像的噪声滤除和图像平滑.然后利用小波变换和分开合并算法相结合的方法实现了对苗木图像的边缘检测,该方法利用图像多尺度小波变换系数作为区域的一致性判别准则,对图像进行分开和合并,提取图像的边缘点.为了实现对苗木分级特征参数的测量,提出了利用苗木色度图像的行分形维数特征对苗木图像进行特征区域分割,该特征既可以体现出图像中苗木的分布特性又可以反映出图像各区域之间的色度差异,从而实现了对苗木的苗冠区、苗干区和苗根区等特征区域的分割.为了更全面苗木质量,建立了苗木图像的三维重建模型,利用双眼立体视觉的系统实现了对苗木的苗冠和根系的体积的测量.与苗冠和根系的投影面积相比,其体积参数能更全面地评价苗木的.在对苗木图像处理方法研究的基础上,提出了从苗木彩色图像中提取特征点根颈、顶芽,并对其进行自动定位的方法.该文设计了基于模糊神经网络的苗木自动分级器.在研究过程中,该文结合苗木自动分级研究中提出的理论,设计了相应的苗木自动分级实验系统.