期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于小麦群体图像的田间麦穗计数及产量预测方法 被引量:50
1
作者 李毅念 杜世伟 +4 位作者 姚敏 易应武 杨建峰 丁启朔 何瑞银 《农业工程学报》 EI CAS CSCD 北大核心 2018年第21期185-194,共10页
在田间小麦测产时,需人工获取田间单位面积内的麦穗数和穗粒数,耗时耗力。为了快速测量小麦田间单位面积内的产量,该文利用特定装置以田间麦穗倾斜的方式获取田间麦穗群体图像,通过转换图像颜色空间RGB→HSI,提取饱和度S分量图像,然后... 在田间小麦测产时,需人工获取田间单位面积内的麦穗数和穗粒数,耗时耗力。为了快速测量小麦田间单位面积内的产量,该文利用特定装置以田间麦穗倾斜的方式获取田间麦穗群体图像,通过转换图像颜色空间RGB→HSI,提取饱和度S分量图像,然后把饱和度S分量图像转换成二值图像,再经细窄部位粘连去除算法进行初步分割,再由边界和区域的特征参数判断出粘连的麦穗图像,并利用基于凹点检测匹配连线的方法实现粘连麦穗的分割,进而识别出图像中的麦穗数量;通过计算图像中每个麦穗的面积像素点数并由预测公式得到每个麦穗的籽粒数,进而计算出每幅图像上所有麦穗的预测籽粒数,然后计算出0.25 m2区域内对应的4幅图像上的预测籽粒数;同时根据籽粒千粒质量数据,计算得到该区域内的产量信息。该文在识别3个品种田间麦穗单幅图像中麦穗数量的平均识别精度为91.63%,籽粒数的平均预测精度为90.73%;对3个品种0.25 m^2区域的小麦麦穗数量、总籽粒数及产量预测的平均精度为93.83%、93.43%、93.49%。运用该文方法可以实现小麦田间单位面积内的产量信息自动测量。 展开更多
关键词 农作物 算法 图像分割 小麦 麦穗群体图像 单位面积麦穗数 籽粒数 产量预测
在线阅读 下载PDF
应用神经网络方法解决小麦高产群体图像识别 被引量:9
2
作者 肖波 索兴梅 白中英 《计算机应用研究》 CSCD 北大核心 2004年第4期240-242,共3页
应用图像分割、图像增强技术提取小麦群体图像特征,采用人工神经网络方法建立小麦群体图像识别自学习系统,并将其应用于小麦高产群体图像识别。
关键词 小麦高产群体图像 图像分割 图像增强 BP人工神经网络 图像识别
在线阅读 下载PDF
利用群体CT计划图像的多任务前列腺自动分割 被引量:1
3
作者 戴修斌 邓黄健 +2 位作者 刘代富 刘可 周青蓉 《应用科学学报》 CAS CSCD 北大核心 2017年第1期99-106,共8页
为了实现CT计划图像中前列腺的自动分割,提出一种基于群体CT计划图像的多任务前列腺分割方法.将群体CT计划图像分别映射到不同参考图像空间,形成多个训练任务.利用随机森林算法和自动上下文模型训练出一系列随机森林分类器,将分类器作... 为了实现CT计划图像中前列腺的自动分割,提出一种基于群体CT计划图像的多任务前列腺分割方法.将群体CT计划图像分别映射到不同参考图像空间,形成多个训练任务.利用随机森林算法和自动上下文模型训练出一系列随机森林分类器,将分类器作用在待分割CT计划图像上获得多个分类概率图,最后使用多数投票法求得最终分割结果.实验表明,与单任务分割方法相比,基于群体CT图像的多任务分割能有效提高CT计划图像中前列腺的分割准确率. 展开更多
关键词 前列腺分割 CT计划图像 群体图像 多训练任务 放射治疗
在线阅读 下载PDF
An enhanced artificial bee colony optimizer and its application to multi-level threshold image segmentation 被引量:13
4
作者 GAO Yang LI Xu +1 位作者 DONG Ming LI He-peng 《Journal of Central South University》 SCIE EI CAS CSCD 2018年第1期107-120,共14页
A modified artificial bee colony optimizer(MABC)is proposed for image segmentation by using a pool of optimal foraging strategies to balance the exploration and exploitation tradeoff.The main idea of MABC is to enrich... A modified artificial bee colony optimizer(MABC)is proposed for image segmentation by using a pool of optimal foraging strategies to balance the exploration and exploitation tradeoff.The main idea of MABC is to enrichartificial bee foraging behaviors by combining local search and comprehensive learning using multi-dimensional PSO-based equation.With comprehensive learning,the bees incorporate the information of global best solution into the solution search equation to improve the exploration while the local search enables the bees deeply exploit around the promising area,which provides a proper balance between exploration and exploitation.The experimental results on comparing the MABC to several successful EA and SI algorithms on a set of benchmarks demonstrated the effectiveness of the proposed algorithm.Furthermore,we applied the MABC algorithm to image segmentation problem.Experimental results verify the effectiveness of the proposed algorithm. 展开更多
关键词 artificial bee colony local search swarm intelligence image segmentation
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部