在为高大林木防治病虫害和减少农药使用量而开发对靶喷雾机时,需要拼接树木图像和测量目标树木的深度信息,本文搭建双摄像头硬件平台和三维几何算法模型开发了树木图像采集和拼接系统来处理动态树木图像序列和计算目标树木与摄像头之间的距离信息,建立起摄像机视野范围、光轴夹角、焦点距离和拼接图像重叠系数等与目标树木距离信息之间的几何算法函数关系。算法试验验证显示:本文树木图像采集和拼接系统能准确测量远至6.5 m的树木距离,而其最大测量误差仅为0.27 m或7.5%。本文图像拼接系统可用来开发基于有无目标树木和距离信息进行定量喷雾的精确喷雾机。

无人机林地航拍图像具有的分辨率高、数据量大、边缘丰富的特点,造成了特征点配准中误匹配率的增加,因此本文提出了一种新的无人机林地航拍图像序列拼接方法。分形中的间隙度可用于描述图像区域纹理的粗糙程度,本文首先利用间隙度特征选取图像中局部图像块作为候选区域查找特征点,减少了待配准的特征点数量,提高了特征点配准正确率;其次,采用全局拼接技术变换图像,减少传统拼接中矩阵连乘产生的误差的积累和传播。实验中选取了不同拍摄高度的两组图像序列,将本方法与传统的全局SURF特征方法和降采样图像拼接方法进行了对比,结果显示本方

研究了树木图像的实时采集与识别技术 ,以及树木图像处理及分析软件系统的开发 ,并自行设计制作了室内模拟实验系统。树木图像处理技术包括图像的获取、图像的增强、图像边缘检测、图像分割和图像的特征提取与识别。本文的研究能够为分离施药目标与非施药目标提供依据 ,有助于精确农药喷雾的实现。

对森林病虫害航空遥感监测中的图像拼接问题进行了研究。通过建立图像对应模型 ,按照特征点匹配的方法 ,并使用场景平面模型 ,构造了一个图像拼接系统。拼接的过程中针对图像拼接系统中特征点的提取 ,对应控制点的选择和对应点的搜索等问题 ,提出了模型参数的迭代求解方法。数据处理结果表明 ,使用该方法 ,能很好地改进了模型参数的精度 ,从而提高图像拼接效果

Growth quality of urban trees should include exterior growth quality, interior growth quality and anti-natural-calamity ability. To determine the whole growth quality of a tree, it is necessary to observe exterior characters of every part of the tree carefully. The hollows of the roots caused by dec...

【目的】用谐波小波分析非一致性径流时间序列变异点的数量及变异发生的时间。【方法】针对径流变异点检测方法复杂、难于识别全部变异点等问题,引入一种新的时频分析技术,利用谐波小波分析进行径流时间序列的变异点诊断。【结果】对实测的渭河华县站1961-2004年的径流序列进行谐波小波分析,视频图中的网格图和等高线图显示,1972年、1982年和1994年是径流的变异年。【结论】相对于传统的突变检测方法,谐波小波分析方法在分析非线性时间序列时具有方法简便、可行、有效、分辨率高、对突变点敏感等特点,能够有效地诊断出高度复杂、非线性序列的变异点。

"信号与信息处理创新实践"课程是一门创新创业综合实践课程,针对课程的技术要求,该文设计了基于语义分割的图像拼接实验案例。为了提高缝合线对图像中前景物体的分辨能力,研究了基于语义分割的最佳缝合线算法。利用CRF-RNN语义分割进行图像的前景信息提取,并将提取的信息加入YUV颜色空间的能量矩阵中,从而使搜索的缝合线绕开前景物体。仿真结果表明:该算法对图像中的前景物体有较强的辨别能力,得到的拼接结果避免了压缩和割裂的问题,更加符合人眼视觉感知。该案例的设计,能够培养学生应用专业知识的基本原理,分析电子信息领域中复杂工程问题,获得有效结论的能力。

【目的】构建多视角植物表型信息采集平台，以固定时间间隔获取水肥胁迫处理下苗木图像，从形态变化中提取表征簸箕柳苗木水肥胁迫的应激反应表型参数，为苗木栽培和精确水肥管理提供参考。【方法】构建一套多视角表型信息采集平台，探讨一种基于时间序列图像的苗木表型信息提取方法，采用近似拼接算法将局部植株图像有效拼接成完整植株图像，基于多视角图像提出株高、主茎直径等表型信息的提取算法及株高可视化算法。以簸箕柳为研究对象开展水肥胁迫试验，设置水分因素和氮肥因素，包括正常水分处理与干旱胁迫处理2个水平以及6个氮肥水平，对比观察时间序列下簸箕柳株高和主茎直径的变化情况。【结果】1）图像近似拼接算法相较于传统直接拼接算法和暴力拼接算法在多视角表型信息采集平台上具有更好适应性，能够很好消除拼接痕迹，实现图像无缝拼接。2）多视角下株高提取算法的决定系数（R2）为0.96、主茎直径提取算法的R2为0.74，能够解决单视角下因植物叶片遮挡导致的株高测量不准确和主茎直径无法测量等问题。3）整个生长周期时间序列下，簸箕柳苗木平均株高和主茎直径随时间的变化受不同水分处理显著影响，正常水分处理簸箕柳苗木平均株高和主茎直径分别为33.6 cm和2.49 mm，干旱胁迫处理簸箕柳苗木平均株高和主茎直径分别为22.8 cm和2.25 mm，正常水分处理簸箕柳苗木平均株高和主茎直径相比干旱胁迫处理高47.4%和10.7%。4）整个生长周期时间序列下，簸箕柳苗木平均株高和主茎直径在6个氮肥水平呈现出显著差异性，随氮肥含量增加呈先增加后降低趋势。正常水分处理下，除T5处理组外，其他组平均株高和主茎直径均高于CK处理组，其中T2处理组生长速率最高，速率分别为1.92 cm·d-1和0.075 mm·d-1；干旱胁迫处理下，T1、T2处理组平均株高高于CK处理组，其中T2处理组平均生长速率最高，平均株高和主茎直径生长速率分别为1.05 cm·d-1和0.035 mm·d-1。【结论】基于连续图像序列的分析处理方法在监测苗木表型信息中具有可靠性和实用性。当氮肥含量不足时，植物生长速度放缓，当氮肥含量过量时，会抑制植物生长速度甚至出现烧苗等情况。综合株高与主茎直径，正常水分处理下T2处理组（尿素每盆0.1 g，扦插种植第40天再施加尿素每盆0.1 g）为最佳施肥指标。

DNA序列分析是一种广泛用于分析生物遗传多样性的强有力的分子生物学技术。利用该技术有助于了解生物类群之间存在的种属关系并研究生物类群的系统关系。相对于传统的形态分类学,DNA序列分析可从基因和分子水平上对物种的遗传多样性、生物多样性提供可靠而丰富的依据。本文综述了国内外DNA序列分析在黏孢子虫系统学研究和病原检测等方面取得的研究成果,同时也对其应用前景及存在的一些问题进行了分析与探讨。[中国水产科学,2006,13(1):159-164]

变点检测问题是近年来数理统计研究领域的一个研究热点。文章基于R软件Changepoint程序包,借助模拟研究并应用三种常见的变点检测方法,分别对泊松和指数序列的均值方差变点进行检测。从不同的样本量、分布参数变化、变点个数、优化函数中使用不同惩罚项的角度,综合考察比较了三种方法对两类分布序列变点检测的效果。并针对英国矿难发生次数的经典实际数据实证,揭示了三种方法对该数据的变点检测效果,也验证了模拟结果的可靠性。

该文以解析木数据为基础,从整体上对甘肃省小陇山地区的华山松等斛析木的树干形状进行描述,采用R/S方法即时间序列分析法,对树木直径的生长过程进行了分析。研究发现,随着树龄的增加,直径生长的霍斯特指数(H指数)值也呈现增加的趋势,并以此建立了直径生长的H指数预测模型;同时应用灰色理论,根据得到的H指数数据,建立了华山松和锐齿栎的直径生长H指数灰色动态预测GM(1,1)模型,分析了直径生长的动态变化特征。R/S分析结果充分反映了树水直径动态生长过程随时间尺度变化的分形特征,进而为森林资源的动态监测奠定基础。

为检测虚拟机内部的IO异常行为,及时发现已知和未知的虚拟机逃逸攻击,基于硬件辅助虚拟化技术,该文提出了一种基于虚拟机IO序列的异常检测方法,包括:提出了一种异步采集技术高效采集虚拟机IO序列;建立了虚拟机IO序列与虚拟机内部进程的映射关联关系,以细粒度描述虚拟机自身IO行为;提出了一种基于双层Hash表的虚拟机IO短序列生成算法,并采用Markov链模型检测异常虚拟机IO序列.在KVM(KernelGbased virtual machine)虚拟化环境下设计并实现原型系统VMDec(virtual ma

尽管洗钱模式复杂多变,但洗钱行为在整个金融活动中只占有极少的比例,这给监测洗钱交易增加了难度。作为数据挖掘重要方法之一的孤立点分析是在大数据集中发现有趣小模式的有效方法。文章提出了一种适用于可疑外汇资金交易识别的孤立点检测方法,可以持续地从大量的日常交易中发现极少数的与正常交易显著不同的异常交易。从孤立点分析角度,提出了基于非频繁模式挖掘思想和概念漂移处理的混合属性空间上时间序列孤立点检测方法;从可疑金融交易识别的角度,提出了对每天持续动态产生的海量金融交易数据进行分析的一种新思路。

【目的】利用生物DNA序列构建系统进化树,以分析生物的进化过程。【方法】利用最大似然估计原理,给出了构建系统发生树的模型和算法。分别建立了确定父节点的ML模型、确定进化时间的ML模型以及保守概率与相似度关系模型;并通过递推,逐步恢复生物进化的原过程。【结果】给定一系列生物的DNA序列,通过本算法可以建立这些生物的系统进化树,以及生物各自父辈的DNA序列和进化时间。【结论】由本研究构建算法得到的生物进化关系合理、算法复杂度低,可以用于大规模生物群体的系统进化树构建。

针对蛋鸡养殖中,传统蛋鸡行为检测操作复杂、分类单一、实时性差的问题,提出一种基于深度学习的轻量型蛋鸡行为检测算法TD-YOLOV3。该检测算法以YOLOV3为基础网络结构,对其进行网络结构压缩,获得轻量型T-YOLOV3网络结构,用以提高系统检测速度;将第一个多尺度预测中的残差模块替换为Dense block,并在网络结构中的第Convolution 5,Convolution 7,Convolution 10,Convolution 12的卷积层之后添加NIN网络中的MLP结构,用以提高检测精度;采用基于K-means算法的聚类维度优化和训练策略优化对本研究的数据集进行训练和测试。试验结果表明,本研究提出的TD-YOLOV3检测算法的平均精准度均值89.26%,检测速度为33帧/s,参数量为55 MB;在同一硬件水平下与YOLOV3和T-YOLOV3相比,TD-YOLOV3在检测速度、精度等方面的综合性能最优,更适用于笼养蛋鸡行为的实时自动检测。