为提出一种在自然环境条件下基于采集图像的颜色一阶与二阶矩和纹理LBP算子改进模式综合特征参数的大麦病害识别方法,以甘肃河西地区发生的大麦白粉病、云纹病和条锈病为研究对象,采用颜色矩和LBP算子均匀模式综合特征参数来提取大麦病斑的颜色和纹理特征,并将该特征向量作为输入向量构建以径向基为核函数的支持向量机(SVM)分类器模型。利用SVM分类模型对采集到的355幅病害图像进行实例分析,结果表明当径向基参数时,大麦病害整体识别正确率达84.7458%。本研究为农田大麦病害诊断提供了有效的分析手段,验证分类模型在大麦病害研究中的可行性,并可为其他农作物病害诊断提供借鉴和参考。

以柑橘为供试对象,研究了计算机视觉分级中的柑橘图像采集和图像信息处理方法。利用单个摄像机对每个柑橘从4个侧面采集4幅图像,利用4幅图像特征的平均值作为该样本的最终特征,研究基于果实颜色和表面纹理的柑橘图像快速处理分级技术。以人工感官鉴评结果作为分级标准,以训练好的概率神经网络对60个柑橘样本进行了分级试验。结果表明:系统对各级水果的识别成功率略有不同,对一级果和四级果的识别率最高,二级和三级果的识别率稍低,整体识别率约为85%。

【目的】针对寒地大豆发生缺素症状时冠层颜色变化复杂性，建立基于冠层图像颜色特征的大豆缺素症状识别新方法。【方法】采用无土盆栽试验，以垦农１８为供试大豆品种，设计缺氮、缺磷、缺钾３种营养状况，采集大豆缺素症状的冠层图像样本，利用图像灰度直方图结合主成分分析方法，提取大豆冠层图像的红光值Ｒ、绿光值Ｇ、蓝光值Ｂ，计算最佳颜色特征蓝光标准化值Ｂ／（Ｒ＋Ｇ＋Ｂ）和绿光标准化值Ｇ／（Ｒ＋Ｇ＋Ｂ），将其作为正则化模糊神经网络输入向量，并利用实数编码的遗传算法改进传统梯度下降学习算法，将其作为模糊神经网络的学习方法，同时应用传统梯度下降算法和改进梯度下降算法训练神经网络参数并比较。【结果】应用遗传计算改进的梯．．．

针对玉米病害叶片彩色纹理图像的特点,提出一种将支持向量机和色度矩分析应用于玉米病害识别的方法。首先利用色度矩提取玉米病害叶片纹理图像的特征向量,然后将支持向量机分类方法应用于病害的识别。玉米病害纹理图像识别实验结果表明:支持向量机分类方法对于病害分类训练样本较少时,具有良好的分类能力和泛化能力,适合于玉米病害的分类。不同分类核函数的相互比较分析表明,径向基核函数最适合于玉米病害的分类识别。

利用HSI颜色模型研究大田条件下不同施氮处理冬小麦群体数字图像的颜色特征,分析其与叶绿素含量、产量以及吸氮量之间的关系。结果表明:在孕穗至灌浆期前冬小麦群体的色调值H与叶片叶绿素含量(SPAD)存在显著的相关关系;从冬小麦群体色调值H的动态变化看,当生育前期监测到H由峰值开始下降时,可判断进入抽穗期,而生育后期H出现迅速下降时则表明冬小麦群体开始进入灌浆成熟期,数字图像的颜色特征能够反映冬小麦的生育进程;孕穗-开花期间H可以较好的反映作物产量,并建立了H值与冬小麦地上部生物量、籽粒产量之间的线性方程。

为研究有色大麦种质物理指标与种子活力的关系,采用发芽试验和计算机图像识别相结合的方法,通过测定44份有色大麦种子萌发期生理指标和种子物理指标,用相关性分析、主成分分析和逐步回归分析方法,研究有色大麦种子物理指标与种子活力之间的关系。结果表明:种子粒长、粒宽、粒厚和千粒重这些物理指标与有色大麦种子活力关系不明显,种皮颜色Y值(黄色)与有色大麦种子活力呈正相关关系,其余各颜色指标均与有色大麦种子活力呈负相关关系;逐步回归分析表明,种皮颜色对有色大麦种子活力的影响大于种子粒长、粒宽和粒厚,影响有色大麦种子活力的主要颜色指标是H(色相)值和a(从洋红色至绿色的范围)值,且成负相关;此外,IOD(光密度)值与粒长和粒宽达极显著正相关关系。

[目的]基于冠层图像可见光颜色分量进行冬小麦叶片氮含量(leaf nitrogen concentration,LNC)估算的算法研究,旨在为构建LNC估算模型提供方法借鉴。[方法]用Olympus E-620单反相机采集不同种植条件(2个品种、2个种植密度、3个氮处理)下2年生育期(2013年和2014年)的小麦冠层图像。基于H颜色分量的K-means聚类分割冠层图像,分别提取3个颜色空间HSV、L~*a~*b~*和RGB的3种基础颜色分量值,作为输入参数;分别使用多元线性回归(multivariate linear regression,MLR)、支持向量回归(support vector regression,SVR)、随机森林(random forest,RF)构建LNC估算模型,以决定系数R~2和均方根误差(root mean square error,RMSE)为评价指标;10×10嵌套交叉验证法分析3个颜色空间下各算法模型的拟合能力与泛化性能。[结果]单颜色空间下,3个算法模型的拟合与泛化性能以HSV空间下最优,L~*a~*b~*空间下其次,RGB空间下表现最弱;其中,RF拟合能力最强,但方差主导了泛化误差,模型过拟合;SVR拟合能力弱于RF,优于MLR,但该模型泛化性能最优;MLR拟合能力最弱,且偏差主导了泛化误差,模型欠拟合且受噪声干扰。融合3个颜色空间9种基础颜色分量的多颜色空间,3个模型拟合与泛化性能相对单颜色空间均更优,其中RF模型最优。与最优单色空间HSV相比,RF在训练集上R~2提高2.67%,RMSE降低11.59%;测试集上R~2提高7.57%,RMSE降低11.49%。多颜色空间下RF较SVR拟合更优,且泛化性能有效提升,提升比例高于SVR。[结论]基于3种算法构建的LNC估算模型,在融合3个颜色空间的9个基础颜色分量多颜色空间下,RF拟合与泛化性能最优,可为估算冬小麦LNC提供方法参考。

针对传统的基于颜色直方图跟踪算法不能精确跟踪的缺陷,提出了一种基于粒子滤波的自适应融合多特征的人脸跟踪算法.该方法首先在视频序列中提取人脸的肤色和边缘特征,并以加权颜色直方图和边缘直方图描述人脸特征;然后采用自适应融合方法计算粒子集权重.这种自适应融合方法,有效地增强了人脸跟踪的可靠性.实验结果表明,在视频人脸存在类肤色以及光照变化等复杂背景下,该方法改善了跟踪效果并且具有较强的鲁棒性.

研究了动态鸭蛋图像预处理及图像颜色特征参数的提取算法。其中预处理包括去图像边缘毛刺和蛋壳污点信息;提取鸭蛋图像颜色特征参数需要通过鸭蛋轮廓识别和圆形搜索算法实现,对于鸭蛋图像的轮廓识别是以彩色图像的红色分量R来判定图像边界点,并以此计算出鸭蛋图像蛋内像素和,用圆形搜索法求出蛋芯颜色特征区域并提取图像特征颜色参数。试验结果表明,通过该算法,得到的蛋重模型相关性达到0.95,建立的颜色模型相关性达到0.92。

将二棱大麦（叶舌、叶耳红色）ＤＮＡ通过花粉管途径导入小麦品种“百农３２１７”（叶舌、叶耳无色），获得叶耳、叶舌颜色红色的变异植株。观察其后代（Ｔ２、Ｔ３＊），以及“百农３２１７×叶耳红色Ｔ４株”杂交的Ｆ２。结果表明，变异植株的叶舌、叶耳红色性状表现单基因显性遗传，同时也发现，普通小麦叶舌、叶耳红色性状遗传非一对基因控制（导入处理产生的红色∶无色＝３∶１是叶舌叶耳遗传的一个特例），颜色深浅还有数量基因的累加效应，并且一定环境条件（稀植、低温）可诱导叶舌、叶耳红色表现。

为了实现温室病害的智能化防治,深入研究了植物病害图像处理中基于叶片纹理的特征值提取方法。通过对温室黄瓜斑疹病和角斑病的处理研究发现,利用灰度共生矩阵方法提取出来的惯性值是识别这两种病害较好的特征参量之一。

针对智能识别小麦赤霉病方法中分割患病麦穗图像效果不佳的问题,运用中值滤波方法对患赤霉病麦穗图像进行降噪预处理,采用基于阈值的最大类间方差算法(OTSU)、基于聚类的k-means算法在RGB、HSV和Lab颜色空间中对小麦扬花期到黄熟期感染赤霉病的麦穗图像进行分割,提取出麦穗的病害部分。采用试验田环境下扬花期到黄熟期200张患赤霉病的麦穗图像进行分割试验,结果表明:将图像从RGB颜色空间转化为Lab颜色空间并对a分量采用最大类间方差算法(OTSU)进行分割的效果最佳,误分率仅有1.11%。

通过认知实验方法,采纳兰道尔环作为刺激载体,考察世界五百强企业商标常用的6种颜色及9种颜色组合效率的问题。研究结果表明,不同的颜色组合识别效率存在显著性差异。"黑白"颜色组合是五百强企业商标最常用的颜色组合,也是识别效率最高的颜色组合。使用频率最高的4种颜色组合,与使用频率较低的5种颜色组合之间,存在显著性差异。研究结果也证实了世界五百强企业商标颜色选取的科学性。

运用11种基本颜色和相应的颜色名称,考察了不同年级聋童的基本颜色和基本颜色词分类。结果表明:⑴聋童对基本颜色和基本颜色词的概念组织不同于健听儿童。⑵聋童对基本颜色和基本颜色词的分类体现了视觉的重要作用,也体现了语言的影响。

对低、中、高年级智障儿童进行了11种基本颜色的命名和分类研究。结果表明:⑴智障儿童颜色命名的正确率随着年级增长而提高,命名的先后次序为:红、黑、白、黄、绿、蓝、紫、橙、粉红、灰和棕。⑵低年级智障儿童颜色片分类中出现“亮色/暗色”和“彩色/无彩色”维度;中年级智障儿童颜色片分类中出现了“互补色/非互补色”和“单色/杂色”维度;高年级智障儿童颜色片分类中出现了“互补色/非互补色”和“亮色/暗色”维度。⑶智障儿童可以根据明度对颜色分类,语言影响智障儿童的颜色分类。