CN107680114A - 一种基于计算机图像处理的草地盖度测算方法 - Google Patents

一种基于计算机图像处理的草地盖度测算方法 Download PDF

Info

Publication number
CN107680114A
CN107680114A CN201710865338.7A CN201710865338A CN107680114A CN 107680114 A CN107680114 A CN 107680114A CN 201710865338 A CN201710865338 A CN 201710865338A CN 107680114 A CN107680114 A CN 107680114A
Authority
CN
China
Prior art keywords
exg
threshold values
pixel
black
values
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710865338.7A
Other languages
English (en)
Inventor
胡健波
周斌
彭士涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin Research Institute for Water Transport Engineering MOT
Original Assignee
Tianjin Research Institute for Water Transport Engineering MOT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tianjin Research Institute for Water Transport Engineering MOT filed Critical Tianjin Research Institute for Water Transport Engineering MOT
Priority to CN201710865338.7A priority Critical patent/CN107680114A/zh
Publication of CN107680114A publication Critical patent/CN107680114A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30188—Vegetation; Agriculture

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于计算机图像处理的草地盖度测算方法，依次通过将获取的彩色照片转换为EXG灰度图、通过依次设定EXG最小值至EXG最大值之间包含的N个整数作为EXG阈值将EXG灰度图转换为N张表征植物和背景的黑白二值图；通过逐一判断每张黑白二值图的全部边界像素获得边界像素的EXG梯度强度平均值作为该阈值对应的分割强度；绘制以EXG阈值为横坐标、分割强度为纵坐标的EXG阈值‑分割强度曲线；通过勾绘下包络线绘制间隙曲线，得到最佳EXG阈值获得草地盖度测算结果；该草地盖度测算方法基于计算机图像处理技术无需考虑其所拍摄照片时光照环境不同存在的测算结果差异，识别规则的人为设定带入的主观因素差异。

Description

一种基于计算机图像处理的草地盖度测算方法
技术领域
本发明涉及图像处理技术领域，特别涉及一种基于计算机图像处理的草地盖度测算方法。
背景技术
传统的测算包括目估法、采样法和照相法。目估法简单易行，但是主观随意性较大，测算结果跟目估对象的实际覆盖度大小及测算人的经验密切相关。采样法是通过设定样方，将一根根样针在草地中垂直投下，记录击中草业的样针的百分比作为盖度值，操作复杂且十分耗时。照相法是数码相机普及后发展出来的方法，从数码照片中识别草叶像素，具有简单、经济、现场作业耗时少等优势，目前已经可以针对特定照片设定特定的识别规则的方式自动测算草地盖度。但是，每一张照片拍摄时的光照环境存在差异，识别规则的人为设定又带入了主观因素，造成测算结果因人而异，而且无法自适应的识别规则就不具备批处理海量照片的能力。
发明内容
本发明的目的是提供一种能够实现根据垂直向下拍摄的草地照片测算出草地盖度的基于计算机图像处理的草地盖度测算方法。
为此，本发明技术方案如下：
一种基于计算机图像处理的草地盖度测算方法，包括如下步骤：
S1、利用图像采集设备采用垂直向下拍摄的方式获取能够分辨出植物与背景以及植物的边缘轮廓的草地彩色照片，然后将所述彩色照片转换为EXG灰度图，并获取该灰度图中EXG最小值和EXG最大值；
其中，图像采集设备应保证其拍摄获得的彩色照片的分辨率能够保证从照片中清晰地分辨出叶片的内部和叶片的边缘，相机尽可能不使用短焦距的广角镜头；另外，相机曝光适度，过度则太阳光直接照射的叶片会呈亮白色，不足则叶片呈暗绿色，与背景对比差别不够明显；当直射太阳光强烈而造成遮荫和未遮荫叶片之间的形成强烈反差，可用雨伞等工具为拍摄区域遮荫以屏蔽直射太阳光，或者拍摄时开启闪光灯压制直射太阳光。
S2、依次设定EXG最小值至EXG最大值之间包含的N个整数作为EXG阈值，将EXG灰度图转换为N张表征植物和背景的黑白二值图，并计算出每张黑白二值图中植物所占百分比；
S3、逐一判断出在每个设定阈值下获取的黑白二值图中的全部边界像素，并计算出每个边界像素的EXG梯度强度值，然后求取边界像素的EXG梯度强度平均值作为该阈值对应的分割强度；
S4、绘制以EXG阈值为横坐标、分割强度为纵坐标的EXG阈值-分割强度曲线；
勾绘出EXG阈值-分割强度曲线的下包络线然后通过EXG阈值-分割强度曲线与包络线之间的差值运算绘制出以EXG阈值为横坐标、分割强度与下包络线之间的间隙间距为纵坐标的间隙曲线，该间隙曲线上的间隙最大值对应的EXG阈值即为最佳EXG阈值，该最佳EXG阈值对应的植物所占百分比确定为草地盖度测算结果。
进一步地，步骤S1的具体步骤为：对该彩色数码照片的全部像素进行提取，并利用过绿指数计算公式：EXG＝2×G-B-R对每一个像素的过绿指数进行计算，获得该彩色数码照片的EXG灰度图。
其中，由于在步骤S1中拍摄得到的彩色数码照片的图像颜色也基于RGB三原色成像原理，即自然界中所有的颜色都可以用红(R)、绿(G)、蓝(B)这三种颜色波长的不同强度组合得到；因此每张彩色数码照片中包含的所有像素都包含G、R、B三种颜色的数值；进而利用过绿指数(EXG)计算公式可以将每个像素的G、R、B值带入得到对应每个像素的EXG值，不同的EXG值在EXG灰度图表现出不同的亮度，相应地，EXG值越大，像素越亮，因此通过将RGB三原色成像变换为EXG值成像，就将彩色照片转换为了EXG灰度图；对应每个像素均还具有一个相应的EXG值。
进一步地，步骤S2的具体步骤为：依次设定EXG最小值至EXG最大值之间包含的N个整数为EXG阈值；根据每次设定的EXG阈值对EXG灰度图中所有像素进行重新赋值：当像素的EXG值≥EXG阈值时，该像素赋值为1；当像素的EXG值＜EXG阈值时，该像素赋值为0；然后根据所有像素的新的赋值，将赋值为1的像素区域设为白色，将赋值为0的像素区域设为黑色，进而得到能够表征植物和背景的黑白二值图；其中，每张黑白二值图中，赋值为0的像素代表背景像素，赋值为1的像素代表植物像素，因此可进一步计算出照片中植物所占百分比，具体计算公式为：植物％＝(赋值为1的像素总数)/(赋值为1的像素总数+赋值为0的像素总数)*100％进行计算。
步骤S3中，边界像素的判断方法为：对每张黑白二值图中的全部像素逐一进行判断，当某一像素与周边8个相邻像素的赋值存在至少一个差异时，即可认定该像素为边界像素；边界像素EXG梯度强度值为该边界像素周边8个相邻像素的EXG最小值与最大值之差的绝对值。
步骤S4中，由于根据经验，一般草地盖度的范围在0.5％～99.5％之间，因此对绘制出的EXG阈值-分割强度曲线中植物所占百分比＜0.5％和＞99.5％的曲线部分进行剔除处理。
该草地盖度测算方法基于计算机图像处理技术无需考虑其所拍摄照片时不同光照环境存在的测算结果差异，识别规则的人为设定带入的主观因素差异，是一种能够实现批量处理照片进行草地盖度测算的方法。
附图说明
图1为本发明的基于计算机图像处理的草地盖度测算方法的流程示意图；
图2为本发明的实施例1获取的数码照片；
图3为本发明的实施例1通过数码照片转换得到的EXG灰度图；
图4为本发明的实施例1的EXG阈值-分割强度曲线图；
图5为本发明的实施例1的间隙曲线图；
图6为本发明的实施例1的最佳EXG阈值为19对应的黑白二值图；
图7为本发明的实施例2获取的数码照片；
图8为本发明的实施例2的勾勒有下包络线的EXG阈值-分割强度曲线图；
图9为本发明的实施例2的最佳EXG阈值对应的黑白二值图；
图10为本发明的实施例3获取的数码照片；
图11为本发明的实施例3的勾勒有下包络线的EXG阈值-分割强度曲线图；
图12为本发明的实施例3的最佳EXG阈值对应的黑白二值图；
图13为本发明的实施例4获取的数码照片；
图14为本发明的实施例4的勾勒有下包络线的EXG阈值-分割强度曲线图；
图15为本发明的实施例4的最佳EXG阈值对应的黑白二值图；
图16为本发明的实施例5获取的数码照片；
图17为本发明的实施例5的勾勒有下包络线的EXG阈值-分割强度曲线图；
图18为本发明的实施例5的最佳EXG阈值对应的黑白二值图；
图19为本发明的实施例6获取的数码照片；
图20为本发明的实施例6的勾勒有下包络线的EXG阈值-分割强度曲线图；
图21为本发明的实施例6的最佳EXG阈值对应的黑白二值图；
图22为本发明的实施例7获取的数码照片；
图23为本发明的实施例7的勾勒有下包络线的EXG阈值-分割强度曲线图；
图24为本发明的实施例7的最佳EXG阈值对应的黑白二值图；。
具体实施方式
下面结合附图及具体实施例对本发明做进一步的说明，但下述实施例绝非对本发明有任何限制。
实施例1
以某地区的一张垂直向下拍摄的草地照片为例，采用该基于计算机图像处理的草地盖度测算方法对该其拍摄的草地的盖度进行自动测算。
如图1所示，具体测算步骤如下：
步骤一、获取指定地区的草地彩色图像，并将其转换为EXG灰度图：
手持SONY DSC-W90卡片机并保持平举，在距离草地上方1.5m左右的高处垂直向下拍摄照片指定地区的草地的彩色数码照片，如图2所示；由于当天天气条件较好，光线充足，相机设置成自动档；具体地，光圈值f/8、快门速度1/1600秒、IS0-400。从该长彩色数码照片可以看出其所在区域的草地属于荒漠草原，背景为沙子和砾石，植物为簇生耐干旱物种；
将该彩色数码照片扫描存储至计算机，然后利用图像软件对的全部像素进行提取，进而利用过绿指数(EXG)的计算公式：EXG＝2×G-B-R对每一个像素的EXG进行计算，获得该彩色数码照片的EXG灰度图，以及该灰度图中EXG最小值和EXG最大值；具体地，经图2转换得到的EXG灰度图如图3所示，其中的EXG最小值为-81和EXG最大值为158；
步骤二、依次设定EXG最小值至EXG最大值之间包含的全部整数作为EXG阈值，将EXG灰度图转换为多张表征植物和背景的黑白二值图，并计算每张黑白二值图的植物所占百分比；
具体地，依次将从-81到158之间的240个整数作为EXG阈值，根据EXG阈值设定对EXG灰度图中所有像素进行重新赋值。当像素的EXG值≥EXG阈值时，该像素赋值为1；当像素的EXG值＜EXG阈值时，该像素赋值为0；然后根据所有像素的新的赋值，将赋值为1的像素区域设为白色，将赋值为0的像素区域设为黑色，即得到能够表征植物和背景的黑白二值图。据此，通过依次将EXG阈值设定为-81至158，最终获得240张表征植物和背景的黑白二值图；
进一步根据赋值为1的像素总数和彩色数码照片包含的像素总数，按照公式：植物％＝(赋值为1的像素总数)/(赋值为1的像素总数+赋值为0的像素总数)*100％计算出每张黑白二值图中植物所占百分比(植物％)；当然，其中“赋值为1的像素总数+赋值为0的像素总数”即为彩色照片包含的像素总数。
步骤三、逐一判断出每个设定阈值下对应的黑白二值图中的全部边界像素，并计算出每个边界像素EXG梯度强度值，以求取边界像素的EXG梯度强度平均值作为该阈值下的分割强度；
其中，边界像素的判断标准为：逐个像素判断该像素与周边8个相邻像素的赋值是否完全相同，若存在至少一个赋值差异，即可认定该像素为边界像素；边界像素EXG梯度强度值即为该边界像素周边8个相邻像素的EXG最小值与最大值之差的绝对值；边界像素的EXG梯度强度平均值即为同一张黑白二值图中全部边界像素EXG梯度强度值的平均值；
以此类推，依次对240张表征植物和背景的黑白二值图进行如上步骤，最终得到240个一一对应240个EXG阈值的分割强度；
步骤四、如图4所示，绘制出以EXG阈值为横坐标、分割强度为纵坐标的EXG阈值-分割强度曲线，并剔除EXG阈值-分割强度曲线中植物所占百分比＜0.5％和＞99.5％的曲线部分，以减少噪音干扰；根据步骤二计算出的各设定阈值下的植物所占百分比的值，当EXG阈值等于-19时，此时的盖度测算结果为0.5％，而EXG阈值等于75时，此时的盖度测算结果为99.5％；因此，对原EXG阈值-分割强度曲线的两侧曲线进行剔除处理，仅保留阈值为-19至75之间EXG阈值-分割强度曲线；
步骤五、依据经过剔除处理后的EXG阈值-分割强度曲线勾绘出下包络线，然后通过EXG阈值-分割强度曲线与包络线之间的差值运算得到如图5所示的间隙曲线；根据图5所示的间隙曲线可以获知，EXG阈值-分割强度曲线与下包络线之间的间隙最大值为2.65，对应的EXG阈值为39；对应从EXG阈值-分割强度曲线也可以看出，以EXG阈值等于39位置为界，其左侧曲线斜向上，右侧曲线接***直，该处位置是拐点；因此，以39为阈值得到的如图5所示的表征植物和背景的黑白二值图，如图6所示，应为与彩色数码照片中的植物相符程度最高的图像，其对应的草地盖度测算结果等于15％。
实施例2
如图7～图9所示为对某地区公路边坡绿化初期类型的草地采用该基于计算机图像处理的草地盖度测算方法依次获得彩色数码照片、勾勒有下包络线的EXG阈值-分割强度曲线图和最佳EXG阈值对应的黑白二值图，其草地盖度测算结果为10％。
实施例3
如图10～图12所示为对某地区沙地绿化类型的草地采用该基于计算机图像处理的草地盖度测算方法依次获得彩色数码照片、勾勒有下包络线的EXG阈值-分割强度曲线图和最佳EXG阈值对应的黑白二值图，其草地盖度测算结果为10％。
实施例4
如图13～图15所示为对某地区庭院绿化类型的草地采用该基于计算机图像处理的草地盖度测算方法依次获得彩色数码照片、勾勒有下包络线的EXG阈值-分割强度曲线图和最佳EXG阈值对应的黑白二值图，其草地盖度测算结果为10％。
实施例5
如图16～图18所示为对某地区草坪绿化类型的草地采用该基于计算机图像处理的草地盖度测算方法依次获得彩色数码照片、勾勒有下包络线的EXG阈值-分割强度曲线图和最佳EXG阈值对应的黑白二值图，其草地盖度测算结果为10％。
实施例6
如图19～图21所示为对某地区三叶草草坪类型的草地采用该基于计算机图像处理的草地盖度测算方法依次获得彩色数码照片、勾勒有下包络线的EXG阈值-分割强度曲线图和最佳EXG阈值对应的黑白二值图，其草地盖度测算结果为10％。
实施例7
如图22～图24所示为对某地区三叶草草坪类型的草地采用该基于计算机图像处理的草地盖度测算方法依次获得彩色数码照片、勾勒有下包络线的EXG阈值-分割强度曲线图和最佳EXG阈值对应的黑白二值图，其草地盖度测算结果为10％。
综上所述，该基于计算机图像处理的草地盖度测算方法适用于各类草地的盖度测算，其测算过程中不存在人为主观判断，且不存在对不同条件下相同地点拍摄的彩色照片处理结果的差异，因此相对于现有的测算方法准确率更高，误差更小。

Claims (5)

1.一种基于计算机图像处理的草地盖度测算方法，其特征在于，包括如下步骤：
S1、利用图像采集设备采用垂直向下拍摄的方式获取能够分辨出植物与背景以及植物的边缘轮廓的草地彩色照片，然后将所述彩色照片转换为EXG灰度图，并获取该灰度图中EXG最小值和EXG最大值；
S2、依次设定EXG最小值至EXG最大值之间包含的N个整数作为EXG阈值，将EXG灰度图转换为N张表征植物和背景的黑白二值图，并计算出每张黑白二值图中植物所占百分比；
S3、逐一判断出在每个设定阈值下获取的黑白二值图中的全部边界像素，并计算出每个边界像素的EXG梯度强度值，然后求取边界像素的EXG梯度强度平均值作为该阈值对应的分割强度；
S4、绘制以EXG阈值为横坐标、分割强度为纵坐标的EXG阈值-分割强度曲线；
S5、勾绘出EXG阈值-分割强度曲线的下包络线然后通过EXG阈值-分割强度曲线与包络线之间的差值运算绘制出以EXG阈值为横坐标、分割强度与下包络线之间的间隙间距为纵坐标的间隙曲线，该间隙曲线上的间隙最大值对应的EXG阈值即为最佳EXG阈值，该最佳EXG阈值对应的植物所占百分比确定为草地盖度测算结果。
2.根据权利要求1所述的基于计算机图像处理的草地盖度测算方法，其特征在于，步骤S1的具体步骤为：对该彩色数码照片的全部像素进行提取，并利用过绿指数计算公式：EXG＝2×G-B-R对每一个像素的过绿指数进行计算，进而将彩色数码照片的EXG灰度图。
3.根据权利要求1所述的基于计算机图像处理的草地盖度测算方法，其特征在于，步骤S2的具体步骤为：依次设定EXG最小值至EXG最大值之间包含的N个整数作为EXG阈值，并根据每次设定的EXG阈值对EXG灰度图中所有像素进行重新赋值：当像素的EXG值≥EXG阈值时，该像素赋值为1；当像素的EXG值＜EXG阈值时，该像素赋值为0；然后根据所有像素的新的赋值，将赋值为1的像素区域设为白色，将赋值为0的像素区域设为黑色，得到能够表征植物和背景的黑白二值图；其中，每张黑白二值图中植物所占百分比按照计算公式：植物％＝(赋值为1的像素总数)/(赋值为1的像素总数+赋值为0的像素总数)*100％进行计算。
4.根据权利要求3所述的基于计算机图像处理的草地盖度测算方法，其特征在于，步骤S3中，边界像素的判断方法为：对每张黑白二值图中的全部像素逐一进行判断，当某一像素与周边8个相邻像素的赋值存在至少一个差异时，即可认定该像素为边界像素；边界像素EXG梯度强度值为该边界像素周边8个相邻像素的EXG最小值与最大值之差的绝对值。
5.根据权利要求1所述的基于计算机图像处理的草地盖度测算方法，其特征在于，步骤S4中，对绘制出的EXG阈值-分割强度曲线中植物所占百分比＜0.5％和＞99.5％的曲线部分进行剔除处理。
CN201710865338.7A 2017-09-22 2017-09-22 一种基于计算机图像处理的草地盖度测算方法 Pending CN107680114A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710865338.7A CN107680114A (zh) 2017-09-22 2017-09-22 一种基于计算机图像处理的草地盖度测算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710865338.7A CN107680114A (zh) 2017-09-22 2017-09-22 一种基于计算机图像处理的草地盖度测算方法

Publications (1)

Publication Number Publication Date
CN107680114A true CN107680114A (zh) 2018-02-09

Family

ID=61136535

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710865338.7A Pending CN107680114A (zh) 2017-09-22 2017-09-22 一种基于计算机图像处理的草地盖度测算方法

Country Status (1)

Country Link
CN (1) CN107680114A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109271919A (zh) * 2018-09-12 2019-01-25 海南省海洋与渔业科学院（海南省海洋开发规划设计研究院） 一种基于grb和网格模式的植被覆盖度测定方法
CN109671043A (zh) * 2018-12-27 2019-04-23 中国地质环境监测院 一种基于无人机的地表裂缝快速检测***及方法
CN109685024A (zh) * 2018-12-27 2019-04-26 中国地质环境监测院 一种空地一体人工智能地质灾害隐患初筛***及方法
CN109765932A (zh) * 2019-01-31 2019-05-17 交通运输部天津水运工程科学研究所 一种荒漠灌丛盖度无人机调查方法
CN109800315A (zh) * 2019-01-31 2019-05-24 交通运输部天津水运工程科学研究所 一种照相法草地盖度计量图库建立的方法及使用方法
CN112651987A (zh) * 2020-12-30 2021-04-13 内蒙古自治区农牧业科学院 一种样方草地覆盖度计算方法及***
CN113014645A (zh) * 2021-02-24 2021-06-22 暨南大学 基于物联网的草场环境监测***
CN113010849A (zh) * 2021-02-24 2021-06-22 暨南大学 一种基于物联网的草场环境评价方法
CN114184123A (zh) * 2021-12-15 2022-03-15 西南林业大学 一种测算草地样方三维绿量的装置及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102103699A (zh) * 2011-01-27 2011-06-22 华中科技大学 一种基于图像检测棉花吐絮的方法
US20130123467A1 (en) * 2010-04-19 2013-05-16 The Trustees Of Columbia University In The City Of New York Engineering surface epitopes to improve protein crystallization
CN103900498A (zh) * 2012-12-28 2014-07-02 中国农业机械化科学研究院 一种棉田苗情自动探测方法及其探测装置
CN109035209A (zh) * 2018-07-03 2018-12-18 广西壮族自治区气象减灾研究所 甘蔗分蘖期自动观测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130123467A1 (en) * 2010-04-19 2013-05-16 The Trustees Of Columbia University In The City Of New York Engineering surface epitopes to improve protein crystallization
CN102103699A (zh) * 2011-01-27 2011-06-22 华中科技大学 一种基于图像检测棉花吐絮的方法
CN103900498A (zh) * 2012-12-28 2014-07-02 中国农业机械化科学研究院 一种棉田苗情自动探测方法及其探测装置
CN109035209A (zh) * 2018-07-03 2018-12-18 广西壮族自治区气象减灾研究所 甘蔗分蘖期自动观测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张璐: "基于遥感影像和数码照片的西藏阿里地区植被覆盖度提取研究", 《中国优秀硕士学位论文全文数据库农业科技辑》 *
胡健波 等: "基于数码照片的草地植被覆盖度快速提取方法", 《草业科学》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109271919A (zh) * 2018-09-12 2019-01-25 海南省海洋与渔业科学院（海南省海洋开发规划设计研究院） 一种基于grb和网格模式的植被覆盖度测定方法
CN109671043A (zh) * 2018-12-27 2019-04-23 中国地质环境监测院 一种基于无人机的地表裂缝快速检测***及方法
CN109685024A (zh) * 2018-12-27 2019-04-26 中国地质环境监测院 一种空地一体人工智能地质灾害隐患初筛***及方法
CN109685024B (zh) * 2018-12-27 2020-07-07 中国地质环境监测院 一种空地一体人工智能地质灾害隐患初筛***及方法
CN109765932A (zh) * 2019-01-31 2019-05-17 交通运输部天津水运工程科学研究所 一种荒漠灌丛盖度无人机调查方法
CN109800315A (zh) * 2019-01-31 2019-05-24 交通运输部天津水运工程科学研究所 一种照相法草地盖度计量图库建立的方法及使用方法
CN109800315B (zh) * 2019-01-31 2022-11-29 交通运输部天津水运工程科学研究所 一种照相法草地盖度计量图库建立的方法及使用方法
CN112651987A (zh) * 2020-12-30 2021-04-13 内蒙古自治区农牧业科学院 一种样方草地覆盖度计算方法及***
CN113014645A (zh) * 2021-02-24 2021-06-22 暨南大学 基于物联网的草场环境监测***
CN113010849A (zh) * 2021-02-24 2021-06-22 暨南大学 一种基于物联网的草场环境评价方法
CN114184123A (zh) * 2021-12-15 2022-03-15 西南林业大学 一种测算草地样方三维绿量的装置及方法

Similar Documents

Publication Publication Date Title
CN107680114A (zh) 一种基于计算机图像处理的草地盖度测算方法
Gan et al. Immature green citrus fruit detection using color and thermal images
CN108009542B (zh) 油菜大田环境下杂草图像分割方法
CN105184787B (zh) 一种自动对人像进行抠图的证照相机及方法
CN104834898B (zh) 一种人物摄影图像的质量分类方法
CN106651872A (zh) 基于Prewitt算子的路面裂缝识别方法及***
CN106384117B (zh) 一种车辆颜色识别方法及装置
JP6312714B2 (ja) 陰影検出および減衰のためのマルチスペクトル撮像システム
CN109791688A (zh) 曝光相关的亮度变换
CN108319973A (zh) 一种树上柑橘果实检测方法
CN108388905B (zh) 一种基于卷积神经网络和邻域上下文的光源估计方法
CN103971126A (zh) 一种交通标志识别方法和装置
CN105574514B (zh) 温室生西红柿自动识别方法
CN102521564A (zh) 基于颜色和形状识别茶叶的方法
CN109255757A (zh) 一种机器视觉自然放置葡萄串果梗区域分割方法
CN108564021B (zh) 一种基于数码相片提取荒漠植被盖度的方法
CN108416814A (zh) 一种菠萝头部的快速定位与识别方法及***
CN113657335A (zh) 基于hsv颜色空间的矿相识别方法
CN109741285A (zh) 一种水下图像数据集的构建方法及***
US9361527B1 (en) Method and system for classifying painted road markings in an automotive driver vehicle-assistance device
Setyawan et al. Comparison of hsv and lab color spaces for hydroponic monitoring system
CN102542276A (zh) 应用Photoshop和Matlab快速提取森林郁闭度的方法
CN108090910A (zh) 一种基于信息熵梯度简化pcnn模型的夜间室外番茄植株图像分割算法
CN116721385A (zh) 一种基于机器学习的rgb摄像头数据蓝藻水华监测方法
CN110298824A (zh) 基于彩色图像和卷积神经网络技术的鱿鱼自动分类方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20180209

WD01 Invention patent application deemed withdrawn after publication