亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        無(wú)公害農(nóng)產(chǎn)品信息化系統(tǒng)的數(shù)字特征提取

        2014-11-22 14:10:15徐儒
        江蘇農(nóng)業(yè)科學(xué) 2014年10期
        關(guān)鍵詞:農(nóng)業(yè)信息化

        摘要:在引入數(shù)字圖像處理技術(shù)的基礎(chǔ)上,提出一種無(wú)公害農(nóng)產(chǎn)品數(shù)字特征提取方法,該方法從農(nóng)產(chǎn)品的生長(zhǎng)環(huán)境、培育過(guò)程、幾何形態(tài)3個(gè)類別9個(gè)方面,對(duì)無(wú)公害檢測(cè)關(guān)鍵指標(biāo)進(jìn)行數(shù)字化處理,提取出無(wú)公害農(nóng)產(chǎn)品的數(shù)字特征。與傳統(tǒng)方法相比,本研究提出的方法具有檢測(cè)速度快、范圍廣、非破壞性等特點(diǎn),具有良好的準(zhǔn)確性。驗(yàn)證結(jié)果表明,該方法在農(nóng)業(yè)信息化系統(tǒng)中具有良好的可行性。

        關(guān)鍵詞:農(nóng)業(yè)信息化;無(wú)公害農(nóng)產(chǎn)品;數(shù)字特征

        中圖分類號(hào): S126文獻(xiàn)標(biāo)志碼: A文章編號(hào):1002-1302(2014)10-0373-04

        收稿日期:2014-01-08

        基金項(xiàng)目:教育部“春暉”計(jì)劃科研合作資助項(xiàng)目(編號(hào):Z2005-1-55003);重慶市涪陵區(qū)科委計(jì)劃項(xiàng)目(編號(hào):2012ABA1054);長(zhǎng)江師范學(xué)院科研項(xiàng)目(編號(hào):2012XJYB038)。

        作者簡(jiǎn)介:徐儒(1982—),男,重慶忠縣人,碩士,實(shí)驗(yàn)師,從事農(nóng)業(yè)信息化研究。E-mail:xuru168888@163.com。我國(guó)是一個(gè)農(nóng)業(yè)大國(guó),農(nóng)業(yè)生產(chǎn)仍然是一些地方的主導(dǎo)產(chǎn)業(yè),我國(guó)又是一個(gè)人口大國(guó),每天都需要消耗大量的農(nóng)產(chǎn)品,存在較大的供求市場(chǎng),因此農(nóng)產(chǎn)品與人們的生產(chǎn)生活息息相關(guān)。隨著人們生活水平的提高,對(duì)食物消費(fèi)結(jié)構(gòu)也在悄然發(fā)生變化,由原來(lái)的吃飽、吃好向吃得安全、健康方向轉(zhuǎn)變,更加注重農(nóng)產(chǎn)品的安全、營(yíng)養(yǎng)品質(zhì),無(wú)公害綠色農(nóng)產(chǎn)品由于其質(zhì)量好、安全性高,越來(lái)越受到人們的歡迎。

        所謂無(wú)公害農(nóng)產(chǎn)品即指產(chǎn)地環(huán)境、生產(chǎn)過(guò)程和最終產(chǎn)品符合無(wú)公害食品標(biāo)準(zhǔn)和規(guī)范的農(nóng)、牧、漁產(chǎn)品,其基本特征是無(wú)污染、安全、優(yōu)質(zhì)、營(yíng)養(yǎng)。傳統(tǒng)的無(wú)公害農(nóng)產(chǎn)品判斷指標(biāo)大都采用肉眼觀察和隨機(jī)抽樣并進(jìn)行化學(xué)檢測(cè)的方法,這種方法需要專業(yè)機(jī)構(gòu)、專業(yè)儀器設(shè)備、專業(yè)人員進(jìn)行檢測(cè),檢測(cè)過(guò)程會(huì)破壞樣本本身,檢測(cè)的時(shí)間較長(zhǎng),且取樣具有一定的隨機(jī)性。隨著數(shù)字圖像處理技術(shù)的引入,模式識(shí)別在農(nóng)產(chǎn)品檢測(cè)和識(shí)別方面也有諸多研究,但是這些研究也大多停留在對(duì)農(nóng)產(chǎn)品的圖像識(shí)別的幾何特征方面,不能很好地應(yīng)用于農(nóng)業(yè)信息化領(lǐng)域,為了準(zhǔn)確描述無(wú)公害農(nóng)產(chǎn)品的基本特性,需要對(duì)其進(jìn)行數(shù)字特征研究。本課題組從2002年開始進(jìn)行農(nóng)業(yè)信息化研究,對(duì)糧油、蔬菜、瓜果、水產(chǎn)、食用菌、種子、苗木等初級(jí)產(chǎn)品進(jìn)行大量調(diào)研和分析的基礎(chǔ)上,將傳統(tǒng)檢測(cè)方法與數(shù)字圖像處理技術(shù)相結(jié)合,提出一種基于生長(zhǎng)環(huán)境、培育過(guò)程、幾何形態(tài)3個(gè)方面進(jìn)行無(wú)公害數(shù)字特征提取的新方法,該方法通過(guò)對(duì)農(nóng)產(chǎn)品3個(gè)方面無(wú)公害數(shù)字特征的提取,能夠涵蓋絕大多數(shù)無(wú)公害農(nóng)產(chǎn)品的檢測(cè)范圍,其特征值能夠較為準(zhǔn)確、科學(xué)地對(duì)農(nóng)產(chǎn)品進(jìn)行無(wú)公害判斷和檢測(cè)。

        1特征選擇

        特征選擇(feature selection)也稱特征子集選擇(feature subset selection,F(xiàn)SS )或?qū)傩赃x擇(attribute selection ),是指從許多特征中找出那些最有效的特征,從海量的數(shù)據(jù)中提取出有用的特征子集,從而降低特征空間的維數(shù),提高數(shù)據(jù)的使用效率。在無(wú)公害農(nóng)產(chǎn)品的數(shù)字特征提取中,反映無(wú)公害特征的信息往往較多,存在與無(wú)公害毫不相關(guān)的關(guān)系,如何從眾多的特征中過(guò)濾掉不相關(guān)的、冗余的特征,關(guān)鍵在于恰當(dāng)?shù)奶卣鬟x擇,在提高模型精確度和減少運(yùn)行時(shí)間的同時(shí)降低空間維數(shù)。為此,要解決農(nóng)業(yè)信息化中無(wú)公害農(nóng)產(chǎn)品數(shù)字特征的提取,首先要對(duì)特征參數(shù)進(jìn)行選擇操作。

        特征選擇操作是從一組數(shù)量為D的特征中選擇出數(shù)量為d(D>d)的最優(yōu)特征。在特征選擇時(shí)解決2個(gè)方面的問題,一是選擇的標(biāo)準(zhǔn),既選擇一種可分離性判據(jù)作為最大特征組的標(biāo)準(zhǔn);二是找到一個(gè)較好的算法,以便在最短的時(shí)間內(nèi)找出最優(yōu)的特征組。假設(shè)k組特征項(xiàng)之間相互獨(dú)立,用符號(hào)N表示,選擇前M個(gè)特征就是一組最優(yōu)的特征。

        通過(guò)對(duì)涪陵區(qū)農(nóng)業(yè)信息化近10年的研究發(fā)現(xiàn),無(wú)公害農(nóng)產(chǎn)品的基本特性,主要受到生長(zhǎng)環(huán)境、培育過(guò)程、形態(tài)表現(xiàn)3個(gè)方面影響。其中生長(zhǎng)環(huán)境主要從生態(tài)和環(huán)境方面判定農(nóng)產(chǎn)品的安全性,是最基本、最原始、最重要的特征;培育過(guò)程主要從生產(chǎn)環(huán)節(jié)方面判定農(nóng)產(chǎn)品的安全性,是最重要、最容易導(dǎo)致農(nóng)產(chǎn)品出現(xiàn)問題的特征參數(shù);形態(tài)外觀主要從大小、形狀、顏色、表面缺陷等外部表現(xiàn)方面判定農(nóng)產(chǎn)品的商品性。

        我們?cè)?001年《涪陵農(nóng)業(yè)信息化預(yù)研究》和2006年《涪陵三農(nóng)信息系統(tǒng)開發(fā)》的基礎(chǔ)上,對(duì)生長(zhǎng)環(huán)境、培育過(guò)程、幾何形態(tài)特征參數(shù)設(shè)置一定的權(quán)重閾值來(lái)表示3個(gè)方面的重要程度。特征參數(shù)經(jīng)過(guò)選擇和權(quán)重計(jì)算,生成無(wú)公害農(nóng)產(chǎn)品判斷的核心向量,這些向量中的特征參數(shù)代表該類特征的類別領(lǐng)域詞,能夠較準(zhǔn)確地反映出無(wú)公害農(nóng)產(chǎn)品的基本特征。

        2生長(zhǎng)環(huán)境特征分析

        生長(zhǎng)環(huán)境的好壞與農(nóng)產(chǎn)品的優(yōu)劣有密切關(guān)系,伴隨著農(nóng)作物的生長(zhǎng)發(fā)育過(guò)程,生產(chǎn)基地的環(huán)境因子是確保農(nóng)產(chǎn)品安全的基礎(chǔ)。農(nóng)產(chǎn)品無(wú)公害的判別,首先對(duì)農(nóng)作物的生長(zhǎng)環(huán)境進(jìn)行特征分析和提取,具有十分重要的意義。

        無(wú)公害農(nóng)產(chǎn)品的產(chǎn)地要求包括培育基地的土壤環(huán)境、灌溉水環(huán)境等,這些環(huán)境因子必須達(dá)到且符合國(guó)家規(guī)定的無(wú)公害的基本標(biāo)準(zhǔn),從而保證無(wú)公害農(nóng)產(chǎn)品出自良好的生長(zhǎng)環(huán)境。雖然影響農(nóng)產(chǎn)品生長(zhǎng)的環(huán)境因素很多,但是最能影響農(nóng)產(chǎn)品安全性的主要有3方面:土壤質(zhì)量、灌溉水質(zhì)、大氣環(huán)境。其中,土壤質(zhì)量包括土壤中的微量元素、重金屬元素等,例如總汞、總砷、總鎘、總鉛、總銅、總鉻;大氣環(huán)境包括有毒氣體、顆粒懸浮物等,例如二氧化硫、二氧化氮、氟化物、總懸浮顆粒物;灌溉水質(zhì)包括重金屬元素、化學(xué)廢棄原料、不適合農(nóng)作物生長(zhǎng)的污水等,例如pH值、總汞、總砷、總鎘、總鉛、總銅、石油類、氟化物、氯化物、六價(jià)鉻、類大腸菌群、化學(xué)需氧量等。用U表示生長(zhǎng)環(huán)境的集合,則關(guān)于無(wú)公害農(nóng)產(chǎn)品的生長(zhǎng)環(huán)境可表示為:U={U1,U2,U3}={土壤質(zhì)量特征,灌溉水質(zhì)特征,大氣環(huán)境特征};其中Ui={Ui1,Ui2,Ui3,…,Uij,…,Uim}表示第i個(gè)特征的集合,例如U11表示為U11={總汞,總砷,總鎘,總鉛,總銅}。

        農(nóng)產(chǎn)品主要來(lái)源于農(nóng)場(chǎng)和基地,空氣環(huán)境指標(biāo)、灌溉水質(zhì)指標(biāo)、土壤質(zhì)量指標(biāo)都有嚴(yán)格的數(shù)值范圍。在信息化的農(nóng)業(yè)信息系統(tǒng)中,這些參數(shù)可以通過(guò)權(quán)威機(jī)構(gòu)鑒定獲取。

        3培育過(guò)程特征分析

        無(wú)公害農(nóng)產(chǎn)品除了對(duì)生長(zhǎng)環(huán)境有特殊的要求外,對(duì)整個(gè)培育過(guò)程也有嚴(yán)格的規(guī)定。在產(chǎn)前的種子、種苗、肥料、農(nóng)藥等環(huán)節(jié)的投入監(jiān)測(cè);產(chǎn)中的栽培、灌溉、施肥、用藥、收獲等環(huán)節(jié)的投入監(jiān)管;產(chǎn)后的收貨、包儲(chǔ)、存放、運(yùn)輸?shù)拳h(huán)節(jié)的投入監(jiān)管。整個(gè)培育過(guò)程一般不施或少施化學(xué)肥料,主要采用有機(jī)肥料和秸稈回田實(shí)現(xiàn)養(yǎng)分平衡;在病蟲草害防治方面,主要采用農(nóng)業(yè)防治、物理防治、生物防治等措施防治病蟲草害,整個(gè)過(guò)程避免使用高毒高殘留化學(xué)藥劑,從而提高食品安全指數(shù)。

        化學(xué)藥劑的使用,會(huì)在產(chǎn)品的表面或體內(nèi)殘留,影響農(nóng)產(chǎn)品的安全性。為此,我們通過(guò)光譜特征提取對(duì)農(nóng)藥殘留進(jìn)行檢測(cè),采用多路發(fā)光二極管為光源,紫外及可見分光光度法檢測(cè)農(nóng)藥殘留對(duì)生物酶的抑制率,從而確定農(nóng)藥殘留的程度,衡量農(nóng)產(chǎn)品中農(nóng)藥殘留特征。

        4產(chǎn)品幾何特征分析

        4.1顏色特征參數(shù)提取

        物體顏色常用顏色空間來(lái)表示。顏色空間是用一種數(shù)學(xué)方法形象化表示顏色,人們用它來(lái)指定和產(chǎn)生顏色。在計(jì)算機(jī)視覺中,農(nóng)產(chǎn)品圖像的顏色特征是極其重要的因素。

        RGB顏色空間是最常用的顏色模型之一,作為一種顏色標(biāo)準(zhǔn),通過(guò)紅(Red)、綠(Green)、藍(lán)(Blue)3種顏色通道,為每個(gè)像素的RGB分量分配1個(gè)0~255范圍內(nèi)的強(qiáng)度值,3種顏色按照不同的比例進(jìn)行混合與疊加,從而得到各式各樣的顏色。HSI顏色空間也是一種空間模型,是以人的視覺系統(tǒng)為出發(fā)點(diǎn),用色調(diào)(Hue)、飽和度(Saturation)、亮度 (Intensity) 3個(gè)參數(shù)來(lái)描述顏色特性,其中H表示顏色的波長(zhǎng),S表示顏色的深淺程度,I表示強(qiáng)度或亮度,由于3者之間相互獨(dú)立,可單獨(dú)處理,用圓錐空間模型來(lái)表現(xiàn)。在圖像處理中,大量算法可在HSI色彩空間中方便地使用,簡(jiǎn)化了圖像分析和處理的工作量。RGB模型與HIS模型如圖1所示。

        用數(shù)碼相機(jī)采集到的原始圖像是由RGB色彩空間表示的,為了提取農(nóng)產(chǎn)品圖像的顏色特征,需要對(duì)RGB圖像進(jìn)行HSI空間的轉(zhuǎn)換。RGB向HSI轉(zhuǎn)換,是由基于笛卡爾直角坐標(biāo)系的單位立方體向基于圓柱極坐標(biāo)的雙錐體進(jìn)行等價(jià)變換,其中幾何推導(dǎo)算法是比較經(jīng)典的方法,采用公式(1)將RGB中的亮度分離,將色度分解為色調(diào)和飽和度,實(shí)現(xiàn)RGB圖像中色度和亮度的分離。

        通過(guò)HSI顏色算法來(lái)獲取產(chǎn)品顏色并對(duì)其進(jìn)行聚類分析,可以獲得較好的識(shí)別效果。在HSI顏色模型中主要描述物體顏色的特征有色調(diào)、飽和度、亮度,其中色調(diào)是描述純色的屬性,是真正反映物體顏色的特征屬性,飽和度主要反映一種純色被白光稀釋程度的度量,是不可以測(cè)量的,亮度則是對(duì)顏色明亮程度的主觀描述,是不可以測(cè)量參數(shù)。因此,在顏色特征的參數(shù)提取中,主要提取集中反映顏色本質(zhì)特征的色調(diào)參數(shù)。經(jīng)過(guò)RGB到HSI顏色空間的轉(zhuǎn)換,色調(diào)參數(shù)以空間向量的形式表示,任意選擇其中的一個(gè)像素值都不能夠準(zhǔn)確地反映圖像的基本特征,因此,通過(guò)獲取圖像中各個(gè)像素點(diǎn)的色調(diào)平均值來(lái)反映顏色本質(zhì)特征是比較準(zhǔn)確的?;静僮鳛椋合全@取產(chǎn)品顏色的H分量值,再求各個(gè)分量的平均值,圖像中各像素點(diǎn)色調(diào)H的平均值則為產(chǎn)品的顏色特征。計(jì)算公式描述為:

        集合h={h1,h2,…,hi,…,hn}表示H分量的像素集合,hi表示圖像對(duì)象中RGB轉(zhuǎn)換HSI模型映射的色調(diào)特征值的第i個(gè)像素值,總像素?cái)?shù)用N表示,圖像中各個(gè)像素點(diǎn)的色調(diào)平均值H可表示為:H=∑ni=1hiN,其標(biāo)準(zhǔn)差σH表示為:σH=1N∑ni=1(Hi-H)2,H即為物體顏色的特征參數(shù)。

        4.2面積特征參數(shù)提取

        面積是衡量物體所占范圍的一種方便的客觀度量。一般情況下,在品種和生長(zhǎng)環(huán)境一定的情況下,同一批次的農(nóng)產(chǎn)品的物理面積大小雖不完全相同,但都趨近于一個(gè)標(biāo)準(zhǔn)常值K。通過(guò)對(duì)農(nóng)產(chǎn)品進(jìn)行面積特征的表征分析,可以有效地提取出產(chǎn)品面積的形態(tài)特征,從而很好地對(duì)農(nóng)產(chǎn)品進(jìn)行分類或定級(jí)。

        面積特征主要由物體或區(qū)域的邊界決定,與其內(nèi)部灰度級(jí)別的變化無(wú)關(guān),一般最有效的面積特征提取方法是統(tǒng)計(jì)產(chǎn)品圖片的邊界及其內(nèi)部像素的總和?;舅枷霝椋菏紫全@取農(nóng)產(chǎn)品圖像,再對(duì)產(chǎn)品圖像進(jìn)行HSI色彩空間轉(zhuǎn)換,提取色彩分量進(jìn)行灰度化和二值化操作,然后進(jìn)行圖像分割和去噪處理,在邊緣檢測(cè)和提取的基礎(chǔ)上進(jìn)行區(qū)域填充與標(biāo)志,并計(jì)算出標(biāo)志區(qū)域像素點(diǎn)值的總和,通過(guò)已知參照標(biāo)準(zhǔn)物單位面積的像素值,計(jì)算參照物與區(qū)域標(biāo)志之間的像素比值,進(jìn)而求出農(nóng)產(chǎn)品的面積(圖2)。

        在圖像分割中,大量的試驗(yàn)發(fā)現(xiàn),很多農(nóng)產(chǎn)品圖像的灰度直方圖并不具有明顯的雙峰特征,不能夠采用傳統(tǒng)的選定灰度雙峰之間的谷底值作為輸入閾值將灰度圖像進(jìn)行二值化,為此,需要直接對(duì)S分量進(jìn)行灰度和二值化,通過(guò)差分法將對(duì)象和背景分離出來(lái)。在邊緣提取中,分別采用Robert、Sobel、Prewitt和Laplacian邊緣算子對(duì)分割好的圖像進(jìn)行邊緣檢測(cè),提取產(chǎn)品圖像的邊緣檢測(cè)結(jié)果,發(fā)現(xiàn)Sobel算子和Prewitt算子存在邊緣不完全連通的情況,Laplacian算子出現(xiàn)對(duì)噪聲比較敏感,而Robert邊緣檢測(cè)算子能夠產(chǎn)生較好的邊緣檢測(cè)效果,因此我們采用Robert邊緣檢測(cè)算子完成圖像邊緣提取。

        提取產(chǎn)品圖像面積特征的算法描述為:

        步驟1,圖像灰度變換:將真彩圖轉(zhuǎn)換成灰度圖像,使得圖像的對(duì)比度擴(kuò)展,圖像更加清晰,特征更明顯。

        步驟2,圖像分割:主要從背景中分離出圖像對(duì)象。由于閾值法不能夠很好的選取閾值,因此采用差分法對(duì)圖像進(jìn)行分割。

        步驟3,調(diào)節(jié)圖像對(duì)比度:主要增強(qiáng)圖像對(duì)比度增大反差,提高圖像對(duì)比度和清晰度,加大圖像動(dòng)態(tài)范圍。

        步驟4,邊緣檢測(cè)和提取:采用Robert算子進(jìn)行邊緣檢測(cè);從而構(gòu)成分割區(qū)域,將對(duì)象目標(biāo)和背景分開。

        步驟5,圖像幾何特征處理:通過(guò)開運(yùn)算對(duì)邊緣提取圖像腐蝕膨脹,可以抑制噪聲,能有效地消除孤立噪聲點(diǎn),增大和填補(bǔ)目標(biāo)物體中的空洞,并形成連通域,對(duì)圖像區(qū)域進(jìn)行填充和邊緣輪廓平滑操作。

        步驟6,濾波操作:通過(guò)濾波操作,消除圖像噪聲,從而提高數(shù)據(jù)的準(zhǔn)確度。

        步驟7,標(biāo)記圖像區(qū)域并獲取屬性值。

        步驟8,確定參照物單位像素值為單位面積,計(jì)算參照物與圖像區(qū)域之間的比值,進(jìn)而而獲取圖像面積。計(jì)算公式為:S=標(biāo)志區(qū)域像素值/參照物單位面積像素值。

        4.3形狀特征參數(shù)提取

        當(dāng)物體從圖象中分割出來(lái)以后,形狀描述特征就可以作為區(qū)分物體的重要依據(jù),在無(wú)公害農(nóng)產(chǎn)品的檢測(cè)中起著十分重要的作用??坍嬑矬w基本的形狀特征主要通過(guò)矩形度和矩形跨度2個(gè)參數(shù)來(lái)反映,其中矩形度主要反映物體對(duì)其外接矩形的充滿程度,矩形跨度主要反映矩形長(zhǎng)和寬之間的比例關(guān)系。矩形度和跨度參數(shù)主要用來(lái)判斷農(nóng)產(chǎn)品的形狀是否規(guī)整,從形狀上是否符合無(wú)公害的基本要求。

        矩形度主要通過(guò)物體的面積與其最小外接矩形的面積之比來(lái)刻畫,計(jì)算最小外接矩形MER的算法思想為:將物體的邊界以每次N°的增量在90°范圍內(nèi)間隔旋轉(zhuǎn)。每旋轉(zhuǎn)1次記錄1次其坐標(biāo)系方向上的外接矩形邊界點(diǎn)的最大和最小坐標(biāo)值(x、y)。通過(guò)旋轉(zhuǎn)的方法來(lái)尋找物體的最小外接矩形(圖3)。

        形狀特征參數(shù)提取的算法描述為:

        步驟1,以水平方向?yàn)閤坐標(biāo),垂直方向?yàn)閥坐標(biāo),確定對(duì)象的中心點(diǎn),在90°范圍內(nèi)等間隔旋轉(zhuǎn)。

        步驟2,記錄每次旋轉(zhuǎn)的坐標(biāo)刻度,獲取x軸和y軸意義下的最大長(zhǎng)度和寬度,求出外接矩形值。

        步驟3,計(jì)算每次旋轉(zhuǎn)最小外接矩形。

        步驟4,根據(jù)對(duì)象面積與最小外接矩形,求出矩形度R。矩形度R的公式描述為:R=AAmer。

        取面積最小外接矩形的參數(shù)為主軸意義下的長(zhǎng)度和寬度,則此時(shí)物體水平和垂直之間的跨度關(guān)系可以通過(guò)最大橫軸與最大縱軸之間的長(zhǎng)寬比值λ表示:λ=wH。

        4.4紋理特征參數(shù)提取

        每一種農(nóng)產(chǎn)品的表面都存在固有的紋理特征,可以通過(guò)這種紋理特征來(lái)區(qū)分和判斷農(nóng)產(chǎn)品的類別,還可以通過(guò)這種紋理特征來(lái)檢測(cè)物體是否存在缺陷。紋理特征在遙感圖像識(shí)

        別、醫(yī)學(xué)成像診斷、材料表面質(zhì)量檢測(cè)等領(lǐng)域具有重要的作用。從農(nóng)產(chǎn)品圖像區(qū)域中提取有效的紋理信息,反演出產(chǎn)品的表面物理屬性,查看農(nóng)產(chǎn)品是否存在損壞、腐敗、磕碰變質(zhì)等情況,主要采用經(jīng)典的局部二值模式 (local binary pattern,LBP)算法。

        LBP算法是一種用來(lái)描述圖像局部紋理特征的算子,算法首先由Ojala等提出,其基本思想是:以某像素點(diǎn)為中心點(diǎn)(xc,yc),與鄰近區(qū)域的每個(gè)像素點(diǎn)灰度值進(jìn)行比較,若鄰近像素點(diǎn)的灰度值大于中心像素點(diǎn)的灰度值,則將鄰近像素點(diǎn)的灰度值標(biāo)記為1,否則標(biāo)記為0;從左上角順時(shí)針排列鄰近像素點(diǎn)的灰度值,可產(chǎn)生8 bit的無(wú)符號(hào)數(shù),即得到該點(diǎn)的LBP編碼值,由LBP算子得到LBP碼替換掉該點(diǎn)的像素值,就得到圖像的LBP紋理圖,并用這個(gè)值來(lái)反映該區(qū)域的紋理信息。

        通過(guò)對(duì)LBP紋理圖進(jìn)行直方圖匹配操作,可以應(yīng)用到無(wú)公害農(nóng)產(chǎn)品的表面缺陷檢測(cè)中。LBP算子的特征向量提取過(guò)程描述為:

        步驟1,圖像提?。簭姆直媛屎突叶葍蓚€(gè)維度分解紋理圖像,得到二值圖像陣列。

        步驟2,劃分cell區(qū)域:將圖像進(jìn)行cell小區(qū)域劃分,每個(gè)cell區(qū)域滿足R×R。

        步驟3,二值化轉(zhuǎn)換:將R×R的區(qū)域像素點(diǎn)分別與中心像素點(diǎn)的灰度值進(jìn)行比較,如果中心像素值比該鄰點(diǎn)大,則將鄰點(diǎn)賦值為1,否則賦值為0。

        步驟4,統(tǒng)計(jì)二值圖像中的0值連通域和1值連通域的屬性,得到cell區(qū)域的二進(jìn)制LBP碼。

        步驟5,LBP紋理特征值:通過(guò)LBP碼與閾值的乘積,確定每個(gè)cell區(qū)域的LBP紋理特征值。

        步驟6,對(duì)比度分量:獲取鄰域中所有大于和等于中心點(diǎn)像素的均值與所有小于中心點(diǎn)像素的均值之差,確定出對(duì)比度分量。

        步驟7,cell直方圖處理:對(duì)LBP碼的二進(jìn)制序列進(jìn)行統(tǒng)計(jì),并對(duì)每次出現(xiàn)的頻率進(jìn)行單個(gè)cell的直方圖處理。

        步驟8,直方圖歸一化處理:對(duì)每個(gè)cell的統(tǒng)計(jì)直方圖進(jìn)行連接,得到圖像對(duì)象的LBP紋理特征。

        步驟9,農(nóng)產(chǎn)品判別:通過(guò)圖像的紋理特征,對(duì)農(nóng)產(chǎn)品的表面進(jìn)行判別篩選,對(duì)表面存在缺陷、腐敗、不規(guī)則等不符合無(wú)公害要求的農(nóng)產(chǎn)品進(jìn)行剔除。

        分析結(jié)果表明,通過(guò)本系統(tǒng)設(shè)計(jì)的數(shù)字特征提取法能夠較準(zhǔn)確地測(cè)量出農(nóng)產(chǎn)品是否屬于無(wú)公害產(chǎn)品,而且本研究所采用的方法為無(wú)損檢測(cè),為其實(shí)用性奠定了很好的基礎(chǔ)。

        6結(jié)論

        針對(duì)現(xiàn)有農(nóng)產(chǎn)的無(wú)公害檢測(cè)存在的隨機(jī)性大、檢測(cè)時(shí)間長(zhǎng)、專業(yè)性要求高、破壞樣本等問題,本研究在引入數(shù)字圖像處理技術(shù)的基礎(chǔ)上,提出一種新的無(wú)公害農(nóng)產(chǎn)品數(shù)字特征提取方法,該方法從農(nóng)產(chǎn)品的生長(zhǎng)環(huán)境、培育過(guò)程、幾何形態(tài)3個(gè)類別9個(gè)方面,進(jìn)行無(wú)公害檢測(cè)、分析與研究,提取出無(wú)公害農(nóng)產(chǎn)品的數(shù)字特征。與傳統(tǒng)方法相比,本研究提出的方法具有檢測(cè)速度快、范圍廣,實(shí)現(xiàn)了對(duì)無(wú)公害農(nóng)產(chǎn)品非破壞性檢測(cè)的特點(diǎn),具有良好的準(zhǔn)確度,在農(nóng)業(yè)信息化系統(tǒng)應(yīng)用中可行性強(qiáng)。

        參考文獻(xiàn):

        [1]王永皎,張引,張三元. 基于圖像處理的植物葉面積測(cè)量方法[J]. 計(jì)算機(jī)工程,2006,32(8):210-212.

        [2]王國(guó)林,周樹仁,李軍強(qiáng). 基于模糊聚類和形態(tài)學(xué)的輪胎斷面特征提取[J]. 江蘇大學(xué)學(xué)報(bào):自然科學(xué)版,2012,33(5):513-517.

        [3]邊肇祺,張學(xué)工. 模式識(shí)別[M]. 北京:清華大學(xué)出版社,2000.

        [4]陳廷寅,張東,楊艷,等. 超聲圖像的LBP紋理特征提取[J]. 武漢大學(xué)學(xué)報(bào):理學(xué)版,2012,58(5):401-405.

        [5]鄭永斌,黃新生,豐松江. SIFT和旋轉(zhuǎn)不變LBP相結(jié)合的圖像匹配算法[J]. 計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào),2010,22(2):286-292.

        [6]黃非非. 基于LBP的人臉識(shí)別研究[D]. 重慶:重慶大學(xué),2009:20-25.

        步驟5,圖像幾何特征處理:通過(guò)開運(yùn)算對(duì)邊緣提取圖像腐蝕膨脹,可以抑制噪聲,能有效地消除孤立噪聲點(diǎn),增大和填補(bǔ)目標(biāo)物體中的空洞,并形成連通域,對(duì)圖像區(qū)域進(jìn)行填充和邊緣輪廓平滑操作。

        步驟6,濾波操作:通過(guò)濾波操作,消除圖像噪聲,從而提高數(shù)據(jù)的準(zhǔn)確度。

        步驟7,標(biāo)記圖像區(qū)域并獲取屬性值。

        步驟8,確定參照物單位像素值為單位面積,計(jì)算參照物與圖像區(qū)域之間的比值,進(jìn)而而獲取圖像面積。計(jì)算公式為:S=標(biāo)志區(qū)域像素值/參照物單位面積像素值。

        4.3形狀特征參數(shù)提取

        當(dāng)物體從圖象中分割出來(lái)以后,形狀描述特征就可以作為區(qū)分物體的重要依據(jù),在無(wú)公害農(nóng)產(chǎn)品的檢測(cè)中起著十分重要的作用。刻畫物體基本的形狀特征主要通過(guò)矩形度和矩形跨度2個(gè)參數(shù)來(lái)反映,其中矩形度主要反映物體對(duì)其外接矩形的充滿程度,矩形跨度主要反映矩形長(zhǎng)和寬之間的比例關(guān)系。矩形度和跨度參數(shù)主要用來(lái)判斷農(nóng)產(chǎn)品的形狀是否規(guī)整,從形狀上是否符合無(wú)公害的基本要求。

        矩形度主要通過(guò)物體的面積與其最小外接矩形的面積之比來(lái)刻畫,計(jì)算最小外接矩形MER的算法思想為:將物體的邊界以每次N°的增量在90°范圍內(nèi)間隔旋轉(zhuǎn)。每旋轉(zhuǎn)1次記錄1次其坐標(biāo)系方向上的外接矩形邊界點(diǎn)的最大和最小坐標(biāo)值(x、y)。通過(guò)旋轉(zhuǎn)的方法來(lái)尋找物體的最小外接矩形(圖3)。

        形狀特征參數(shù)提取的算法描述為:

        步驟1,以水平方向?yàn)閤坐標(biāo),垂直方向?yàn)閥坐標(biāo),確定對(duì)象的中心點(diǎn),在90°范圍內(nèi)等間隔旋轉(zhuǎn)。

        步驟2,記錄每次旋轉(zhuǎn)的坐標(biāo)刻度,獲取x軸和y軸意義下的最大長(zhǎng)度和寬度,求出外接矩形值。

        步驟3,計(jì)算每次旋轉(zhuǎn)最小外接矩形。

        步驟4,根據(jù)對(duì)象面積與最小外接矩形,求出矩形度R。矩形度R的公式描述為:R=AAmer。

        取面積最小外接矩形的參數(shù)為主軸意義下的長(zhǎng)度和寬度,則此時(shí)物體水平和垂直之間的跨度關(guān)系可以通過(guò)最大橫軸與最大縱軸之間的長(zhǎng)寬比值λ表示:λ=wH。

        4.4紋理特征參數(shù)提取

        每一種農(nóng)產(chǎn)品的表面都存在固有的紋理特征,可以通過(guò)這種紋理特征來(lái)區(qū)分和判斷農(nóng)產(chǎn)品的類別,還可以通過(guò)這種紋理特征來(lái)檢測(cè)物體是否存在缺陷。紋理特征在遙感圖像識(shí)

        別、醫(yī)學(xué)成像診斷、材料表面質(zhì)量檢測(cè)等領(lǐng)域具有重要的作用。從農(nóng)產(chǎn)品圖像區(qū)域中提取有效的紋理信息,反演出產(chǎn)品的表面物理屬性,查看農(nóng)產(chǎn)品是否存在損壞、腐敗、磕碰變質(zhì)等情況,主要采用經(jīng)典的局部二值模式 (local binary pattern,LBP)算法。

        LBP算法是一種用來(lái)描述圖像局部紋理特征的算子,算法首先由Ojala等提出,其基本思想是:以某像素點(diǎn)為中心點(diǎn)(xc,yc),與鄰近區(qū)域的每個(gè)像素點(diǎn)灰度值進(jìn)行比較,若鄰近像素點(diǎn)的灰度值大于中心像素點(diǎn)的灰度值,則將鄰近像素點(diǎn)的灰度值標(biāo)記為1,否則標(biāo)記為0;從左上角順時(shí)針排列鄰近像素點(diǎn)的灰度值,可產(chǎn)生8 bit的無(wú)符號(hào)數(shù),即得到該點(diǎn)的LBP編碼值,由LBP算子得到LBP碼替換掉該點(diǎn)的像素值,就得到圖像的LBP紋理圖,并用這個(gè)值來(lái)反映該區(qū)域的紋理信息。

        通過(guò)對(duì)LBP紋理圖進(jìn)行直方圖匹配操作,可以應(yīng)用到無(wú)公害農(nóng)產(chǎn)品的表面缺陷檢測(cè)中。LBP算子的特征向量提取過(guò)程描述為:

        步驟1,圖像提取:從分辨率和灰度兩個(gè)維度分解紋理圖像,得到二值圖像陣列。

        步驟2,劃分cell區(qū)域:將圖像進(jìn)行cell小區(qū)域劃分,每個(gè)cell區(qū)域滿足R×R。

        步驟3,二值化轉(zhuǎn)換:將R×R的區(qū)域像素點(diǎn)分別與中心像素點(diǎn)的灰度值進(jìn)行比較,如果中心像素值比該鄰點(diǎn)大,則將鄰點(diǎn)賦值為1,否則賦值為0。

        步驟4,統(tǒng)計(jì)二值圖像中的0值連通域和1值連通域的屬性,得到cell區(qū)域的二進(jìn)制LBP碼。

        步驟5,LBP紋理特征值:通過(guò)LBP碼與閾值的乘積,確定每個(gè)cell區(qū)域的LBP紋理特征值。

        步驟6,對(duì)比度分量:獲取鄰域中所有大于和等于中心點(diǎn)像素的均值與所有小于中心點(diǎn)像素的均值之差,確定出對(duì)比度分量。

        步驟7,cell直方圖處理:對(duì)LBP碼的二進(jìn)制序列進(jìn)行統(tǒng)計(jì),并對(duì)每次出現(xiàn)的頻率進(jìn)行單個(gè)cell的直方圖處理。

        步驟8,直方圖歸一化處理:對(duì)每個(gè)cell的統(tǒng)計(jì)直方圖進(jìn)行連接,得到圖像對(duì)象的LBP紋理特征。

        步驟9,農(nóng)產(chǎn)品判別:通過(guò)圖像的紋理特征,對(duì)農(nóng)產(chǎn)品的表面進(jìn)行判別篩選,對(duì)表面存在缺陷、腐敗、不規(guī)則等不符合無(wú)公害要求的農(nóng)產(chǎn)品進(jìn)行剔除。

        分析結(jié)果表明,通過(guò)本系統(tǒng)設(shè)計(jì)的數(shù)字特征提取法能夠較準(zhǔn)確地測(cè)量出農(nóng)產(chǎn)品是否屬于無(wú)公害產(chǎn)品,而且本研究所采用的方法為無(wú)損檢測(cè),為其實(shí)用性奠定了很好的基礎(chǔ)。

        6結(jié)論

        針對(duì)現(xiàn)有農(nóng)產(chǎn)的無(wú)公害檢測(cè)存在的隨機(jī)性大、檢測(cè)時(shí)間長(zhǎng)、專業(yè)性要求高、破壞樣本等問題,本研究在引入數(shù)字圖像處理技術(shù)的基礎(chǔ)上,提出一種新的無(wú)公害農(nóng)產(chǎn)品數(shù)字特征提取方法,該方法從農(nóng)產(chǎn)品的生長(zhǎng)環(huán)境、培育過(guò)程、幾何形態(tài)3個(gè)類別9個(gè)方面,進(jìn)行無(wú)公害檢測(cè)、分析與研究,提取出無(wú)公害農(nóng)產(chǎn)品的數(shù)字特征。與傳統(tǒng)方法相比,本研究提出的方法具有檢測(cè)速度快、范圍廣,實(shí)現(xiàn)了對(duì)無(wú)公害農(nóng)產(chǎn)品非破壞性檢測(cè)的特點(diǎn),具有良好的準(zhǔn)確度,在農(nóng)業(yè)信息化系統(tǒng)應(yīng)用中可行性強(qiáng)。

        參考文獻(xiàn):

        [1]王永皎,張引,張三元. 基于圖像處理的植物葉面積測(cè)量方法[J]. 計(jì)算機(jī)工程,2006,32(8):210-212.

        [2]王國(guó)林,周樹仁,李軍強(qiáng). 基于模糊聚類和形態(tài)學(xué)的輪胎斷面特征提取[J]. 江蘇大學(xué)學(xué)報(bào):自然科學(xué)版,2012,33(5):513-517.

        [3]邊肇祺,張學(xué)工. 模式識(shí)別[M]. 北京:清華大學(xué)出版社,2000.

        [4]陳廷寅,張東,楊艷,等. 超聲圖像的LBP紋理特征提取[J]. 武漢大學(xué)學(xué)報(bào):理學(xué)版,2012,58(5):401-405.

        [5]鄭永斌,黃新生,豐松江. SIFT和旋轉(zhuǎn)不變LBP相結(jié)合的圖像匹配算法[J]. 計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào),2010,22(2):286-292.

        [6]黃非非. 基于LBP的人臉識(shí)別研究[D]. 重慶:重慶大學(xué),2009:20-25.

        步驟5,圖像幾何特征處理:通過(guò)開運(yùn)算對(duì)邊緣提取圖像腐蝕膨脹,可以抑制噪聲,能有效地消除孤立噪聲點(diǎn),增大和填補(bǔ)目標(biāo)物體中的空洞,并形成連通域,對(duì)圖像區(qū)域進(jìn)行填充和邊緣輪廓平滑操作。

        步驟6,濾波操作:通過(guò)濾波操作,消除圖像噪聲,從而提高數(shù)據(jù)的準(zhǔn)確度。

        步驟7,標(biāo)記圖像區(qū)域并獲取屬性值。

        步驟8,確定參照物單位像素值為單位面積,計(jì)算參照物與圖像區(qū)域之間的比值,進(jìn)而而獲取圖像面積。計(jì)算公式為:S=標(biāo)志區(qū)域像素值/參照物單位面積像素值。

        4.3形狀特征參數(shù)提取

        當(dāng)物體從圖象中分割出來(lái)以后,形狀描述特征就可以作為區(qū)分物體的重要依據(jù),在無(wú)公害農(nóng)產(chǎn)品的檢測(cè)中起著十分重要的作用。刻畫物體基本的形狀特征主要通過(guò)矩形度和矩形跨度2個(gè)參數(shù)來(lái)反映,其中矩形度主要反映物體對(duì)其外接矩形的充滿程度,矩形跨度主要反映矩形長(zhǎng)和寬之間的比例關(guān)系。矩形度和跨度參數(shù)主要用來(lái)判斷農(nóng)產(chǎn)品的形狀是否規(guī)整,從形狀上是否符合無(wú)公害的基本要求。

        矩形度主要通過(guò)物體的面積與其最小外接矩形的面積之比來(lái)刻畫,計(jì)算最小外接矩形MER的算法思想為:將物體的邊界以每次N°的增量在90°范圍內(nèi)間隔旋轉(zhuǎn)。每旋轉(zhuǎn)1次記錄1次其坐標(biāo)系方向上的外接矩形邊界點(diǎn)的最大和最小坐標(biāo)值(x、y)。通過(guò)旋轉(zhuǎn)的方法來(lái)尋找物體的最小外接矩形(圖3)。

        形狀特征參數(shù)提取的算法描述為:

        步驟1,以水平方向?yàn)閤坐標(biāo),垂直方向?yàn)閥坐標(biāo),確定對(duì)象的中心點(diǎn),在90°范圍內(nèi)等間隔旋轉(zhuǎn)。

        步驟2,記錄每次旋轉(zhuǎn)的坐標(biāo)刻度,獲取x軸和y軸意義下的最大長(zhǎng)度和寬度,求出外接矩形值。

        步驟3,計(jì)算每次旋轉(zhuǎn)最小外接矩形。

        步驟4,根據(jù)對(duì)象面積與最小外接矩形,求出矩形度R。矩形度R的公式描述為:R=AAmer。

        取面積最小外接矩形的參數(shù)為主軸意義下的長(zhǎng)度和寬度,則此時(shí)物體水平和垂直之間的跨度關(guān)系可以通過(guò)最大橫軸與最大縱軸之間的長(zhǎng)寬比值λ表示:λ=wH。

        4.4紋理特征參數(shù)提取

        每一種農(nóng)產(chǎn)品的表面都存在固有的紋理特征,可以通過(guò)這種紋理特征來(lái)區(qū)分和判斷農(nóng)產(chǎn)品的類別,還可以通過(guò)這種紋理特征來(lái)檢測(cè)物體是否存在缺陷。紋理特征在遙感圖像識(shí)

        別、醫(yī)學(xué)成像診斷、材料表面質(zhì)量檢測(cè)等領(lǐng)域具有重要的作用。從農(nóng)產(chǎn)品圖像區(qū)域中提取有效的紋理信息,反演出產(chǎn)品的表面物理屬性,查看農(nóng)產(chǎn)品是否存在損壞、腐敗、磕碰變質(zhì)等情況,主要采用經(jīng)典的局部二值模式 (local binary pattern,LBP)算法。

        LBP算法是一種用來(lái)描述圖像局部紋理特征的算子,算法首先由Ojala等提出,其基本思想是:以某像素點(diǎn)為中心點(diǎn)(xc,yc),與鄰近區(qū)域的每個(gè)像素點(diǎn)灰度值進(jìn)行比較,若鄰近像素點(diǎn)的灰度值大于中心像素點(diǎn)的灰度值,則將鄰近像素點(diǎn)的灰度值標(biāo)記為1,否則標(biāo)記為0;從左上角順時(shí)針排列鄰近像素點(diǎn)的灰度值,可產(chǎn)生8 bit的無(wú)符號(hào)數(shù),即得到該點(diǎn)的LBP編碼值,由LBP算子得到LBP碼替換掉該點(diǎn)的像素值,就得到圖像的LBP紋理圖,并用這個(gè)值來(lái)反映該區(qū)域的紋理信息。

        通過(guò)對(duì)LBP紋理圖進(jìn)行直方圖匹配操作,可以應(yīng)用到無(wú)公害農(nóng)產(chǎn)品的表面缺陷檢測(cè)中。LBP算子的特征向量提取過(guò)程描述為:

        步驟1,圖像提取:從分辨率和灰度兩個(gè)維度分解紋理圖像,得到二值圖像陣列。

        步驟2,劃分cell區(qū)域:將圖像進(jìn)行cell小區(qū)域劃分,每個(gè)cell區(qū)域滿足R×R。

        步驟3,二值化轉(zhuǎn)換:將R×R的區(qū)域像素點(diǎn)分別與中心像素點(diǎn)的灰度值進(jìn)行比較,如果中心像素值比該鄰點(diǎn)大,則將鄰點(diǎn)賦值為1,否則賦值為0。

        步驟4,統(tǒng)計(jì)二值圖像中的0值連通域和1值連通域的屬性,得到cell區(qū)域的二進(jìn)制LBP碼。

        步驟5,LBP紋理特征值:通過(guò)LBP碼與閾值的乘積,確定每個(gè)cell區(qū)域的LBP紋理特征值。

        步驟6,對(duì)比度分量:獲取鄰域中所有大于和等于中心點(diǎn)像素的均值與所有小于中心點(diǎn)像素的均值之差,確定出對(duì)比度分量。

        步驟7,cell直方圖處理:對(duì)LBP碼的二進(jìn)制序列進(jìn)行統(tǒng)計(jì),并對(duì)每次出現(xiàn)的頻率進(jìn)行單個(gè)cell的直方圖處理。

        步驟8,直方圖歸一化處理:對(duì)每個(gè)cell的統(tǒng)計(jì)直方圖進(jìn)行連接,得到圖像對(duì)象的LBP紋理特征。

        步驟9,農(nóng)產(chǎn)品判別:通過(guò)圖像的紋理特征,對(duì)農(nóng)產(chǎn)品的表面進(jìn)行判別篩選,對(duì)表面存在缺陷、腐敗、不規(guī)則等不符合無(wú)公害要求的農(nóng)產(chǎn)品進(jìn)行剔除。

        分析結(jié)果表明,通過(guò)本系統(tǒng)設(shè)計(jì)的數(shù)字特征提取法能夠較準(zhǔn)確地測(cè)量出農(nóng)產(chǎn)品是否屬于無(wú)公害產(chǎn)品,而且本研究所采用的方法為無(wú)損檢測(cè),為其實(shí)用性奠定了很好的基礎(chǔ)。

        6結(jié)論

        針對(duì)現(xiàn)有農(nóng)產(chǎn)的無(wú)公害檢測(cè)存在的隨機(jī)性大、檢測(cè)時(shí)間長(zhǎng)、專業(yè)性要求高、破壞樣本等問題,本研究在引入數(shù)字圖像處理技術(shù)的基礎(chǔ)上,提出一種新的無(wú)公害農(nóng)產(chǎn)品數(shù)字特征提取方法,該方法從農(nóng)產(chǎn)品的生長(zhǎng)環(huán)境、培育過(guò)程、幾何形態(tài)3個(gè)類別9個(gè)方面,進(jìn)行無(wú)公害檢測(cè)、分析與研究,提取出無(wú)公害農(nóng)產(chǎn)品的數(shù)字特征。與傳統(tǒng)方法相比,本研究提出的方法具有檢測(cè)速度快、范圍廣,實(shí)現(xiàn)了對(duì)無(wú)公害農(nóng)產(chǎn)品非破壞性檢測(cè)的特點(diǎn),具有良好的準(zhǔn)確度,在農(nóng)業(yè)信息化系統(tǒng)應(yīng)用中可行性強(qiáng)。

        參考文獻(xiàn):

        [1]王永皎,張引,張三元. 基于圖像處理的植物葉面積測(cè)量方法[J]. 計(jì)算機(jī)工程,2006,32(8):210-212.

        [2]王國(guó)林,周樹仁,李軍強(qiáng). 基于模糊聚類和形態(tài)學(xué)的輪胎斷面特征提取[J]. 江蘇大學(xué)學(xué)報(bào):自然科學(xué)版,2012,33(5):513-517.

        [3]邊肇祺,張學(xué)工. 模式識(shí)別[M]. 北京:清華大學(xué)出版社,2000.

        [4]陳廷寅,張東,楊艷,等. 超聲圖像的LBP紋理特征提取[J]. 武漢大學(xué)學(xué)報(bào):理學(xué)版,2012,58(5):401-405.

        [5]鄭永斌,黃新生,豐松江. SIFT和旋轉(zhuǎn)不變LBP相結(jié)合的圖像匹配算法[J]. 計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào),2010,22(2):286-292.

        [6]黃非非. 基于LBP的人臉識(shí)別研究[D]. 重慶:重慶大學(xué),2009:20-25.

        猜你喜歡
        農(nóng)業(yè)信息化
        基于本體的農(nóng)業(yè)知識(shí)建模研究
        宿遷市農(nóng)業(yè)信息化發(fā)展的現(xiàn)狀分析及對(duì)策研究
        基于網(wǎng)絡(luò)和多媒體的農(nóng)業(yè)信息化建設(shè)探討
        “互聯(lián)網(wǎng)+農(nóng)業(yè)”信息化發(fā)展路徑探討
        農(nóng)業(yè)信息化對(duì)我國(guó)農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)影響分析
        探析電商對(duì)農(nóng)業(yè)產(chǎn)業(yè)化的影響與促進(jìn)
        商(2016年23期)2016-07-23 17:07:02
        農(nóng)業(yè)信息化發(fā)展中的問題與解決對(duì)策
        商(2016年13期)2016-05-20 15:26:14
        黑龍江墾區(qū)現(xiàn)代化大農(nóng)業(yè)人才培養(yǎng)質(zhì)量探析
        遼寧農(nóng)業(yè)信息化發(fā)展模式研究
        農(nóng)民農(nóng)業(yè)信息化意識(shí)現(xiàn)狀調(diào)查研究
        人民論壇(2016年8期)2016-04-11 13:00:11
        久久aaaa片一区二区| 不打码在线观看一区二区三区视频 | 永久免费av无码网站yy| 中国丰满人妻videoshd| 人妻丝袜无码国产一区| y111111少妇影院无码| 色综合久久久久综合一本到桃花网| 国产一区资源在线播放| 国产欧美精品一区二区三区四区| 亚洲欧美日韩在线不卡| 亚洲熟妇丰满大屁股熟妇| 四虎国产精品视频免费看| 免费一级a毛片在线播出| 国产一区二区精品人妖系列在线 | 久久99国产精品久久99果冻传媒| 野狼第一精品社区| 国产白丝网站精品污在线入口| 日本在线免费一区二区三区| 91精品亚洲成人一区二区三区| 男女爽爽无遮挡午夜视频| 国产精品无码久久久久免费AV | 国产影片免费一级内射| 亚洲国产精品av在线| 免费拍拍拍网站| 未满十八勿入av网免费| 视频一区视频二区亚洲| 国产成人无码a区在线观看导航| 精品国精品无码自拍自在线| 无码高潮久久一级一级喷水| 国产精品亚洲av一区二区三区| 免费a级毛片在线播放| 成人综合网站| 免费在线亚洲视频| 国产大全一区二区三区| 久久国语露脸国产精品电影| 日韩在线一区二区三区免费视频 | 免费人成网站在线观看欧美| 国产99在线视频| 日本免费三片在线播放| 狠狠色噜噜狠狠狠777米奇| 永久免费观看的毛片手机视频|