导读:本文包含了树木图像论文开题报告文献综述及选题提纲参考文献，主要关键词:树种识别,迁移学习,图像识别,深度学习
树木图像论文文献综述
冯海林,胡明越,杨垠晖,夏凯[1]（2019）在《基于树木整体图像和集成迁移学习的树种识别》一文中研究指出为解决自然场景中拥有复杂背景的树木整体图像识别问题,提出了一种基于树木整体图像和集成迁移学习的树种识别方法。首先使用Alex Net、Vgg Net-16、Inception-V3及ResNet-50这4种在Image Net大规模数据集上预训练的模型对图像进行特征提取,然后迁移到目标树种数据集上,训练出4个不同的分类模型,最后通过相对多数投票法和加权平均法建立集成模型。构建了一个新的树种图像数据集——Trees Net,基于该数据集,设计了多类实验,并将该方法与传统的图像识别方法进行了分析比较。实验结果表明:该方法对复杂背景下树种图像识别准确率达到99. 15%,对于树木整体图像识别具有较好的效果。(本文来源于《农业机械学报》期刊2019年08期）
李润佳[2]（2019）在《基于LBF算法的树木图像分割方法的研究》一文中研究指出树木图像分割是树木可视化重建、树木精准对靶施药等研究的重要环节,对于树木生长态势评价和树木材积率以及森林蓄积量估计具有重要意义。本文对经典图像分割方法、C-V模型、LBF模型及其改进模型进行了理论研究,并应用不同模型算法对树木图像进行了分割实验,具体内容如下:研究了阈值分割法(迭代法、OTSU法、局部阈值法)、边缘检测算子(Canny算子、Sobel 算子、Roberts 算子、Prewitt 算子、Laplacian 算子、LoG-Laplacian 算子)以及区域分割法(种子区域生长法、区域分裂合并法)叁类算法的理论,并应用这些方法对树木图像进行图像分割实验,并分析了实验结果。研究了C-V模型理论,基于C-V模型对树木图像进行了图像分割实验,对分割结果进行了分析。研究了传统LBF(Local Binary Fitting)模型的理论,并对弱边缘分割效果不理想的缺陷进行了改进,应用传统LBF模型及其改进算法对树木图像做分割实验,研究了模型参数对基于改进LBF算法的图像分割结果的影响,并通过实验进一步得出其最优参数组,使用该组参数进行多组实验,并与传统LBF模型算法的分割结果对比,验证了该算法的优越性。(本文来源于《东北林业大学》期刊2019-04-01）
梁玉亮[3]（2019）在《基于图像的树木叁维建模与树木参数提取》一文中研究指出树木是生态系统的重要组成部分,在维持碳氧平衡、保持生物多样性起到重要的作用。在虚拟现实与林业测绘中,树木的叁维模型一直都是研究重点,由于树木种类繁多,形态和结构差异大,虚拟植物建模成为计算机图形学研究的热点问题。目前树木叁维模型的构建方法有基于草图、基于规则、基于图像的方法等。基于图像的树木建模方法具有真实感强的特点,本文基于图像方法对树木叁维模型建立进行研究,以获得外观近似的树叁维模型,模型可应用在虚拟林业、虚拟现实等场景中。与此同时,随着摄影测量技术的不断发展,通过单张相片就可以对树木进行测量,本文对相机成像模型进行研究,以基于图像的测量方式快速获取测树因子,降低野外调查劳动强度,提高森林资源调查效率。本文的研究内容包括树木图像前景提取、树干与树冠提取、相机倾斜拍摄的图像校正、树木叁维模型建立和基于摄影测量的树木参数提取,首先针对树木图像背景复杂、结构不规则的问题,提出基于Close-Form与K-means的树木前景提取方法,方法能够在少量用户标记下,计算树木前景与背景。然后使用GMM与区域生长算法分割树冠和树干图像,方法引入余弦相似度的度量方式,充分利用GMM聚类概率信息。随后为了保留图像线性特征,推导单应矩阵对图像进行透视变换,校正倾斜摄影图像到正视图像。然后研究树木叁维模型建立方法,为了得到更真实的树木骨架信息,采用草图方式添加树木骨架,并提取树木主干与次级分枝拓扑结构,结合骨架拓扑关系与树冠凸包建立与真实树木形态相似的树木叁维模型。最后研究基于图像的树木参数提取方法,选取了常用的测树因子与叶面积指数进行研究,根据相机成像模型,获得倾斜图像像素坐标到现实空间坐标的转换关系,为验证方法的准确性,以采集的45个树木样本进行实验测试,摄影测量单木树高、冠幅、胸径指标,叁种测树因子的平均绝对误差分别为0.23m、0.17m、0.97cm,平均相对精度分别为5.74%、6.53%、8.62%。为反映树木长势与生长状况,定义树冠茂密度参量,以获取的测树因子与树冠茂密度作为输入,使用BP神经模型进行回归,反演单木叶面积指数。实验结果表明,相对于仅输入测树因子的BP神经模型模型,增加树冠茂密度作为输入的BP模型相关系数提高、均方误差降低,其中测试集均方误差达到0.24,相关系数达到0.77。本文所提出的基于图像的树木测量方法,符合林业调查的精度要求,一次采集就可获取多个参数,具有一定应用性。由于树木生长具有区域一致性,本文提出的叶面积指数反演模型具有一定参考性,对于城市行道树、人工林能够根据测树因子预测单木叶面积指数,便于对植物群落进行量化分析。(本文来源于《东北林业大学》期刊2019-04-01）
刘丹萍,聂宇航,许静,陈朋,王宋村[4]（2019）在《面向树木刷白机器人智能化的双目摄像头图像畸变矫正算法研究》一文中研究指出本文首先介绍了树木刷白机器人智能化的发展现状,然后对树木刷白机器人智能化技术框架进行了阐述,最后对面向双目视觉识别、测距和定位的图像畸变矫正算法进行了研究,为树木刷白机器人行业的机械智能化工作做了前期探索和铺垫工作,满足精准农林业的发展要求。(本文来源于《科技视界》期刊2019年01期）
张怡卓,梁玉亮,王小虎,于慧伶[5]（2019）在《一种基于K-means与Close-Form融合的树木图像提取方法》一文中研究指出基于图像的树木自动提取是其种类、长势、形态等信息智能化判别的基础,如何实现树木的自动、准确、快速提取是具有实用性的科学问题。在自然场景中,由于图像元素多样、颜色差异大,树木自身存在不规则性,树木提取难度非常大。针对现有的图像分割与图像抠图法在树木提取过程中分别存在的误分割与过程复杂所导致的计算量大的问题,提出了一种基于K-means聚类算法优化Close-Form图像抠图的树木提取方法。在少量的标记下,依据颜色线性假设进行最小化代价函数计算,得到图像透明度;对透明度图像依次进行中值滤波、高斯滤波,得到透明度的去噪图像;对滤波后透明度与标准化的图像绿色分量组成二维空间进行K-means二聚类,实现背景与前景对象的准确判定,进而完成自然背景的树木图像提取。为了验证所提方法在不同场景和不同标记下的树木提取有效性,设计了基于K-means图像分割和传统Close-Form抠图方法的比较性试验。结果表明,基于K-means优化Close-Form的树木提取方法解决了传统Close-Form算法在少量标记下图像前景、背景估计不准确问题,克服了图像分割存在的误分类情况,实现了不同自然环境和多目标树木对象的提取。此方法具有对象提取稳定、计算时间快的优点,相对原Close-Form算法用时减少49.98%。(本文来源于《西北林学院学报》期刊2019年02期）
王晓松,杨刚[6]（2018）在《一种融合聚类和分类算法的树木图像多目标优化分割方法》一文中研究指出【目的】结合树木图像颜色和纹理特征,融合聚类和分类算法对树木图像进行多目标优化分割,从而提高自然背景下树木图像分割的准确性。【方法】首先,利用MSCC框架理论,解决聚类和分类目标函数同时依赖于聚类中心的问题。然后,分别选定聚类性能评价指标函数和分类性能评价指标函数。最后,采用多目标进化优化方法——NSGA-Ⅱ算法进行优化,得到Pareto前端最优解集,并通过计算聚类有效性指数I的最大值,寻找最优解决方案。选择具有代表性的法国梧桐、侧柏、松树和杏树等自然背景下拍摄的4幅图像作为样本。分别采用Kmeans、Fuzzy C-means、对聚类目标函数进行单目标优化,采用MOPSO方法进行多目标优化,以及NSGA-Ⅱ方法进行多目标优化等5种方法对样本图像进行分割比较。【结果】在聚类中心数量相同、种群大小相同、遗传代数相同的条件下,指数I的值表明本文提出的分割方法优势显着。对于4类不同样本图像分割的指数I值进行对比可知,以HF指数为单目标函数进行遗传优化的结果优于单一使用K-means和FCM算法; MOPSO多目标优化方法分割结果优于单目标优化结果;基于NSGA-Ⅱ优化的多目标函数分割结果又优于MOPSO多目标优化结果。【结论】融合聚类和分类算法构建聚类性能评价指标函数和分类评价性能指标函数,并采用非支配排序遗传算法对多目标函数进行优化,能更好地保留树木图像的颜色和纹理特征,分割准确率显着提高。(本文来源于《北京林业大学学报》期刊2018年12期）
董天阳,陈东方,杨丽锦,姚佳洁,范菁[7]（2018）在《树木结构层次细化的立体树木图像构建》一文中研究指出目的 2维转3维技术可以将现有的丰富2维图像资源快速有效地转为立体图像,但是现有方法只能对树木的整体进行深度估计,所生成的图像无法表现出树木的立体结构。为此,提出一种树木结构层次细化的立体树木图像构建方法。方法首先利用Lab颜色模型下的像素色差区别将2维树木图像的树干区域和树冠区域分割开来,并对树冠区域进行再分割;然后,在深度梯度假设思想基础上建立多种类型的深度模板,结合深度模板和树冠的区域信息为典型树木对象构建初始深度图,并通过基础深度梯度图组合的方式为非典型树木进行个性化深度构建;最后,根据应用场景对树木深度信息进行自适应调整与优化,将树木图像合成到背景图像中,并构建立体图像。结果对5组不同的树木图像及背景图像进行了立体树木图像的构建与合成。结果表明,不同形态的树木图像都能生成具有层次感的深度图并自适应地合成到立体背景图像中,构建树木图像深度图的时间与原始树木图像的尺寸成正比,而构建立体树木图像并合成到背景中所需时间在2 4 s之间。对立体图像质量的主观评价测试中,这些图像的评分均达到良好级别以上,部分立体图像达到了优秀级别。结论该方法充分利用了树木的形态结构特征,能同时适用于典型和非典型树木,所构建的立体树木图像质量较高,具有丰富的层次感,并具有舒适的立体观看效果。(本文来源于《中国图象图形学报》期刊2018年09期）
宁霄,赵鹏[8]（2018）在《随机森林算法在树木年轮图像分割中的应用》一文中研究指出年轮图像早晚材的准确分割是树木年轮计数和间距测量的前提条件。为解决年轮本身生长的复杂性、采伐过程中的锯痕干扰、早晚材图像灰度差别较小等因素造成的分割难题,提出了一种基于随机森林(random forest,RF)算法的分类模型,可实现年轮图像的准确分割。首先,通过变换图像的颜色域空间,提取出样本图像在RGB、HSV和L*a*b*模型下的9个颜色分量,基于灰度共生矩阵提取样本图像的对比度、相关性、能量和熵的均值与标准差共8个纹理特征。然后,根据早晚材颜色与纹理特征的差异,基于随机森林算法构建像素分类器,实现年轮图像的早晚材的初步分割。为了提高分割图像的质量和准确度,对分割后的图像使用形态学方法消除孤立和黏连噪声,以得到最终分割图像。最后,将该方法与K-均值聚类(K-means)算法和支持向量机(support vector machine,SVM)算法进行对比。结果表明:所采用基于RF算法的分类模型分割年轮晚材的正确识别率为95%左右,错误识别率在6%左右,图像分割效果明显优于其他两种算法。(本文来源于《林业工程学报》期刊2018年04期）
任丽丽[9]（2018）在《基于图像处理的园林绿化中病害防治及其树木养护方法研究仿真》一文中研究指出文章提出基于图像处理的园林绿化中病害防治及其树木养护方法。该方法先融合区域增长分割的理论,对树木叶片中的病害图像进行分割,将病害图像重组为一维向量,利用LDP对病害图像一维向量进行维数约简,设定最近邻分类器。利用分类器识别树木病害类别,将高维空间的一维向量样本点表述在低维子空间,给出10个具有代表性的特征分量。获取树木病害的聚类中心分类特征向量,给出树木病害叶片的病斑类别的最大隶属度准则,由此设定园林绿化中的病害防治及其树木养护策略。试验仿真结果表明,该方法可以高效识别树木的病害类别,为园林绿化中的病害防治及其树木养护提供科学依据。(本文来源于《中国园艺文摘》期刊2018年03期）
赵娟娟,郭志成,苏芳,赵亚明[10]（2017）在《基于数字图像法树木年轮宽度测量方法研究》一文中研究指出针对树木年轮图像在复杂背景下分割难的问题,提出了利用绘图工具软件AutoCAD测量年轮宽度的数字图像法,分别应用数字图像测量法和千分式手工测量相同方向10年树龄各年的年轮宽度。结果表明,采用数字图像法能够进行年轮宽度的较快速、准确地测量,且具有测量方法简单、设备普及率高、经济成本低等优点。(本文来源于《工业仪表与自动化装置》期刊2017年06期）
树木图像论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
树木图像分割是树木可视化重建、树木精准对靶施药等研究的重要环节,对于树木生长态势评价和树木材积率以及森林蓄积量估计具有重要意义。本文对经典图像分割方法、C-V模型、LBF模型及其改进模型进行了理论研究,并应用不同模型算法对树木图像进行了分割实验,具体内容如下:研究了阈值分割法(迭代法、OTSU法、局部阈值法)、边缘检测算子(Canny算子、Sobel 算子、Roberts 算子、Prewitt 算子、Laplacian 算子、LoG-Laplacian 算子)以及区域分割法(种子区域生长法、区域分裂合并法)叁类算法的理论,并应用这些方法对树木图像进行图像分割实验,并分析了实验结果。研究了C-V模型理论,基于C-V模型对树木图像进行了图像分割实验,对分割结果进行了分析。研究了传统LBF(Local Binary Fitting)模型的理论,并对弱边缘分割效果不理想的缺陷进行了改进,应用传统LBF模型及其改进算法对树木图像做分割实验,研究了模型参数对基于改进LBF算法的图像分割结果的影响,并通过实验进一步得出其最优参数组,使用该组参数进行多组实验,并与传统LBF模型算法的分割结果对比,验证了该算法的优越性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
树木图像论文参考文献
[1].冯海林,胡明越,杨垠晖,夏凯.基于树木整体图像和集成迁移学习的树种识别[J].农业机械学报.2019
[2].李润佳.基于LBF算法的树木图像分割方法的研究[D].东北林业大学.2019
[3].梁玉亮.基于图像的树木叁维建模与树木参数提取[D].东北林业大学.2019
[4].刘丹萍,聂宇航,许静,陈朋,王宋村.面向树木刷白机器人智能化的双目摄像头图像畸变矫正算法研究[J].科技视界.2019
[5].张怡卓,梁玉亮,王小虎,于慧伶.一种基于K-means与Close-Form融合的树木图像提取方法[J].西北林学院学报.2019
[6].王晓松,杨刚.一种融合聚类和分类算法的树木图像多目标优化分割方法[J].北京林业大学学报.2018
[7].董天阳,陈东方,杨丽锦,姚佳洁,范菁.树木结构层次细化的立体树木图像构建[J].中国图象图形学报.2018
[8].宁霄,赵鹏.随机森林算法在树木年轮图像分割中的应用[J].林业工程学报.2018
[9].任丽丽.基于图像处理的园林绿化中病害防治及其树木养护方法研究仿真[J].中国园艺文摘.2018
[10].赵娟娟,郭志成,苏芳,赵亚明.基于数字图像法树木年轮宽度测量方法研究[J].工业仪表与自动化装置.2017