导读:本文包含了桔子树干论文开题报告文献综述及选题提纲参考文献，主要关键词:树干,颜色特征,图像分割,数字图像处理
桔子树干论文文献综述
陈庆丰,邱白晶[1]（2010）在《基于颜色特征的桔子树干图像分割方法》一文中研究指出根据桔子树干颜色的特点,提出了一种图像分割方法。首先,利用颜色特征定位ROI;然后,计算该区域的颜色特征向量提取桔子树干;最后,对不连续的桔子树干区域利用数学形态学方法进行自动修补。实验结果表明,该方法能够有效地提取出桔子树干,并确定其质心和面积,算法的平均识别率达到了86.93%。(本文来源于《农机化研究》期刊2010年02期）
陈庆丰[2]（2009）在《识别桔子树干的图像处理方法研究》一文中研究指出基于视觉的自动导航研究一直是当今计算机视觉的热点之一。本研究是智能泔橘收获机器人自动导航技术研究的一个基础部分,用桔子树干的存在和位置信息代表果树的有无与位置信息。桔子树干图像分割和特征提取,是将摄像机采集的图像中的桔子树干与所在周围环境分割,并且获取特征点数据的方法和技术。本文在对常规的图像分割算法的研究和分析的基础上,针对桔子树干图像本身的特点并结合先验知识,提出了适用于桔子树干图像分割的算法,初步实现了桔子树干图像的计算机自动分割。本研究的主要内容和结论如下:1.运用叁种常规图像分割算法试分割桔子树干图像,分析对比叁种算法的分割效果,得出简单利用常规方法不能够满足桔子树干自动分割的要求。2.提出了基于彩色图像分割的算法。本文通过对桔子树干图像分析,发现桔子树干区域中的像素点的G分量值与R分量值的比值大约为0.9。根据这一特征选择初始颜色特征向量进行彩色图像分割,经过线性空间滤波、形状特征分割等主要处理步骤,可以提取出桔子树干。采用数学形态学运算修复分割中产生的桔子树干不连续区域,可以完全消除图像中的孔洞,对断裂区域的连接效果良好。正确识别率达到了75%。3.本文提出了适用于桔子树干分割的剥离算法。桔子树干图像可分为叁部分:桔子树干区域、绿色区域以及背景区域。算法思想是依次去除绿色区域和背景区域,则保留下来的就是桔子树干区域,就可以精确的将桔子树干从图像中分割出来。本算法通过对像素点亮度值的操作,成功的在彩色图像中完全去除桔子树冠和杂草区域、天空背景及亮斑等区域,而几乎不改变桔子树干区域的信息。在二值图像中,运用树干与土壤背景的之间的形态特征分别去除土壤背景。经过对40幅图像进行试验,该算法的识别正确率达到了92.5%,桔子树干识别率平均达到了86.2%,平均处理时间为1.535s。将提取的桔子树干还原到原图像中,桔子树干中轴线的定位误差平均为0.802 pixel。总之,本论文所提出的识别桔子树干的图像处理方法,可以为我国的水果收获机器人研究提供基础,本研究的成果及方法为推进其他水果机器人的自动化与智能化进程提供了一种有效的新思路。(本文来源于《江苏大学》期刊2009-04-01）
桔子树干论文开题报告
（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：
基于视觉的自动导航研究一直是当今计算机视觉的热点之一。本研究是智能泔橘收获机器人自动导航技术研究的一个基础部分,用桔子树干的存在和位置信息代表果树的有无与位置信息。桔子树干图像分割和特征提取,是将摄像机采集的图像中的桔子树干与所在周围环境分割,并且获取特征点数据的方法和技术。本文在对常规的图像分割算法的研究和分析的基础上,针对桔子树干图像本身的特点并结合先验知识,提出了适用于桔子树干图像分割的算法,初步实现了桔子树干图像的计算机自动分割。本研究的主要内容和结论如下:1.运用叁种常规图像分割算法试分割桔子树干图像,分析对比叁种算法的分割效果,得出简单利用常规方法不能够满足桔子树干自动分割的要求。2.提出了基于彩色图像分割的算法。本文通过对桔子树干图像分析,发现桔子树干区域中的像素点的G分量值与R分量值的比值大约为0.9。根据这一特征选择初始颜色特征向量进行彩色图像分割,经过线性空间滤波、形状特征分割等主要处理步骤,可以提取出桔子树干。采用数学形态学运算修复分割中产生的桔子树干不连续区域,可以完全消除图像中的孔洞,对断裂区域的连接效果良好。正确识别率达到了75%。3.本文提出了适用于桔子树干分割的剥离算法。桔子树干图像可分为叁部分:桔子树干区域、绿色区域以及背景区域。算法思想是依次去除绿色区域和背景区域,则保留下来的就是桔子树干区域,就可以精确的将桔子树干从图像中分割出来。本算法通过对像素点亮度值的操作,成功的在彩色图像中完全去除桔子树冠和杂草区域、天空背景及亮斑等区域,而几乎不改变桔子树干区域的信息。在二值图像中,运用树干与土壤背景的之间的形态特征分别去除土壤背景。经过对40幅图像进行试验,该算法的识别正确率达到了92.5%,桔子树干识别率平均达到了86.2%,平均处理时间为1.535s。将提取的桔子树干还原到原图像中,桔子树干中轴线的定位误差平均为0.802 pixel。总之,本论文所提出的识别桔子树干的图像处理方法,可以为我国的水果收获机器人研究提供基础,本研究的成果及方法为推进其他水果机器人的自动化与智能化进程提供了一种有效的新思路。
（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。
桔子树干论文参考文献
[1].陈庆丰,邱白晶.基于颜色特征的桔子树干图像分割方法[J].农机化研究.2010
[2].陈庆丰.识别桔子树干的图像处理方法研究[D].江苏大学.2009