杨森
- 作品数：4 被引量：10H指数：2
- 供职机构：甘肃农业大学工学院更多>>
- 发文基金：国家自然科学基金甘肃省科技重大专项计划更多>>
- 相关领域：自动化与计算机技术更多>>
- FHN神经元传输特性研究
- 王关平杨森靳伍银
- 关键词：随机共振
- 基于光学模型的退化叶片图像复原方法被引量：2
- 2017年
- 针对空气浮尘造成植物叶片图像颜色失真、细节信息模糊问题,采用一种基于光学成像模型的灰尘去除算法,对退化叶片图像颜色进行恢复。首先根据灰尘颗粒对光线的反射和散射特性,建立叶片图像退化模型;然后利用有尘黑卡对光谱的反射特性计算出灰尘的反射率,在此基础上结合暗元原理和小波变换估计出入射光强及透射率2个模型参数。采用色卡和葡萄叶片图像测试算法的有效性。试验结果表明:本研究算法对叶片颜色有较好的恢复效果,复原后图像a、b分量(CIE Lab颜色模型)的平均绝对误差显著降低,有效地提高了图像的对比度和清晰度。试验还表明,本研究算法对不同天气和照明条件、不同品种的葡萄叶片图像均有较好的颜色恢复效果。
- 杨森冯全王书志杨梅
- 关键词：叶片图像
- 基于改进可变形部件模型与判别模型的葡萄叶片检测与跟踪被引量：4
- 2017年
- 为解决酿酒葡萄生长状态自动监测问题,该文提出基于机器视觉和视频处理技术的自动监测系统,开发了多角度可变形部件模型的葡萄叶片检测算法和基于颜色特征的判别模型跟踪算法。在叶片检测方面,该算法对颜色特征图像采用可变形部件模型训练出多角度叶片检测器,通过多模型匹配后产生叶片检测候选集合,选择集合中得分最高的检测结果作为最后的定位信息;在跟踪方面,结合图像中目标的颜色直方图,建立具有区分背景和目标的组合判别模型,并将位置函数的最大值作为相邻帧的目标位置,从而实现对叶片目标的实时跟踪。试验结果表明,该文检测算法对自然条件下的葡萄叶片平均检测率为88.31%,误检率为8.73%;叶片跟踪的准确性也相对较高,其重叠率高达0.83,平均中心误差为17.33像素,其证明了该算法的有效性,研究结果为葡萄生长状态的自动分析提供参考。
- 杨森冯全王书志张芮
- 关键词：机器视觉图像处理葡萄叶片
- 彩色叶片图像去尘算法被引量：4
- 2016年
- 针对户外降尘造成叶片图像中颜色失真、细节信息模糊的问题,提出一种基于光学模型的单幅图像的自动去尘算法.首先根据光线在尘土层和空气中的传播方式建立了一种退化模型;然后结合光学反射成像模型和暗元色原理估计出环境光强及传输量2个模型参数;最后在该退化模型的基础上实现叶片图像尘土的快速去除,并用有尘土层的标准色卡和葡萄叶片图像检验算法的有效性.实验结果表明,文中算法对2种图像均有较好的去尘效果,复原后图像的H和S分量与无尘图像的偏离程度得到了明显改善,重现了图像的颜色和清晰度,获得了满意的视觉效果;该算法对不同天气和照明条件、不同品种的葡萄叶片图像均有较好的颜色恢复效果.
- 杨森冯全杨梅李妙祺
- 关键词：图像复原
