基于openCV的玉米出苗期和三叶期自动检测系统的设计

为了远程实时动态监测玉米长势,为农事活动提供准确的玉米生长状态信息,提出了基于轮廓和骨架提取的玉米出苗期和三叶期的自动识别算法。该算法实现了对玉米图像的分割,并对图像中轮廓和骨架等图像特征进行提取,根据所提取的图像特征判断玉米是否进入出苗期或三叶期。利用该算法与计算机视觉库openCV进行玉米出苗期和三叶期的检测系统的设计,实现了玉米出苗期和三叶期的自动识别。此外,在VS2013环境下实现了对一个简单的玉米出苗期和三叶期的自动检测系统软件的界面开发。该系统对玉米出苗期和三叶期的识别速度较快,识别结果准确,可以作为玉米全部生长期检测系统的开发基础。     

一种有效的序列农作物图像360度自动拼接方法

提出了一种基于加速鲁棒特征（SURF：Speeded-Up Robust Features）和K最近邻算法（K-Nearest Neighbor Search,K-NNS,K=2）的序列农作物图像360度拼接方法。首先利用SURF算法进行特征点提取。然后使用K最近邻算法对特征点进行匹配,保存最优的匹配置信度。利用改进的算法避免了手动设置置信度阈值的弊端,对序列农作物图像进行正确排序。对排序后的图像进行照相机参数估计,粗略估计出旋转参数,利用光束平差法对旋转参数进行精确估算。对全景图进行立体映射,最后对图像进行拼接和多频段融合。实验表明,此算法不但可以高效的实现农作物序列图像的自动拼接,与原有算法相比更具鲁棒性。而且拼成的全景图更具完整性和视觉一致性,具有较高的实用价值,有利于对农田的全面观测。