修剪系列：庭园树木的定形修剪

两年生以上树木可进行定形修剪。定形有多种目的，有些树木仅为了生长的需要，而有些则有更多的选择。如常绿树，常定为独干，有几乎从地面起即均匀分布的侧枝，树干圆润。落叶树定形的方法更多，但最好的定形方式是依照其原生境的自然生长状态。     

善化茶 土家山寨里的女儿红

九岭十三湾是地处恩施边地的善化最骄傲的资本，也是唯一的资本。九条岭上，青山连绵，树木苍劲，十三个湾里，一湾有个土家寨。这里的山，高大险峻，“山上雪花飘，山下桃花红”，大山拒绝了现代社会的冲击．给予遍地的都是自然本色：这里的寨子，静默在大山里，养育着朴实勤劳、热情好客的土家儿女。     

树木盆景的制作——（六）树木盆景造型的基本原则

以小见大,主次分明世上任何事物都不是单独存在的,而是有着千丝万缕的联系。大与小只是两者相比较而言,世上没有绝对大的事物,也没有绝对小的事物。没有大就显不出小,反之,没有小也就显不出大。以小见大,小是手段,不是目的;小是形式,大是内容,     

基于RGB色彩空间的四带树木图像颜色校正方法

针对图像受近红外光线参与的影响而出现偏色现象,介绍了一种基于RGB色彩空间的四带（RGB带和一个附加的近红外带）树木图像颜色校正方法. 该方法首先根据R-G差值图像,通过实验获取合适的阈值将四带树木图像二值化. 然后,利用中值滤波器和数学形态学对二值图像进行滤噪处理,提取出偏色较严重区域. 最后分区域进行颜色校正,达到消除近红外干扰的目的. 实验结果表明,该方法对部分常见含植物的场景图像有比较好的校正效果.     

绿化施工中提高植树成活率的关键环节技术

在园林绿化工程中,能否掌握树木栽植的要领,是影响树木栽植成活率的关键,提高树木种植成活率的关键技术环节主要有以下几个方面：     

自动驾驶汽车虚拟测试中的树木点云生成方法

自动驾驶汽车虚拟测试已成为自动驾驶或车路协同测试评价的一个重要手段,三维激光雷达数据模拟生成是自动驾驶汽车虚拟测试中的重要任务之一,目前多采用基于飞行时间原理的几何模型方法生成激光雷达三维点云数据,该方法生成点云实时性较差。布告牌是虚拟场景中常采用的树木建模方法,由于布告牌仅由两个矩形面片即八个三角形面片组成,直接采用布告牌方法生成的三维点云数据难以反映树木的真实空间信息。针对上述问题,提出了一种基于布告牌空间变换的快速树木三维点云生成方法。以布告牌的纹理图像为依据,根据纹理透明度获取树木二维平面点云分布,经二维树木点云的轮廓提取,结合树木结构的先验知识进行旋转、随机偏移和尺度变换,以更少的三角形面片数和更小的计算代价获得树木的三维点云数据。提出了一种空间直方图三维点云相似度评价方法,将三维点云空间量化为若干个子空间,获得三维点云的投影空间直方图,采用巴氏系数计算投影空间直方图相似度,以投影空间直方图加权相似度作为点云相似度评价值。实验结果表明,基于布告牌空间变换方法和几何模型方法生成的云杉等三种树木的三维点云数据的平均相似度在90%以上,且该方法生成树木点云的时间仅是几何模型法的1%,因此布告牌空间变换树木三维点云生成方法快速且准确,可以满足自动驾驶汽车虚拟测试的性能要求。     

基于三维激光扫描的树木点云三维建模

利用三维激光扫描得到的树木枝干点云数据为数据源,利用拉普拉斯算法对三维点云数据进行噪声去除工作,对去噪后的数据采用Delaunay三角网生长算法,构建点云数据的三角网格模型.     

视景建模中树木纹理图像的随机变形网格方法

目的 视景建模中,采用“公告板”贴图法对同树种不同个体树建模时,需生成各种形态各异的树木纹理图像,为此提出一种新的生成树木纹理图像的随机变形网格方法。方法 首先将树木的原始纹理图像进行网格划分,再对网格顶点进行随机变形,最后将生成的不规则网格中的图像映射到新图像中相应的规则网格上,得到变形后的纹理图像。结果 应用随机参数控制树木图像的变形,模拟出成长环境因素对树木形态的影响。本文方法比采集多幅个体树图像贴图方法更简便,容易实现;比用同一幅图像进行多个个体贴图的视觉效果更真实。结论 本文方法生成的树木纹理图像应用于“公告板”贴图时,在视景模型中能较好地模拟出同一树种的多个个体树情景。该方法基于图像的局部变形,仍然保持原始图像内容的整体基本形态和内部结构的连续性,因此,同样适用于其他不规则形状的自然景物(如山峦、河流、海浪等)的图像处理。