一种向日葵花盘尺寸测量方法

    公开(公告)号:CN109360236B

    公开(公告)日:2022-05-17

    申请号:CN201811254681.9

    申请日:2018-10-26

    Abstract: 本发明公开了一种向日葵花盘尺寸测量方法,提出一种采用图像处理进行快速、准确、非破坏性的获取向日葵花盘、圆盘等的尺寸的装置及方法。通过特制的背景板和遮挡板在现场非破坏性地采集向日葵的花盘图像,自动进行图像的投影变换,通过查找花盘的舌状小花的尖端点,采用本发明所提出的尖端包裹法确立花盘的尖端轮廓,通过测量向日葵花盘的多个不同径向的直径,并计算平均值作为向日葵花盘的直径。通过纹理分割、形态学的开运算和闭运算等操作,提取圆盘,并计算圆盘的直径。最后建立对花盘和圆盘的平均直径的预测模型。本发明准确性高,对尺度变化不敏感。能进行快速无损测量,人工工作量极小。自动化程度高,无需人工干预。

    一种向日葵花盘尺寸测量方法

    公开(公告)号:CN109360236A

    公开(公告)日:2019-02-19

    申请号:CN201811254681.9

    申请日:2018-10-26

    Abstract: 本发明公开了一种向日葵花盘尺寸测量方法,提出一种采用图像处理进行快速、准确、非破坏性的获取向日葵花盘、圆盘等的尺寸的装置及方法。通过特制的背景板和遮挡板在现场非破坏性地采集向日葵的花盘图像,自动进行图像的投影变换,通过查找花盘的舌状小花的尖端点,采用本发明所提出的尖端包裹法确立花盘的尖端轮廓,通过测量向日葵花盘的多个不同径向的直径,并计算平均值作为向日葵花盘的直径。通过纹理分割、形态学的开运算和闭运算等操作,提取圆盘,并计算圆盘的直径。最后建立对花盘和圆盘的平均直径的预测模型。本发明准确性高,对尺度变化不敏感。能进行快速无损测量,人工工作量极小。自动化程度高,无需人工干预。

    一种扩展全对称多胞形集员Kalman混合滤波方法

    公开(公告)号:CN108520233A

    公开(公告)日:2018-09-11

    申请号:CN201810309569.4

    申请日:2018-04-09

    Abstract: 本发明提出了一种扩展全对称多胞形集员Kalman混合滤波方法,针对非线性系统模型开展系统状态变量的最优滤波计算,实施了Taylor级数多项式扩展来逼近非线性系统函数,获得系统线性化等价模型;注重对线性化操作的高阶截断误差处理,把Taylor级数线性化的高阶项误差利用全对称多胞形逼近计算,开展全对称多胞形集员滤波计算;对于系统状态变量的高斯噪声仍然利用传统的Kalman滤波计算,实现全对称多胞形和Kalman混合滤波计算。本发明改善了非线性系统状态变量参数最优估计精度和系统计算稳定性,经由SLAM系统仿真实验,与传统扩展Kalman滤波算法对比,本发明具有较好的计算优势与计算效能。

    基于Fourier-Hermite正交多项式扩展椭球集员滤波方法

    公开(公告)号:CN108508463A

    公开(公告)日:2018-09-07

    申请号:CN201810266008.0

    申请日:2018-03-28

    Abstract: 本发明提出了一种基于Fourier-Hermite正交多项式扩展椭球集员滤波方法,其步骤为:建立GNSS/INS组合导航系统的模型方程;计算第k-1步的系统状态参数分量的不确定区间;对状态方程和观测方程实施Fourier-Hermite级数多项式逼近;计算Fourier-Hermite级数多项式逼近的误差边界,获取非线性方程的Fourier-Hermite级数多项式逼近计算误差的外包椭球;利用线性椭球集员滤波算法计算预测状态变量的椭球边界、更新状态椭球边界、计算第k步的状态参数变量估计值和估计方差矩阵。本发明利用Fourier-Hermite级数多项式获得非线性系统模型的线性化逼近,计算精度较高,降低了计算复杂度,并且有效保证了扩展椭球集员滤波算法的计算稳定性。

    基于比特置换与动态DNA编码的混沌图像加密方法

    公开(公告)号:CN106952213A

    公开(公告)日:2017-07-14

    申请号:CN201710157936.9

    申请日:2017-03-16

    CPC classification number: G06T1/0021

    Abstract: 本发明提出了一种基于比特置换与动态DNA编码的混沌图像加密方法,用以解决现有基于混沌系统的图像加密方法的混沌动力学特性退化,影响混沌加密的安全性的问题。本发明首先利用Keccak算法计算给定DNA序列的散列值,并以此散列值生成混沌映射的初始状态值,采用超混沌Chen系统产生混沌映射索引对图像进行像素位置全局置乱,再结合Butterfly网络对每个像素进行比特位置乱,以实现位级别置乱;然后通过对图像进行动态DNA编码,并与给定的DNA序列进行异或运算,实现像素的替代;最后通过密文反馈来进一步增强其混淆和扩散特性。本发明不仅密钥空间大、对密钥的敏感性强,而且能有效抵御统计性分析和穷举分析等攻击操作。

    一种基于双向SIFT流运动评估的大位移目标稀疏跟踪方法

    公开(公告)号:CN106447696A

    公开(公告)日:2017-02-22

    申请号:CN201610863484.1

    申请日:2016-09-29

    CPC classification number: G06T2207/10016 G06T2207/20081 G06T2207/30232

    Abstract: 本发明公开了一种基于双向SIFT流运动评估的大位移目标稀疏跟踪方法,其步骤如下:初始化字典;采用双向SIFT流技术评估目标运动位移:对相邻两帧图像中的所有像素点采用SIFT流技术进行特征匹配,采用点轨迹滤波机制,建立跟踪目标中像素点的可靠运动轨迹集合,依据可靠点对的集合,确定跟踪目标的运动状态;获取观测样本集合;依据稀疏表示理论,计算稀疏外观模型的稀疏系数矩阵;获得观测样本的重构误差;字典模板更新;重复上述操作实现大位移运动目标的跟踪。本发明对动态摄像机下目标存在帧间运动大位移时能够有效地实现持续性跟踪,实现了帧间存在大运动位移目标的精确跟踪,提高了在复杂场景下跟踪的适应能力。

Patent Agency Ranking