1 西北农林科技大学 机械与电子工程学院, 陕西 杨凌 712100
2 西北农林科技大学 信息工程学院 , 陕西 杨凌 712100
3 悉尼大学 信息技术学院,悉尼 NSW2006
杂草的识别分类在精准农业的变量喷施中具有重要的作用.因此提出了一种新的基于SVM(支持向量机), 利用决策二叉树在可见/近红外图像中识别作物和杂草的方法.根据近红外波段的光谱特性, 利用阈值法实现了植物和土壤背景的分割.将植物冠层的多光谱反射特征、纹理特征和形状特征相结合, 采用最大投票机制算法构造合理的决策二叉树, 实现了分类.对玉米幼苗及其伴生杂草的识别结果表明, 基于SVM, 利用决策二叉树的多类分类, 可极大的提高分类精度, 满足农业应用的实时性要求, 与其他方法相比具有较好的结果.
精准农业 图像分割 杂草识别 支持向量机 precision agriculture image segmentation weed detection support vector machine
1 苏州大学电子信息学院, 苏州 215021
2 香港理工大学电子及资讯工程学系, 香港
3 悉尼大学信息技术学院, 澳大利亚 悉尼
针对荧光分子断层成像中相应于激发光和发射光的两个正向方程必须串行求解的实际情况, 提出了一种可同时对两个扩散方程进行求解的并行算法。其思想是通过引入乘子矩阵对耦合方程进行解耦来实现并行计算, 并利用有限元方法进行了二维数值模拟, 将算法求解所得结果与基于串行方法, 以Ralf B. Schulz等提出的并行算法所得到的数值模拟结果进行了综合比较。实验表明, 该算法一方面适合于任何大小的斯托克斯频移条件, 具有更广泛的适应性;另一方面提高了荧光分子断层成像正向问题的求解速度和精度,从而有利于整个荧光分子断层成像的快速精确求解。
成像系统 荧光分子断层成像 正向问题 并行计算 数值模拟