作者:沈跃,徐慧,刘慧,李宁 单位:中国农业工程学会 出版:《农业工程学报》2016年第19期 页数:7页  (PDF与DOC格式可能不同) PDF编号:PDFNYGU2016190260 DOC编号:DOCNYGU2016190269 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于Kinect传感器的瞳孔定位算法》PDF+DOC2015年第02期 杨文璐,郑加悦,占婵,夏斌,谢宏 《基于Kinect传感器的无接触式母猪体况评分方法》PDF+DOC2018年第13期 滕光辉,申志杰,张建龙,石晨,余炅桦 《基于K-means聚类的WSN能耗均衡路由算法》PDF+DOC2011年第11期 张海燕,刘虹 《《计算机应用》2010年第30卷第1~12期总目次》PDF+DOC2010年第12期 《自适应选取聚类中心K-means航迹起始算法》PDF+DOC2014年第05期 宫峰勋,戴丽华,马艳秋 《k-means聚类算法在油水界面检测中的应用》PDF+DOC2014年第01期 刘远红,习玉阳,吴华远,郑敏红,李艳平 《红外传感器目标跟踪算法》PDF+DOC2001年第02期 王国宏,毛士艺,何友 《基于区域生长规则的多传感器漏磁检测信号分割方法》PDF+DOC2010年第24期 杨海英,于永亮,杨志鹏 《基于雷达回波相关特征的海杂波抑制方法》PDF+DOC2009年第06期 於建生,马红星,朱征宇 《《计算机应用》总目次(2008年1~12期)》PDF+DOC2008年第12期
  • 针对Kinect传感器应用于农业植株检测产生的图像噪声问题,特别是由光线以及传感器自身局限导致的匹配图像目标植株数据的缺失,提出一种基于K-means和近邻回归算法的植株深度检测图像修复方法。首先对Kinect传感器获取的彩色RGB图像进行阈值分割预处理提取植株目标区域,再利用K-means聚类算法去除背景噪声,使得植株目标区域轮廓更加清晰;然后基于配准的彩色图像和深度图像,对获取的深度图像中可疑像素点的深度数据采取近邻回归算法进行修复,再将修复后的深度图像与目标分割后的彩色图像进行植株区域的匹配,并进行二次近邻回归算法修正错误的深度数据,最后获取目标植株深度信息的检测图像。试验结果证明,采用RGB阈值分割和K-means聚类算法植株目标区域分割误差均值为12.33%,比单一RGB阈值分割和K-means聚类分割误差降低了12.12和41.48个百分点;同时结合聚类后的彩色图像对深度数据进行两次近邻回归算法修复深度数据,能够提高深度数据边缘的清晰度,单帧深度数据空洞点进行修复数据的准确度提高。该研究结果可为农业植株检测、植株三维重构、精准对靶喷雾等提供参考.....。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。