您现在的位置: 首页> 研究主题> 数码影像

数码影像

数码影像的相关文献在1995年到2022年内共计1861篇,主要集中在一般工业技术、自动化技术、计算机技术、无线电电子学、电信技术 等领域,其中期刊论文1740篇、会议论文15篇、专利文献55543篇;相关期刊466种,包括照相机、摄影与摄像、大众摄影:上半月等; 相关会议14种,包括第四届全国医学摄影与图像大会、全国测绘科技信息网中南分网第二十六次学术交流会、全国测绘科技信息网中南分网第二十五次学术信息交流会等;数码影像的相关文献由1082位作者贡献,包括于琪林、何文华、韩旭辉1等。

数码影像—发文量

期刊论文>

论文:1740 占比:3.04%

会议论文>

论文:15 占比:0.03%

专利文献>

论文:55543 占比:96.94%

总计:57298篇

数码影像—发文趋势图

数码影像

-研究学者

  • 于琪林
  • 何文华
  • 韩旭辉1
  • 刘晖
  • 王瑞
  • 冯海宽
  • 李浩
  • 史佳烨
  • 吕尚伟
  • 杨贵军
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

    • 曹中盛; 李艳大; 黄俊宝; 叶春; 孙滨峰; 舒时富; 朱艳; 何勇
    • 摘要: 【目的】为探究无人机数码影像监测水稻叶面积指数(Leaf area index,LAI)的可行性,明确利用无人机数码影像监测水稻LAI的最佳时期,构建基于无人机数码影像的水稻LAI监测模型。【方法】本研究基于不同品种和施氮量的水稻田间试验,于分蘖期、拔节期、孕穗期、抽穗期和灌浆期测定水稻LAI,同步使用无人机搭载数码相机获取水稻无人机数码影像并提取颜色指数及纹理特征,分析其在不同生育时期与水稻LAI之间的相关性,构建定量监测模型,并用独立试验数据对所建模型进行检验。【结果】无人机数码影像中颜色指数及纹理特征与水稻LAI之间的相关性在生育前期(分蘖期+拔节期)最高,高于所有单生育期、生育后期(孕穗期+抽穗期+灌浆期)和全生育期,可确定为监测的最佳时期;在颜色指数和纹理特征当中,纹理特征方差(Variance,VAR)在监测水稻生育前期LAI时表现最优,可构建监测模型LAI=1.1656×exp^((0.0174×VAR))实现监测,模型构建时的决定系数(Determination coefficient,R^(2))为0.7980,模型检验时的相对均方根误差(Relative root mean square error,RRMSE)和偏差(bias,θ)分别为0.1658和0.1306。【结论】与人工测量LAI相比,基于无人机数码影像的水稻LAI监测方法可提高作业效率,降低成本,在水稻长势快速准确监测和丰产高效栽培中具有应用价值。
    • 张黎黎
    • 摘要: 杂草是水稻生产中的重要有害生物,其影响水稻的产量、品质且威胁粮食安全和农业生产安全。为保障农地质量通常采用对农田大面积无差别喷施除草剂的手段来做杂草治理,但其农药残留也造成了环境污染。精准变量施药模式能够在保证作物的产量和质量的前提下有效减少对环境的污染。随着人工智能在农业中的应用领域不断扩展,也为杂草的精准识别与定位提供了新的方法和思路;依据高分辨率数码影像构建水稻杂草识别模型,形成喷施标准指导变量施药,对于农田智能化管理和无人机精准喷施具有重要意义。
    • 樊意广; 冯海宽; 刘杨; 边明博; 孟炀; 杨贵军
    • 摘要: 为及时准确地掌握作物的植株氮含量(PNC)信息,监测作物生长状况,实现农田氮素施肥的科学管理,以马铃薯为研究对象,首先获取了现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期的数码影像,并实测了各生育期的PNC、株高(H)和地面控制点(GCP)的三维坐标。其次利用各生育期的无人机数码影像与GCP结合生成试验区域的数字正射影像(DOM)和数字表面模型(DSM),并从中提取冠层光谱特征和株高(H_(dsm))。然后将各生育期提取的H_(dsm)和数码影像变量与地面实测的PNC进行相关性分析,从中筛选出相关性较好的影像变量和H_(dsm)作为马铃薯PNC估算模型的输入参数。最后分别基于影像变量和影像变量结合H_(dsm)利用多元线性回归(MLR)、误差反向传播(BP)神经网络和Lasso回归3种方法构建马铃薯PNC估算模型。结果表明:基于DSM提取的H_(dsm)与实测H具有较高的拟合度(R^(2)为0.860,RMSE为2.663 cm,NRMSE为10.234%);各生育期加入H_(dsm),均能提高马铃薯PNC的估算精度和稳定性;各生育期利用MLR方法构建的PNC估算模型优于BP神经网络和Lasso回归。该研究可为马铃薯PNC状况的高效、无损监测提供技术支撑。
    • 郭伟; 高春凤; 乔红波; 李成伟; 张枫; 张慧
    • 摘要: 棉叶螨是影响棉花产量和品质的主要虫害之一。为快速、准确、有效地监测棉叶螨发生情况,利用无人机搭载数码相机获取数码影像,并计算多种可见光植被指数作为初选特征因子,然后采用ReliefF-Pearson特征降维方法选取最佳建模特征,分别构建偏最小二乘回归(PLSR)、BP神经网络(BPNN)、随机森林(RF)的棉花冠层叶片叶绿素相对含量(SPAD)值遥感估测模型和棉叶螨严重度遥感估测模型。结果表明,棉叶螨严重度与棉花冠层叶片SPAD值呈显著负相关关系。经过精度评价,确定RF模型具有最佳性能,模型验证的决定系数和均方根误差为0.74、2.13。该研究结果表明利用棉花冠层叶片SPAD值遥感估测模型可准确估测棉叶螨为害情况,为棉叶螨的无损监测和病虫害防治提供参考依据。
    • 袁新刚
    • 摘要: 截止到今年四月中旬,大家会发现新发布的产品并不多,尤其是两大传统影像巨头佳能和尼康在今年的春季新品季并没有大动作,佳能只有一款RF微距镜头和两款RF长焦大炮发布,而尼康则一款新品也没有。佳能和尼康两家的旗舰机型一佳能的EOS R3和尼康的Z9都已经公布了开发公告,但发布和上市的日期还没有最终确定。宾得早就传出的APS-C画幅旗舰机型K-3 II也1迟迟没有发布。截止到四月中旬,春季新品发布动作最大的是富士和索尼,这两家包揽了新品名单中909%以上的产品。不过在数码相机方面,新品少得可怜,仅仅只有富士的X-E4、GFX100s和索尼的Alpha 1,其余的春季新品则都是镜头了。下面就来为大家盘点-下2021年的数码影像春季新品。
    • 摘要: 富士影像整体解决方案全线亮相近曰,第23届上海国际摄影器材和数码影像展览会在国家会展中心(上海)隆霞召开,富士胶片展出面积为过去最大的900平米.全面展示了从数码相机、一次成像相机、摄影胶卷等的影像输入产品.到家用打印机及照相馆、影楼等商用输出设备的整体解决方案。
    • 赵敏
    • 摘要: 随着数字技术的不断发展,数码影像图形设计发挥出越来越重要的作用.通过对数码影像图形设计中的意象呈现进行阐述,探讨意象图形语言的创意及方法,并借助视觉相关理论中视觉意象的知识,针对数码影像行为转变时形式与意义方面的变化进行总结.在此基础上,以数码影像图形设计中视觉意象设计过程说明图形对数字技术赋予创造能力之后呈现出的新特点,旨在通过这样的研究,进一步利用数字技术造就丰富的虚拟影像世界,使之发挥更大的价值.
    • 刘杨; 黄珏; 孙乾; 冯海宽; 杨贵军; 杨福芹
    • 摘要: 株高和地上生物量AGB (Above-Ground Biomass)是作物长势监测的重要指标,因此快速获取这些信息对指导田间管理具有重要意义.本研究通过无人机搭载高清数码相机分别获取马铃薯5个生育期的影像数据,地面实测株高H (heigh)和AGB以及地面控制点GCPs (Ground Control Points)的三维空间坐标.首先,利用试验区域的影像数据结合GCPs的位置信息从生成的数字表面模型DSM(Digital Surface Model)中提取出马铃薯的株高(Hdsm).其次,选取26种植被指数和H、Hdsm组成新的数据集与AGB作相关性分析,筛选出相关性较高的前7个植被指数同Hdsm作为估算马铃薯AGB的输入参数.然后,使用MLR (Multiple Linear Regression)、SVM(Support Vector Machine)和ANN(Artificial Neural Network)方法分别基于植被指数、植被指数和Hdsm构建马铃薯多生育期AGB估算模型,对不同估算模型进行比较分析,从而选择出AGB估算的最佳模型.结果 表明:基于DSM提取的Hdsm与实测株高H高度拟合(R2=0.86,RMSE=6.36 cm,NRMSE=13.42%);各生育期基于3种回归技术均以植被指数融入Hdsm构建的模型精度最高,估算能力最强;各生育期利用MLR方法构建的AGB估算模型效果最佳,其次为SVM-AGB估算模型,而ANN-AGB估算模型效果最差.该研究可为马铃薯AGB快速、无损监测提供科学参考.
    • 杨帅
    • 摘要: 在当前这个数字化、现代化的时代,融汇多种视觉语言进行艺术表达已成为一种趋势,数码影像与图形的融合更是在这一背景下成为必然,实现了准确生动的信息传达,赋予了观者更好的视觉体验,满足了观者更多的审美需求,为平面设计风格增添了新的养分.本文通过探析数码影像与图形融合的视觉感受,总结出融合的艺术表现形式,并深入平面设计内部,就其中几个代表性方面,如平面广告设计、包装设计、画册设计等领域的具体应用展开分析.
    • 颜安; 郭涛; 陈全家; 耿洪伟; 郭斌; 孙丰磊
    • 摘要: [目的]利用无人机遥感技术,快速、无损和高通量地获取田间株高表型信息,预测棉花品种(系)的长势监测及产量.[方法]以无人机(UAV)搭载高清数码相机构成低空遥感平台,获取110份处于花铃期棉花品种(系)影像,测定地面实际株高;利用拼接软件与高清数码影像,生成研究区数字表面模型(DSM)和高清正射影像(DOM);基于高清的DOM和DSM,利用克里金插值法生成研究区离散地面高程值(DEM),经作差提取棉花株高(CHM),利用不同棉花品种(系)实测株高(H)与提取的棉花株高(CHM)作回归分析.[结果]通过DOM可快速无损地监测花铃期各棉花品种(系)长势、叶色性状差异及分布状况,经DSM和克里金插值法提取的DEM和棉花株高分布图得出,研究区整体地势较平坦,高低落差仅0.5 m.所建株高模型R2达到0.8469,验证模型R2也达到0.7581.[结论]利用无人机影像生成的DOM、DSM和克里金插值法生成的DEM,提取的棉花花铃期株高(CHM)精度较高,无人机搭载数码相机进行棉花株高测定具有较好的适用性.为大范围的棉花田间株高观测提供一种新的研究方法是可行的.
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号