为了快速有效地提取作物行, 提出了基于机器视觉的农田作物行检测方法。图像预处理过程中, 用中心线检测算法代替垂直投影法获得作物行信息; 直线检测中提出了一种基于随机方法的新算法。该算法首先在由图像定位点构成的数据空间中随机选取两个不同点, 这两点决定一条直线; 然后在一定的距离容忍度下, 得到一个沿直线方向的条形区域, 并在此区域内搜索定位点的个数; 最后根据阈值规则, 判断该直线的真实性。针对大量不同生长时期、不同光照条件下麦田图像的处理, 结果表明, 一幅图像的处理时间约为120 ms, 能够快速准确地提取作物行。对比该算法与霍夫变换和随机霍夫变换, 证实了它具有节省内存、速度快、抗干扰等优点。

【原书名】Image Processing And Analysis: Variational, Pde, Wavelet, And Stochastic Methods 【中译名】图像处理与分析：变分，PDE，小波及随机方法 【出版社】Society for Industrial and Applied Mathematic 【作　者】Tony F. Chan;Jianhong Shen

经典制作，值得推荐

《图像处理与分析：变分、pde、小波及随机方法》首先介绍了对于现代图像分析和处理有重要意义的一般数学、物理和统计背景，包括曲线和曲面的微分几何、有界变差函数空间、统计力学的要素及其在图像分析中的含义、贝叶斯估计理论一般框架、滤波和扩散的紧理论以及小波理论的要素；同时讨论了图像建模和表示的方法，包括各种确定型的图像模型、随机的gibbs图像模型以及自由边界分割模型．本书讨论四种最常见的图像处理任务如图像降噪、图像去模糊、图像修复或插值以及图像分割的建模和计算。

在油藏历史记录中，通常使用最小二乘目标函数来使预测的生产数据与观测值之间的不匹配最小化。 但是，作为历史匹配是具有非唯一解的不适定逆问题，之后的储层模型仅通过匹配生产数据，校准可能与实际的地质模型相去甚远。 为了解决这个问题，实施了一种用于储层历史匹配的正则化方法，该方法不仅匹配生产数据，而且还使用先前的地质信息来校正和更新当前储层模型，从而使更新后的模型保持一致。地质模型。 本文将同时摄动随机逼近法（SPSA）与快速流线模拟相结合，为优化目标函数提供了一种有效的方法。 作为一种随机近似算法，SLSPSA可以保证算法的收敛性。 与基于梯度的算法相比，它避免了伴随或敏感矩阵的大量计算和存储。 在算法的计算过程中，实现了并行计算，减少了仿真时间，提高了计算效率。 通过匹配示例测试验证了该方法。

随机方法手册（新西兰.加纳德著）是被翻译成中文的国外经典教材

图像处理与分析——变分，PDE，小波及随机方法 本书是图像处理领域一本令人激动的书籍．作者从变分法、偏微分方程、小波方法及随机方法的框架下对图像处理和分析进行了深入浅出的描述和分析。 本书首先介绍了对于现代图像分析和处理有重要意义的一般数学、物理和统计背景，包括曲线和曲面的微分几何、有界变差函数空间、统计力学的要素及其在图像分析中的含义、贝叶斯估计理论一般框架、滤波和扩散的紧理论以及小波理论的要素；同时讨论了图像建模和表示的方法，包括各种确定型的图像模型、随机的Gibbs图像模型以及自由边界分割模型．本书讨论四种最常见的图像处理任务如图像降噪、图像去模糊、图像修复或插值以及图像分割的建模和计算，这些实际的图像处理任务在统一的数学框架下能够得到完整的分析和深入的理解。