本文關(guān)鍵詞：基于視覺顯著性和脈沖耦合神經(jīng)網(wǎng)絡(luò)的成熟桑葚圖像分割　出處：《農(nóng)業(yè)工程學(xué)報(bào)》2017年06期 　論文類型：期刊論文

  更多相關(guān)文章： 圖像分割 機(jī)器視覺 模型 桑葚 視覺顯著性 頻率調(diào)諧 脈沖耦合神經(jīng)網(wǎng)絡(luò)

【摘要】：為了提高在自然采摘環(huán)境中成熟桑葚機(jī)器視覺識別的有效性和魯棒性,克服圖像目標(biāo)形態(tài)小、分布雜散、背景干擾多和光照不均勻等困難,該文提出了一種采用視覺顯著性和脈沖耦合神經(jīng)網(wǎng)絡(luò)(pulse coupled neural network,PCNN)模型的成熟桑葚圖像分割方法。該方法首先將采集的圖像映射到Lab顏色空間,利用空間顏色分量的算術(shù)平均值和高斯濾波值之間的差異,構(gòu)建起桑葚圖像的頻率調(diào)諧視覺顯著圖;其次,提取采集圖像在HSI顏色空間的色調(diào)分量,經(jīng)過均衡化處理后,與視覺顯著圖進(jìn)行融合,實(shí)現(xiàn)桑葚目標(biāo)的融合特征表達(dá);最后,通過改進(jìn)的分層閾值化脈沖耦合神經(jīng)網(wǎng)絡(luò)模型進(jìn)行目標(biāo)分割以及形態(tài)學(xué)處理,得到成熟桑葚的識別結(jié)果。利用從重慶市天府鎮(zhèn)果桑生態(tài)園采集到的200余幅桑樹掛果圖像進(jìn)行試驗(yàn),結(jié)果表明,該方法能夠在不同光照條件的復(fù)雜背景下,有效分割出成熟果實(shí),平均誤分率為1.87%,優(yōu)于結(jié)合頻率調(diào)諧視覺顯著性的OTSU法(17.73%)、K-means聚類算法(10.69%)、基于Itti視覺顯著性的PCNN分割方法(7.34%)和基于GBVS(graph-based visual saliency,GBVS)視覺顯著性的PCNN分割方法(5.83%)。研究結(jié)果為成熟桑葚果實(shí)的智能化識別提供參考。
[Abstract]:In order to improve the effectiveness and robustness of visual identification of mature mulberry in natural picking environment , this paper presents a mature mulberry image segmentation method using pulse coupled neural network ( PCNN ) model .

【作者單位】： 重慶大學(xué)光電技術(shù)及系統(tǒng)教育部重點(diǎn)實(shí)驗(yàn)室;西南大學(xué)電子信息工程學(xué)院;重慶市北碚區(qū)農(nóng)業(yè)委員會;
【基金】：教育部博士點(diǎn)基金(20130191110021) 中央高�；緲I(yè)務(wù)費(fèi)專項(xiàng)資金資助(XDJK2013C157)
【分類號】：TP391.41;TP183
【正文快照】： 0引言 桑葚又名桑果,是落葉喬木桑樹(Morus alba Linn)的果實(shí),是國家營養(yǎng)學(xué)會認(rèn)定的20種食藥同源果蔬之一,其保健作用和營養(yǎng)價值早為人們熟知,具有較高的市場價值[1-3]。但是,桑葚屬于漿果類果實(shí),成熟后掛果時間短,常溫下12~18 h即變色、脫落和腐爛[4-5],這就需要對桑樹掛果

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 唐偉力;龍建忠;;一種基于降雨模型的圖像分割方法在礫巖圖像分割中的應(yīng)用[J];成都信息工程學(xué)院學(xué)報(bào);2007年02期

2 黃曉莉;曾黃麟;王秀碧;劉永春;;基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的圖像分割[J];信息技術(shù);2008年09期

3 肖飛;綦星光;;圖像分割方法綜述[J];可編程控制器與工廠自動化;2009年11期

4 汪一休;;一種交互式圖像分割的修正優(yōu)化方法[J];中國科學(xué)技術(shù)大學(xué)學(xué)報(bào);2010年02期

5 李丹;;圖像分割方法及其應(yīng)用研究[J];科技信息;2010年36期

6 龔永義;黃輝;于繼明;關(guān)履泰;;基于熵的兩區(qū)域圖像分割[J];中國圖象圖形學(xué)報(bào);2011年05期

7 張甫;李興來;陳佳君;;淺談圖像分割方法的研究運(yùn)用[J];科技創(chuàng)新與應(yīng)用;2012年04期

8 汪梅;何高明;賀杰;;常見圖像分割的技術(shù)分析與比較[J];計(jì)算機(jī)光盤軟件與應(yīng)用;2013年06期

9 魏慶;盧照敢;邵超;;基于復(fù)雜性指數(shù)的圖像分割必要性判別技術(shù)[J];計(jì)算機(jī)工程與應(yīng)用;2013年16期

10 陳曉丹;李思明;;圖像分割研究進(jìn)展[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2013年33期

相關(guān)會議論文 前10條

1 楊魁;趙志剛;;圖像分割技術(shù)綜述[A];2008年中國高校通信類院系學(xué)術(shù)研討會論文集（下冊）[C];2009年

2 楊暄;郭成安;李建華;;改進(jìn)的脈沖耦合神經(jīng)網(wǎng)絡(luò)及其在圖像分割中的應(yīng)用[A];第十屆全國信號處理學(xué)術(shù)年會（CCSP-2001）論文集[C];2001年

3 楊生友;;圖像分割在醫(yī)學(xué)圖像中應(yīng)用現(xiàn)狀綜述[A];2009中華醫(yī)學(xué)會影像技術(shù)分會第十七次全國學(xué)術(shù)大會論文集[C];2009年

4 閆平昆;;基于模型的圖像分割技術(shù)及其醫(yī)學(xué)應(yīng)用[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

5 高嵐;胡友為;潘峰;盧凌;;基于小生境遺傳算法的SAR圖像分割[A];可持續(xù)發(fā)展的中國交通——2005全國博士生學(xué)術(shù)論壇（交通運(yùn)輸工程學(xué)科）論文集（下冊）[C];2005年

6 孫莉;張艷寧;胡伏原;趙榮椿;;基于Gaussian-Hermite矩的SAR圖像分割[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

7 李盛;;基于協(xié)同聚類的圖像分割[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

8 張利;許家佗;;舌象圖像分割技術(shù)的研究與應(yīng)用進(jìn)展[A];中華中醫(yī)藥學(xué)會中醫(yī)診斷學(xué)分會第十次學(xué)術(shù)研討會論文集[C];2009年

9 秦昆;李振宇;李輝;李德毅;;基于云模型和格網(wǎng)劃分的圖像分割方法[A];《測繪通報(bào)》測繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

10 高惠琳;竇麗華;陳文頡;謝剛;;圖像分割技術(shù)在醫(yī)學(xué)CT中的應(yīng)用[A];中國自動化學(xué)會控制理論專業(yè)委員會A卷[C];2011年

相關(guān)博士學(xué)位論文 前10條

1 白雪飛;基于視覺顯著性的圖像分割方法研究[D];山西大學(xué);2014年

2 黃萬里;基于高分衛(wèi)星數(shù)據(jù)多尺度圖像分割方法的天山森林小班邊界提取研究[D];福建師范大學(xué);2015年

3 王輝;圖像分割的最優(yōu)化和水平集方法研究[D];電子科技大學(xué);2014年

4 高婧婧;腦部MR圖像分割理論研究[D];電子科技大學(xué);2014年

5 潘改;偏微分方程在圖像分割中的應(yīng)用研究[D];東北大學(xué);2013年

6 馮籍瀾;高分辨率SAR圖像分割與分類方法研究[D];電子科技大學(xué);2015年

7 李偉斌;圖像分割中的變分模型與快速算法研究[D];國防科學(xué)技術(shù)大學(xué);2014年

8 鄧曉政;基于免疫克隆選擇優(yōu)化和譜聚類的復(fù)雜圖像分割[D];西安電子科技大學(xué);2014年

9 帥永e，

本文編號：1388276