圖像分割[1]方法主要分為兩大部分,第一部分是傳統(tǒng)視覺的圖像分割算法,第二部分是深度學(xué)習(xí)算法。傳統(tǒng)的圖像分割方法分為灰度閾值分割法、基于邊緣地方法和基于特定理論的分割方法等。由于其效率比較低,算法比較復(fù)雜以及效果提升空間較大的原因,目前已經(jīng)很少使用。對于深度學(xué)習(xí)算法,目前比較常用的是利用支持向量機算法作為分類算法,結(jié)合多種不同的算法,如遺傳算法[2]（GA）或分水嶺算法[3],以減弱單純使用支持向量機帶來的復(fù)雜的核函數(shù)以及參數(shù)選擇問題。較比單純使用支持向量機模型有更好的效果。但是就圖片的適應(yīng)性以及對重疊物體識別和分割方面仍然有較大的提升空間。而且仍然達不到目前實際使用的效率和準(zhǔn)確率要求。本算法主要將傳統(tǒng)算法加以改進,開發(fā)出一種新的在靈武長棗實際采摘過程中實際應(yīng)用性更強的應(yīng)用算法。本文借助并且改進卷積神經(jīng)網(wǎng)絡(luò)算法,對靈武長棗生長圖像進行靈武長棗個體檢測[4],對檢測靈武長棗分類,并對圖像中每一個靈武長棗實現(xiàn)像素級別的分割。首次將改進后的神經(jīng)網(wǎng)絡(luò)框架應(yīng)用到靈武長棗圖像分割之中。為了使靈武長棗能夠在卷積神經(jīng)網(wǎng)絡(luò)中識別,將原始卷積神經(jīng)網(wǎng)絡(luò)框架算法加以改進,提出的基于頂層誤差優(yōu)化參數(shù)的靈武長棗目... 

【文章來源】：寧夏大學(xué)寧夏回族自治區(qū) 211工程院校

【文章頁數(shù)】：43 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究的背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 主要研究內(nèi)容
    1.4 技術(shù)路線
    1.5 文章的結(jié)構(gòu)安排
第二章 靈武長棗圖像的采集以及處理過程
    2.1 靈武長棗的基本物理參數(shù)
    2.2 靈武長棗圖像預(yù)處理方法
    2.3 本章小結(jié)
第三章 卷積網(wǎng)絡(luò)的初始化
    3.1 傳統(tǒng)預(yù)處理方法
    3.2 基于自主優(yōu)化的卷積的非線性加權(quán)均值濾波
    3.3 本章小結(jié)
第四章 特征圖像生成
    4.1 傳統(tǒng)的特征提取網(wǎng)絡(luò)
    4.2 對稱全連接卷積網(wǎng)絡(luò)
    4.3 本章小結(jié)
第五章 靈武長棗圖像分割
    5.1 靈武長棗目標(biāo)檢測框架
    5.2 Relu激活函數(shù)的分類損失函數(shù)
    5.3 算法成果
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻
致謝
個人簡介


【參考文獻】：
期刊論文
[1]基于Dropout-CNN的滾動軸承故障診斷研究[J]. 張文風(fēng),周俊.  輕工機械. 2019(02)
[2]基于改進型BP神經(jīng)網(wǎng)絡(luò)的導(dǎo)引頭測高性能評估[J]. 何華鋒,何耀民,徐永壯.  系統(tǒng)工程與電子技術(shù). 2019(07)
[3]基于遺傳變異的鳥群圖像分割算法[J]. 吳軍,王龍龍.  計算機工程與設(shè)計. 2019(04)
[4]基于優(yōu)化粒子群的最大熵閾值法葉片圖像分割[J]. 馬軍,賈鶴鳴,趙國強,郎春博,胡帥,馮連輝.  森林工程. 2019(03)
[5]卷積神經(jīng)網(wǎng)絡(luò)中激活函數(shù)的一種改進[J]. 劉小文,郭大波,李聰.  測試技術(shù)學(xué)報. 2019(02)
[6]基于深度學(xué)習(xí)的人臉識別算法研究[J]. 胡亞洲,周亞麗,張奇志.  計算機應(yīng)用研究. 2020(05)
[7]基于Faster R-CNN和IoU優(yōu)化的實驗室人數(shù)統(tǒng)計與管理系統(tǒng)[J]. 盛恒,黃銘,楊晶晶.  計算機應(yīng)用. 2019(06)
[8]基于Faster R-CNN的誘導(dǎo)維修自動交互設(shè)計[J]. 羅又文,王崴,瞿玨.  計算機工程與應(yīng)用. 2019(12)
[9]基于句子級學(xué)習(xí)改進CNN的短文本分類方法[J]. 韓棟,王春華,肖敏.  計算機工程與設(shè)計. 2019(01)
[10]基于標(biāo)記分水嶺的植物重疊葉片改進分割算法[J]. 張寧,王志明,鄭健.  計算機與現(xiàn)代化. 2019(01)

博士論文
[1]基于機器視覺的靈武長棗定位與成熟度判別方法研究[D]. 王昱潭.北京林業(yè)大學(xué) 2014

碩士論文
[1]基于真彩色圖像的靈武長棗實時定位方法研究[D]. 代英鵬.寧夏大學(xué) 2018
[2]基于深度學(xué)習(xí)的無人機影像設(shè)施農(nóng)業(yè)典型地物識別方法研究[D]. 張超.江西理工大學(xué) 2018
[3]基于深度學(xué)習(xí)的圖像目標(biāo)檢測與分割算法的研究與應(yīng)用[D]. 劉培.燕山大學(xué) 2018



本文編號：3201545