顯著性檢測(cè)方法及其在黃瓜病害圖像分割中的應(yīng)用研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩63頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、最近幾年,圖像顯著性檢測(cè)是計(jì)算機(jī)視覺(jué)領(lǐng)域研究的熱點(diǎn)。圖像顯著性檢測(cè)的目的是能夠?qū)D像中感興趣的目標(biāo)區(qū)域自動(dòng)地檢測(cè)出來(lái)。對(duì)目標(biāo)區(qū)域的檢測(cè)精度與檢測(cè)效率將直接影響到后續(xù)目標(biāo)識(shí)別的性能。本文圍繞如何提高顯著性檢測(cè)算法的精度和檢測(cè)效率展開(kāi)相關(guān)的理論方法研究,并將提出的顯著性檢測(cè)算法在黃瓜病害圖像處理中進(jìn)行了應(yīng)用研究。論文的主要研究工作如下:
  (1)提出了一種基于先驗(yàn)信息和雙權(quán)重的顯著性檢測(cè)算法(Saliency detectional

2、gorithm based on prior information and double weights,PIDWSD)。PIDWSD算法主要是為了解決上下文感知顯著性檢測(cè)算法(Context-Aware saliency detection,CA)中存在的邊緣丟失及檢測(cè)精度不高的問(wèn)題。PIDWSD算法首先使用超像素將圖像分塊,以獲得良好的目標(biāo)邊緣;其次,引入高斯權(quán)重和歐氏距離權(quán)重,以獲取精細(xì)化的顯著圖;接著,引入中心先驗(yàn)和非顯著關(guān)聯(lián)

3、先驗(yàn),以去除背景中的干擾信息;最后,通過(guò)非線(xiàn)性作用函數(shù)Sigmoid對(duì)得到的顯著圖進(jìn)行調(diào)整優(yōu)化。在Berkeley和MSRA1000數(shù)據(jù)庫(kù)上進(jìn)行測(cè)試。與其它顯著性檢測(cè)算法相比,該方法不僅能很好地解決邊緣丟失問(wèn)題,檢測(cè)精度達(dá)到93%,而且具有較低的算法時(shí)間復(fù)雜度。
  (2)提出了一種融合流形排序和能量方程的顯著性檢測(cè)算法(Saliencydetection algorithm combining manifold ranking

4、and energy equation, MREESD)。該算法主要是為了解決傳統(tǒng)顯著性檢測(cè)算法檢測(cè)精度不高且顯著種子選取魯棒性不足的問(wèn)題。首先,使用超像素方法將圖像分塊,提出了一種新的超像素間權(quán)重計(jì)算方法和顯著種子選取方法,以增強(qiáng)算法的魯棒性;其次,通過(guò)流形排序計(jì)算,以獲取較優(yōu)的顯著圖;為使得顯著圖更加精確,利用能量方程對(duì)得到的顯著圖進(jìn)行平滑調(diào)整;對(duì)調(diào)整后的顯著圖進(jìn)行閾值分割,將得到的二值圖像與原圖像進(jìn)行掩碼運(yùn)算,得到最終分割結(jié)果。在

5、MSRA1000圖像顯著性檢測(cè)數(shù)據(jù)庫(kù)上進(jìn)行測(cè)試,準(zhǔn)確率-召回率曲線(xiàn)顯示在相同召回率下準(zhǔn)確率高于其它算法,并且具有較高的F-measure值。最后,將MREESD同PIDWSD進(jìn)行了實(shí)驗(yàn)對(duì)比,從實(shí)驗(yàn)結(jié)果中看出,MREESD算法具有更強(qiáng)的魯棒性。
  (3)作物病害圖像分割精度對(duì)病害自動(dòng)識(shí)別效果具有關(guān)鍵作用。針對(duì)復(fù)雜背景下黃瓜葉部病害分割精度不高的問(wèn)題,本文將顯著性檢測(cè)應(yīng)用于自然環(huán)境的黃瓜葉部病害的圖像處理中。首先,通過(guò)顯著性檢測(cè)算法

6、提取出黃瓜病害葉片;其次,利用超綠特征對(duì)病害葉片進(jìn)行處理,以擴(kuò)大綠色正常部分和非綠色病斑部分的灰度差距,通過(guò)閾值分割出病斑;最后,利用形態(tài)學(xué)膨脹操作對(duì)得到的病斑進(jìn)行處理,以獲取更加飽滿(mǎn)的病斑。實(shí)驗(yàn)結(jié)果表明,本文所提的算法在提取出的病斑上更加精確,錯(cuò)分率均低于5%。通過(guò)對(duì)黃瓜典型的四種病害進(jìn)行分析,提取病害特征;最后,采用BP神經(jīng)網(wǎng)絡(luò)分類(lèi)器對(duì)黃瓜病害進(jìn)行分類(lèi)識(shí)別,識(shí)別率達(dá)到83%以上,從而驗(yàn)證了本文所提的顯著性檢測(cè)算法在病害圖像處理中的可

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論