基于卷积神经网络的薄片叠层图像分割算法研究

发布时间：2022-01-12 21:50

　　纸张、板材以及各类卡片烟标等薄片型产品的准确计数对相关企业的成本控制有着十分重要的意义,但由于这类薄片产品通常数量庞大、种类繁多,早期的人工计数和物理计数法由于效率低误差大而无法大规模使用,传统图像处理算法虽然提高了叠层薄片计数的自动化程度,但面对常见的薄片厚度不一、粘连、破损和低对比度等问题,这类算法由于只能利用叠层图像的单一特征,因而无法做到多种叠层薄片的兼容计数。针对这些检测难题,本文设计基于卷积神经网络的语义分割方法,通过对分割后的薄片叠层图像进行连通区域计数获得薄片数量。该方法通过获取更大的上下文信息来得到更加准确的分割结果,继而得到叠层薄片更加准确的数量,有效解决了困扰传统图像处理算法计数的诸多问题。本文具体内容如下:（1）针对传统图像处理的薄片叠层计数中存在的问题,结合相关理论和薄片叠层成像特点,提出并实现利用深度卷积神经网络的方法对薄片图像进行先分割后计数的方案。（2）结合薄片条纹分布的特征,用小图训练、全图测试的方法对薄片叠层端面图像进行分割,配合以多种数据增强方式,极大减小了需要标注的训练集数据规模,使得模型的训练和测试更加高效可行。（3）基于暂无相关数据集可用的现... 

【文章来源】：湖南大学湖南省 211工程院校 985工程院校 教育部直属院校

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

不同用途中的薄片

叠层薄片计数方法分类针对叠层薄片的计数需求由来已久，现今也有相对应的许多计数方法，总结

传统计数方法

【参考文献】：
期刊论文
[1]基于反卷积特征学习的图像语义分割算法[J]. 郑菲,孟朝晖,郭闯世.  计算机系统应用. 2019(01)
[2]多工位图像拼接的超高叠层薄片计数仪器开发[J]. 曹三,赵宏,甄小刚,肖昌炎.  电子测量与仪器学报. 2018(08)
[3]低对比度叠层薄片的机器视觉计数测量方法[J]. 肖昌炎,邱华林,赵宏,曹三,蒋仕龙.  湖南大学学报(自然科学版). 2018(04)
[4]最小曲率法与峰值检测相结合的纸张计数算法[J]. 邱华林,肖昌炎,蒋仕龙.  电子测量与仪器学报. 2017(09)
[5]深度学习在目标视觉检测中的应用进展与展望[J]. 张慧,王坤峰,王飞跃.  自动化学报. 2017(08)
[6]基于U-Net网络的肺部CT图像分割算法[J]. 袁甜,程红阳,陈云虹,张海荣,王文军.  自动化与仪器仪表. 2017(06)
[7]基于DCNN的图像语义分割综述[J]. 魏云超,赵耀.  北京交通大学学报. 2016(04)
[8]基于序的空间金字塔池化网络的人群计数方法[J]. 时增林,叶阳东,吴云鹏,娄铮铮.  自动化学报. 2016(06)
[9]基于区域划分的多特征纹理图像分割[J]. 赵泉华,高郡,李玉.  仪器仪表学报. 2015(11)
[10]用于叠层纸张图像分析计数的快速直线增长算法[J]. 杨硕,彭双,肖昌炎.  计算机应用与软件. 2015(09)

博士论文
[1]基于机器学习的目标跟踪技术研究[D]. 陈东成.中国科学院研究生院(长春光学精密机械与物理研究所) 2015

硕士论文
[1]基于视觉结构模型的多目标语义分割[D]. 程荣亮.青岛科技大学 2018
[2]基于深度卷积神经网络的图像语义分割[D]. 马骁.中国科学院大学(中国科学院光电技术研究所) 2018
[3]交通场景图像的语义标注方法研究[D]. 郭呈呈.江南大学 2018
[4]面向叠层薄纸计数的图像拼接与线检测算法研究[D]. 甄小刚.湖南大学 2016
[5]烟标叠层数量机器视觉检测仪的研究与开发[D]. 朱海斌.湖南大学 2013
[6]基于机器视觉的烟标质量检测及其计数系统[D]. 郑光.华中科技大学 2007



本文编号：3585504