基于神经网络的灵武长枣图像分割算法应用研究

发布时间：2021-05-22 19:28

　　图像分割[1]方法主要分为两大部分,第一部分是传统视觉的图像分割算法,第二部分是深度学习算法。传统的图像分割方法分为灰度阈值分割法、基于边缘地方法和基于特定理论的分割方法等。由于其效率比较低,算法比较复杂以及效果提升空间较大的原因,目前已经很少使用。对于深度学习算法,目前比较常用的是利用支持向量机算法作为分类算法,结合多种不同的算法,如遗传算法[2]（GA）或分水岭算法[3],以减弱单纯使用支持向量机带来的复杂的核函数以及参数选择问题。较比单纯使用支持向量机模型有更好的效果。但是就图片的适应性以及对重叠物体识别和分割方面仍然有较大的提升空间。而且仍然达不到目前实际使用的效率和准确率要求。本算法主要将传统算法加以改进,开发出一种新的在灵武长枣实际采摘过程中实际应用性更强的应用算法。本文借助并且改进卷积神经网络算法,对灵武长枣生长图像进行灵武长枣个体检测[4],对检测灵武长枣分类,并对图像中每一个灵武长枣实现像素级别的分割。首次将改进后的神经网络框架应用到灵武长枣图像分割之中。为了使灵武长枣能够在卷积神经网络中识别,将原始卷积神经网络框架算法加以改进,提出的基于顶层误差优化参数的灵武长枣目... 

【文章来源】：宁夏大学宁夏回族自治区 211工程院校

【文章页数】：43 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究的背景与意义
    1.2 国内外研究现状
    1.3 主要研究内容
    1.4 技术路线
    1.5 文章的结构安排
第二章 灵武长枣图像的采集以及处理过程
    2.1 灵武长枣的基本物理参数
    2.2 灵武长枣图像预处理方法
    2.3 本章小结
第三章 卷积网络的初始化
    3.1 传统预处理方法
    3.2 基于自主优化的卷积的非线性加权均值滤波
    3.3 本章小结
第四章 特征图像生成
    4.1 传统的特征提取网络
    4.2 对称全连接卷积网络
    4.3 本章小结
第五章 灵武长枣图像分割
    5.1 灵武长枣目标检测框架
    5.2 Relu激活函数的分类损失函数
    5.3 算法成果
    5.4 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
个人简介


【参考文献】：
期刊论文
[1]基于Dropout-CNN的滚动轴承故障诊断研究[J]. 张文风,周俊.  轻工机械. 2019(02)
[2]基于改进型BP神经网络的导引头测高性能评估[J]. 何华锋,何耀民,徐永壮.  系统工程与电子技术. 2019(07)
[3]基于遗传变异的鸟群图像分割算法[J]. 吴军,王龙龙.  计算机工程与设计. 2019(04)
[4]基于优化粒子群的最大熵阈值法叶片图像分割[J]. 马军,贾鹤鸣,赵国强,郎春博,胡帅,冯连辉.  森林工程. 2019(03)
[5]卷积神经网络中激活函数的一种改进[J]. 刘小文,郭大波,李聪.  测试技术学报. 2019(02)
[6]基于深度学习的人脸识别算法研究[J]. 胡亚洲,周亚丽,张奇志.  计算机应用研究. 2020(05)
[7]基于Faster R-CNN和IoU优化的实验室人数统计与管理系统[J]. 盛恒,黄铭,杨晶晶.  计算机应用. 2019(06)
[8]基于Faster R-CNN的诱导维修自动交互设计[J]. 罗又文,王崴,瞿珏.  计算机工程与应用. 2019(12)
[9]基于句子级学习改进CNN的短文本分类方法[J]. 韩栋,王春华,肖敏.  计算机工程与设计. 2019(01)
[10]基于标记分水岭的植物重叠叶片改进分割算法[J]. 张宁,王志明,郑健.  计算机与现代化. 2019(01)

博士论文
[1]基于机器视觉的灵武长枣定位与成熟度判别方法研究[D]. 王昱潭.北京林业大学 2014

硕士论文
[1]基于真彩色图像的灵武长枣实时定位方法研究[D]. 代英鹏.宁夏大学 2018
[2]基于深度学习的无人机影像设施农业典型地物识别方法研究[D]. 张超.江西理工大学 2018
[3]基于深度学习的图像目标检测与分割算法的研究与应用[D]. 刘培.燕山大学 2018



本文编号：3201545