復(fù)雜背景下樹干圖像分割算法及其識別系統(tǒng)的研究.pdf

1、機(jī)器視覺導(dǎo)航這一類技術(shù)，是現(xiàn)今計(jì)算機(jī)視覺的研究熱門。本文是研究伐木機(jī)器人導(dǎo)航模塊的分支，利用樹干有無及具體位置坐標(biāo)表示樹木的存在與地理位置信息。樹干圖像處理中圖像的分割以及特征的提取，把攝像頭采集到的目標(biāo)樹干跟圖像的復(fù)雜背景分離開，而獲得樹干圖像特征點(diǎn)數(shù)據(jù)的一種技術(shù)。
　　本文在對常規(guī)的圖像分割算法的研究和分析的基礎(chǔ)上，針對樹干圖像本身的特點(diǎn)并結(jié)合先驗(yàn)知識，提出了適用于樹干圖像分割的算法，初步實(shí)現(xiàn)了樹干圖像的計(jì)算機(jī)自動識別。本研究

2、的主要內(nèi)容和結(jié)論如下：
　　1.運(yùn)用常用的算法對樹干進(jìn)行分割，經(jīng)過對比分離目標(biāo)圖像的效果，得知運(yùn)用單一常用辦法，不能完全適合于分離復(fù)雜背景下的目標(biāo)樹干。
　　2.在充分了解各種常用的分割圖像技術(shù)的前提下，總結(jié)出一種可以滿足分割復(fù)雜背景下樹干圖像的方法。首先利用半閾值分割方法，灰度圖像進(jìn)行粗分割，然后，運(yùn)用均值濾波和中值濾波方法，做平滑處理，為之后利用邊緣檢測算子，做邊緣檢測做了充足的準(zhǔn)備。
　　3.已有邊緣檢測的方法是

3、運(yùn)用許多典型檢測算子識別圖像的輪廓，算法規(guī)則是在水平和垂直分別逐點(diǎn)作梯度的計(jì)算，用這種方法標(biāo)出復(fù)雜背景下的樹干圖像邊緣不可能全部連接，有很多斷續(xù)的點(diǎn)。用BP神經(jīng)網(wǎng)絡(luò)能很好的識別復(fù)雜背景下樹干圖像的邊緣。拓?fù)浣Y(jié)構(gòu)是三層的BP神經(jīng)網(wǎng)絡(luò)模型能檢測樹干的邊緣，用很小的點(diǎn)作為讀取圖像數(shù)值的空間，在原圖與目標(biāo)圖之間，之前運(yùn)用典型邊緣檢測算子已經(jīng)識別到的圖像，用它像素灰度的不同比例作為神經(jīng)網(wǎng)絡(luò)的輸入端，學(xué)習(xí)訓(xùn)練樹干圖像，形成的網(wǎng)絡(luò)模型經(jīng)過對比驗(yàn)證，可