基于CNN奶牛數字圖像邊緣提取的研究與應用.pdf

1、奶牛數字圖像邊緣提取是奶牛體型線性評定的前提,是最迫切解決的問題之一。邊緣是圖像最基本的特征之一,是提取特征參量、識別物體的基礎,是圖像局部亮度變化最顯著的部分,邊緣廣泛存在于目標與目標、目標與背景、區(qū)域與區(qū)域、色彩與色彩之間,邊緣是兩種或多種不同區(qū)域屬性的交界處。因其廣泛存在的不確定性和大量突變信息,使其成為圖像中蘊含信息最豐富的地方。
　　 為了提取精確的奶牛圖像邊緣,提高奶牛體型線性評定工作的水平,本文將細胞神經網絡(Ce

2、llular Neural Networks,CNN)應用到奶牛數字圖像的邊緣提取中。首先,采用三個CCD攝像機同時采集奶牛正前方、正側面和正后方三個方向的圖像,作為奶牛邊緣提取的原始圖像,經圖像采集卡數字化后輸入計算機；其次,對采集到的奶牛數字圖像進行預處理(以正側面圖像為例),對奶牛數字圖像進行濾波和對比度增強(線性灰度變換、直方圖均衡化)。通過對Robert算子、Sobel算子、Prewitt算子、Laplace算子、Log算子和

3、Canny算子各經典算法的研究,用五種邊緣提取算子分別對奶牛數字圖像進行仿真,總結出邊緣提取效果最佳時各個算子的閾值以及標準偏差值；然后,將細胞神經網絡應用到奶牛數字圖像處理中,針對細胞神經網絡的結構特點,對灰度圖像像素值進行調整,使其滿足CNN算法的輸入范圍。再根據奶牛數字圖像的實際問題確定出CNN算法的反饋模板A、控制模板B和閾值Z的值；針對CNN算法中邊界細胞在與模板A和B作卷積運算時,模板中的某些元素將找不到與邊界細胞相對應的細

4、胞,本文應用了“增大法”和“縮小法”兩種方法,很好地解決了細胞邊界問題；最后,用MATLAB語言編程分別實現基于CNN的奶牛二值和灰度圖像的邊緣提取算法,分別提取出奶牛的二值圖像邊緣和灰度圖像邊緣。
　　 通過對Robert算子、Sobel算子、Prewitt算子、Log算子和Canny算子各經典算法提取出來的奶牛圖像邊緣與CNN算法所提取的邊緣相比較,得出應用了細胞神經網絡提取的奶牛數字圖像邊緣連續(xù)性更好、更清晰、定位精度更高