基于CNN奶牛數字圖像邊緣提取的研究與應用.pdf_第1頁
已閱讀1頁,還剩75頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

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

溫馨提示

  • 1. 本站所有資源如無特殊說明,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,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論