針對(duì)高原鼠兔圖像目標(biāo)尺寸小、背景復(fù)雜、特征不顯著、基于活動(dòng)輪廓的圖像分割模型無法有效分割的問題,采用基于卷積神經(jīng)網(wǎng)絡(luò)的SegNet語義模型對(duì)高原鼠兔圖像進(jìn)行分割:首先將采集的高原鼠兔圖像進(jìn)行預(yù)處理,尺度歸一化后制作成與Pascal VOC數(shù)據(jù)集格式一致的數(shù)據(jù)集;然后將數(shù)據(jù)集分為訓(xùn)練集與測(cè)試集,采用訓(xùn)練集對(duì)SegNet模型訓(xùn)練,測(cè)試集對(duì)模型進(jìn)行分割測(cè)試。對(duì)高原鼠兔圖像分割的試驗(yàn)結(jié)果表明:與基于活動(dòng)輪廓的Chan_Vese模型相比,基于卷積神經(jīng)網(wǎng)絡(luò)的SegNet模型對(duì)高原鼠兔圖像分割時(shí)的交并比、平均像素精度、Dice相似性指數(shù)和Jaccard指數(shù)分別提高了68.33%、9.35%、30.61%和47.98%,過分割率和欠分割率分別降低了87.20%、16.52%。

【文章頁數(shù)】：4 頁

【文章目錄】：
1 數(shù)據(jù)來源
2 基于Seg Net的圖像分割模型的建立
3 高原鼠兔圖像的分割
4 結(jié)論



本文編號(hào)：3993428